- •Оглавление
- •Глава 1. Общенаучные методы исследования систем управления 9
- •Глава 2. Частно-научные методы исследований систем управления 117
- •Глава 3. Прогнозные и плановые исследования систем управления 184
- •Глава 4. Теоретические основы экспериментальных исследований систем управления 214
- •Глава 5. Экономические исследования систем управления 243
- •Введение
- •Глава 1. Общенаучные методы исследования систем управления
- •1.1. Классификация систем управления
- •1.2. Роли исследований систем управления
- •1.3. Объект, предмет, практическая формула диалектического подхода к исследованию систем управления
- •1.4. Гипотеза, концепция, проект исследования
- •1.5. Классификация исследований систем управления
- •1.6. Состав и выбор методов исследования
- •1.7. Измерения, данные, информация при исследовании
- •1.8. Анализ данных при исследовании систем управления
- •1.9. Контроль и диагностика проблем
- •1.10. Системный анализ в исследовании управления
- •1.11. Экспертные методы исследования
- •1.12. Логический аппарат исследования, аналогия
- •1.13. Моделирование и статистические исследования
- •1.14. Эффективность и управление исследованием
- •1.15. Тайна и конфиденциальность при исследованиях
- •1.16. Риски, ответственность, свобода исследовании
- •1.17. Правила честных исследований и личные качества исследователя
- •Глава 2. Частно-научные методы исследований систем управления
- •2.1. Типовые представления при исследованиях систем управления
- •2.2. Язык и особенности исследовательских моделей
- •2.3. Основные требования к исследовательским моделям
- •2.4. Имитационные модели. Метод Монте-Карло
- •2.5. Сравнительные исследования динамических свойств объекта и быстродействия системы управления
- •2.6. Оценка безопасности при исследовании систем управления
- •2.7. Исследования целеполагания и критериев управления
- •2.8. Исследования маркетинга в системе управления организацией
- •2.9. Исследования менеджмента в системе управления
- •2.10. Социологические исследования систем управления
- •2.11. Исследование мотивации
- •2) Процесс нарастания удовлетворения:
- •2.12. Контроль и диагностика конфликтов
- •2.13. Тесты, социально-экономические эксперименты
- •Литература к главе 2
- •Глава 3. Прогнозные и плановые исследования систем управления
- •3.1. Прогнозные, плановые исследования – фактор успеха
- •3.2. Прогнозирование и планирование: определения
- •3.3. Выбор метода прогнозного исследования
- •- Комплексные системы прогнозирования.
- •3.4. Функционально-логические прогнозные исследования систем управления
- •3.5. Математические методы параметрических прогнозных исследований
- •3.6. Комплексные системы прогнозирования
- •3.7. Виды плановых исследований
- •3.8. Математические методы планирования
- •3.9. Исследование форм представление планов
- •3.10. Исследование нормирования в системе управления
- •Литература к главе 3
- •Глава 4. Теоретические основы экспериментальных исследований систем управления
- •4.1. Экспериментальные исследования: роли классификация
- •4.2. Основные цели и задачи теории и практики экспериментальных исследований
- •4.3. Проектирование объектов испытаний
- •4.4. Методы теории планирования экспериментов
- •4.5. Регрессионное и факторное планирование экспериментов
- •4.6. Функциональные планы испытаний
- •4.7. Проектирование технических обстановок и комплексирование проверок функций
- •4.8. Выбор метода теории планирования экспериментов
- •Глава 5. Экономические исследования систем управления
- •5.1. Исследования систем управления методами финансового анализа и бюджетирования
- •5.2. Исследования систем управления на основе данных бухгалтерского учета и аудита
- •5.3. Бухгалтерский баланс как типовое представление объекта исследования
- •5.4. Особенности исследования систем управления на основе данных финансового бухгалтерского учета
- •5.5. Исследования методами управленческого бухгалтерского учета
- •5.6. Исследования управления затратами методами калькулирования
- •5.7. Аудит как метод исследования систем управления
- •5.8. Исследование управления бухгалтерским учетом и аудитом
- •Заключение
2.4. Имитационные модели. Метод Монте-Карло
При исследованиях большинство реальных объектов в силу сложности, дискретного характера функционирования отдельных подсистем, не могут быть адекватно описаны с помощью только аналитических математических моделей. Поэтому возрастает роль в исследованиях имитационного моделирования, которое становится очень распространенным методом диагностического и прогнозного моделирования.
Имитационные модели получили большое распространение, потому что не накладывают жестких ограничений на используемые исходные данные.
Имитационная модель позволяет в процессе исследования использовать всю располагаемую информацию вне зависимости от ее формы представления (словесное описание, графические зависимости, блок-схемы, математические модели отдельных блоков и др.) и степени формализации.
Имитационная модель строится по аналогии с объектом исследования. Для описания элементов модели возможно произвольное использование методов, по мнению исследователя, соответствующих реальным. Затем эти элементы объединяют в единую исследовательскую модель/1/.
Имитационная модель может быть с фиксированными входными параметрами и параметрами модели. Это детерминированная имитационная модель.
Если же входные параметры и(или) параметры модели могут иметь случайные значения, то говорят о моделировании в случайных условиях, а модель называют статистической.
Для статистического моделирования в случайных условиях был разработан метод статистических испытаний (метод Монте-Карло)/?/. Идея метода Монте-Карло состоит в реализации «розыгрышей» - моделировании случайного явления с помощью некоторой процедуры, дающей случайный результат. В соответствии с этим методом, при моделировании с использованием вычислительной техники выполняют некоторое количество
(множество) реализаций исследуемого объекта или процесса. Затем результаты такого моделирования обрабатывают с использованием методов математической статистики. При этом могут определять тип и параметры распределения случайной величины. Например, для нормально распределенной случайной величины могут оценивать математическое ожидание, средне-квадратическое отклонение/8/.
Для этого используют случайный механизм розыгрыша. Этот механизм базируется и использует как элемент единичный жребий /7,1/.
Условимся называть единичным жребием любой элементарный опыт, в котором решается один из вопросов:
произошло или не произошло событие А?
какое из возможных событий А1, А2, ..., Ак произошло? 3) какое значение приняла случайная величина X?
4) какую совокупность значений приняла система случайных величин X1, X2,..., Хк?
Реализация случайного явления методом Монте-Карло состоит из цепочки единичных жребиев, перемежающихся обычными расчетами. Расчетами учитывается влияние исхода единичного жребия на ход операции (в частности, на условия, в которых будет осуществляться следующий единичный жребий).
Механизмы реализации единичного жребия могут быть разнообразными, однако любой из них может быть заменен стандартным механизмом, позволяющим решить одну единственную задачу: получить случайную величину, распределенную с постоянной плотностью от 0 до 1.
В каждой реализации с использованием специальных программ (реализующих единичный жребий) генерируют лсев-дослучайные значения соответствующих параметров. Искомые псевдослучайные параметры генерируют, используя знание (или допущение о виде и параметрах) законов распределения случайных величин. Эти псевдослучайные значения параметров используют при вычислениях в конкретной реализации. Результаты множества реализаций обрабатываются с использованием методов теории вероятностей и математической статистики/7,8/.
В процессе исследований возможно детерминированно-статистическое имитационное моделирование. При этом часть реализаций выполняют в заранее определенных условиях, а остальные - в условиях случайных.
Опыт показал, что частой ошибкой при практическом использовании статистического моделирования являются попытки исследователей получить часть результатов аналитически, а затем интегрировать эти результаты с результатами, полученными путем фиктивного разыгрывания. Это недопустимо, так как нарушается принцип случайности появления части значений параметров, а следовательно, и всей реализации.