Главная страница
Финансы
Экономика
Биология
Ветеринария
Сельское хозяйство
Медицина
Математика
Начальные классы
Информатика
Вычислительная техника
Право
Юриспруденция
История
Философия
Логика
Этика
Религия
Политология
Социология
Физика
Промышленность
Энергетика
Языки
Языкознание
Культура
Искусство
Автоматика
Связь
Электротехника
Химия
Воспитательная работа
Другое
Дошкольное образование
Экология
Строительство
Русский язык и литература
Классному руководителю
Геология
Физкультура
Доп
образование
Иностранные языки
География
Логопедия
Школьному психологу
Технология
ИЗО, МХК
Обществознание
Казахский язык и лит
Механика
ОБЖ
Музыка
Директору, завучу
Социальному педагогу
Психология

Понятие о системе и системном анализе


Скачать 36.84 Kb.
НазваниеПонятие о системе и системном анализе
АнкорMicrosoft_Office_Word_Document_3 (1).docx
Дата11.03.2018
Размер36.84 Kb.
Формат файлаdocx
Имя файлаMicrosoft_Office_Word_Document_3 (1).docx
ТипДокументы
#26292

  1. Понятие о системе и системном анализе.
    Существует много определений системы.
    1. Система есть комплекс элементов, находящийся во взаимодействии.
    2. Система — это множество объектов вместе с отношениями этих объектов.
    3. Система — множество элементов находящихся в отношениях или связях друг с другом, образующая целостность или органическое единство (толковый словарь)
    Системный анализ — это научный, всесторонний подход к принятию решений. Вся проблема изучается в целом, определяются цели развития объекта управления и различные пути их реализации в свете возможных последствий. При этом возникает необходимость согласования работы различных частей объекта управления,  отдельных исполнителей, с тем чтобы направить их на достижение общей цели. Подробное определение системного анализа будет приведено ниже.

  2. Виды моделирования. 
    -концептуальная модель – описание объекта для его удобного визуального восприятия, отображения или с помощью рисунков, произвольных обозначений, или же описание с помощью общепринятых в данной системе категорий или объектов. 
    -структурно-функциональная (логическая) – отражение объекта с помощью блок-схем.
    -физическая модель.
    -математическая модель – описание объекта или системы с помощью математических знаков, символов.

  3. Математическое моделирование. Классификация математических моделей.
    Математи́ческая моде́ль — математическое представление реальности, один из вариантов модели, как системы, исследование которой позволяет получать информацию о некоторой другой системе. Процесс построения и изучения математических моделей называется математическим моделированием
    Виды:
    Линейные и нелинейные (по степени линейности) 
    Статические (без учета фактора вр.) и динамические
    Детерменированные (модели, в которых одному значению аргумента соответствует строго определенное значение функций) и вероятностные (отражает объект с определенной вероятностью)

  4. Сущность метода имитационного моделирования.

Математические модели можно разделить на аналитические и имитационные. Имитационным моделированием называется целый обособленный класс моделей и методов реализаций этих моделей. Эти модели более реально отражают действительность, потому что отражают изменение системы во времени и в пространстве. Это ближе к жизни, т к любая система функционирует в динамике. Имит мод – это моделирование сложных систем, это системы со множеством различных связей между элементами. Часто поведение такой системы невозможно понять до конца. Имит мод позволяет реализовать модели в которых прописаны только отдельные связи. Имит мод организованна по принципу черного ящика, т к невозможно познать эту систему до конца. По разнице между импульсами мы получаем результаты о взаимосвязи, о том как управлять этой системой. Еще одной особенностью является то, что модель прогоняется с помощью компьютерных программ. Имит мод – это выполненная на формальном языке описание логики функции системы и взаимодействие отдельных ее элементов во времени, учитывающие наиболее существенные причинно-следственные связи. Имит мод (Шеннон) – это процесс конструирования модели реальной системы и постановка экспериментов этой модели с целью понять поведение системы или оценить различные стратегии управления этой системы.

5.Виды имитационных моделей.

Статистическое (позволяет прогнозировать развитие явления, позволяет понять направления развития)

Агентное(отличается от других тем, что в ней задаются, характеристики отдельных ее объектов (агентов), а общая характеристика работы системы и общая динамика складываются из наложения друг на друга характеристик агентов.

