- •1. Понятие сложных систем
- •2. Понятие систем управления и их составляющих
- •Цель управляющего органа – перевод объекта управления из начального в конечное состояние.
- •3. Объект управления, его характеристики
- •4. Классификация систем управления
- •5. Методы формализации постановки задач принятия решений
- •6. Постановка задач принятия упр.Решений в классе линейных моделей
- •7. Анализ управленческих решений методами теории чувствительности
- •8. Задача взаимозаменяемости ресурсов
- •9. Специфика функционирования организационных систем
- •10. Задача распределения производственной программы в двухуровневой активной системе
- •11. Неопределенность в активных системах
- •12. Методы гарантированного результата
- •13. Метод прогнозирования при снятии неопределенности
- •14,15. Методы снятия неопределенности(метод формирования данных). Моделирование двухуровневой орг.Системы в условиях неопределенности
- •16. Проектирование согласованного механизма ценообразования в 2хуровневой орг.Системе.
- •17. Методы оценки инвестиционных проектов
- •18. Моделирование систем материального стимулирования на примере объектов здравоохранения
- •19. Моделирование системы оплаты труда в бригаде из 2-х рабочих(уравнительная оплата труда)
- •20,21. Моделирование системы оплаты труда в бригаде из 2-х рабочих(сдельная оплата)
- •22. Многокритериальность в управлении
10. Задача распределения производственной программы в двухуровневой активной системе
Рассмотрим организационную систему, состоящую из Центра и «л» производственных элементов (ПЭ).
Каждый производственный элемент характеризуется показателем эффективности ri, и функцией затрат zi. Показатель ri характеризует эффективность работы i — го производственного элемента. Он определяется условием автоматизации, механизации, применением ресурсосберегающих технологий, организации производства и т.д. Примем далее, что затраты i - го производственного элемента описываются следующей моделью:
zi=x2i/2ri, где х, - объем работ, выполненный i - ым производственным элементом.
Перед Центром стоит задача распределения между производственными элементами работ в объеме R таким образом, чтобы затраты всей системы были минимальны. То есть центр решает следующую оптимизационную задачу:
Если Центру известны реальные значения показателей эффективности ri(случай определенности), то решением задачи является закон
пропорционального распределения:
11. Неопределенность в активных системах
Если Центру известны реальные значения показателей эффективности ri(случай определенности), то решением задачи является закон пропорционального распределения
В задачах существуют параметры. ЛПР должно обладать информацией о значениях этих параметров.
aij – значения этих параметров,
cj – коэффициент целевой функции.
С точки зрения формализованного описания можем сказать, что ЛПР имеет представление об области допустимых значений параметров (а А).
Чем больше ОДЗ, тем больше неопределенность.
Методы снятия неопределенности:
- метод гарантированного результата
- метод прогнозирования
- метод формирования данных в активных системах
Принцип гарантированного результата.
-ОДЗ
Лицо, принимающее решение не знает значение параметра а, но знает, что:
Пример: мы не знаем точную температуру нашего тела, но знаем, в каком диапазоне она находится
а могут быть хорошими и плохими
Хороший параметр – такой параметр, рост которого способствует улучшению критерия Ф. Плохой параметр – наоборот.
Если а хорошее, то его увеличение приводит к росту прибыли. Согласно этому принципу лицо, принимающие решение, исходит из наихудшей гипотезы. Этот подход хорош тем, что хуже, чем предполагается, не будет, а плох тем, что лицо упускает возможные выгоды от лучшего результата. Его используют чаще всего опытные и зрелые люди.
Пример: Я возьму с собой зонтик, так как считаю, что при наихудшем варианте может начаться дождь. Также игроки, играющие в преферанс, всегда исходят из того, что в колоде остались худшие карты(7-ки, а не тузы)
12. Методы гарантированного результата
Принцип гарантированного результата.
-ОДЗ
Лицо, принимающее решение не знает значение параметра а, но знает, что:
Пример: мы не знаем точную температуру нашего тела, но знаем, в каком диапазоне она находится
а могут быть хорошими и плохими
Хороший параметр – такой параметр, рост которого способствует улучшению критерия Ф. Плохой параметр – наоборот.
Если а хорошее, то его увеличение приводит к росту прибыли. Согласно этому принципу лицо, принимающие решение, исходит из наихудшей гипотезы. Этот подход хорош тем, что хуже, чем предполагается, не будет, а плох тем, что лицо упускает возможные выгоды от лучшего результата. Его используют чаще всего опытные и зрелые люди.
Пример: Я возьму с собой зонтик, так как считаю, что при наихудшем варианте может начаться дождь. Также игроки, играющие в преферанс, всегда исходят из того, что в колоде остались худшие карты(7-ки, а не тузы)