Моделирование динамических систем (это поведение системы во времени в пространстве. моделируется процесс сборки урожая)

Системная динамика (модели потокового типа, непрерывное моделирование. Решение систем дифференциальных уравнений)

Дискретно-событийное (предполагает решение задач относительно работы СМО)

Экспертное

Ситуационное(это поиск наиболее оптимального плана действий в условиях возникновения непредвиденных ситуаций)

Когнетивное (аналогичен методу системной динамики, только в нем закладываются специфические объекты, в нее вкл элементы которые рассчитываются на основе знаний, представлений. Когнетивное мод – предполагает создание когнетивных карт)

6.Модельное время, способы его продвижения.

В имит мод обязательно присутствует переменная времени. Процессы моделируются в динамике в соответствии с шагом модельного времени. Шаг это может быть сек, мин, год, и на каждый дельта t система меняется. Горизонт моделирования – это моделируемое время работы системы (наприм. Парикмахерская работает 8 ч.) В отдельных концептуальных моделях состояние системы фиксируется дискретно (прерывисто) от шага к шагу, это м б выраженно на графике. Дельта tможет быть с постоянным шагом, а м б с переменным. Способ изменения состояния системы м б пошаговым или пособытийным. Пошаговый способ применяется когда события происходят часто. (наприм. Приход клиента в магазин) Пособытийный способ используется когда события происходят редко, нет необходимости фиксировать каждый шаг модельного времени. Основная масса систем имит мод предполагает равный шаг модельного времени. С помощью этих шагов система переходит из одного состояния в другое, в модели синхронизируются все процессы. С помощью модельного времени происходит управление ходом моделирования. Другие концепции реализуется с помощью программ отражающих непрерывное изменение системы от шага к шагу.

7.Концепции имитационного моделирования.

Существует 3 концепции: Дискретно-событийная, системная динамика и агентное. Дискрет-соб предполагает решение задач относительно работы СМО. Системная динамика – это модели потокового типа, непрерывное моделирование. Системы дифур. Агентноеотличается от других тем что в ней задаются характеристики отдельных объектов (агентов) а общая хар-ка работы системы и общая динамика складываются из наложения друг на друга хар-к объектов.

8.Метод статистических испытаний Монте-Карло.

система моделирования представляет собой черный ящик который изучается с помощью оценки результатов на реакции на некие импульсы – эксперименты. Результат эксперимента собирается и формируется в некую статистическую совокупность. Он применяется в тех случаях, когда построение аналитической модели явления трудно или вовсе неосуществимо (напр., при решении сложных задач теории массового обслуживания и ряда других задач исследования операций, связанных с изучением случайных процессов).
Применение М. М.-К. можно проиллюстрировать примером из области теории очередей. Предположим, надо определить, как часто и как долго придется ждать покупателям в очереди в магазине при заданной его пропускной способности (допустим, для того, чтобы принять решение, следует ли расширять магазин). Подход покупателей носит случайный характер, распределение времени подхода (так можно назвать промежуток времени между каждыми двумя приходами покупателей) может быть установлено из имеющейся информации. Время обслуживания покупателей тоже носит случайный характер, и его распределение тоже может быть выявлено. Таким образом, имеются два стохастических или случайных процесса, взаимодействие которых и создает очередь.

9.Понятие имитационного эксперимента. Стратегическое и тактическое планирование имитационного эксперимента.

Исход эксперимента - это величина случайная, т к мы задаем условия не точно и внутри интервала действует генератор случайных чисел. Поэтому 1 прогон ничего не скажет об объективных характеристиках модели. Можно провести серию прогонов, потом эту серию обрабатывают статистически, т е рассчитывают х среднее, однако это среднее тоже отличается от объективно существующих, потому что построено на выборочных случайных числах. Поэтому определяют реальную среднюю не точно, а определяют интервал куда с определенной вероятностью попадет эта реальная средняя. Существует стратегическое и тактическое планирование имитационного эксперимента. Стратегическое планирование предполагает планирование определенного результата. Тактическое – это то, что мы хотим сделать с моделью. Это планирование того, как мы будем проводить эксперименты, какова длительность прогона, какова длительность переходного режима, режим перехода систем в стабильное состояние.

  1. Программные средства автоматизации имитационного моделирования.

GPSS, Arena, Witnes, Anylogik, Piligrim. vensim, powersim, ithink, anylogik.

11.Область применения имитационного моделирования.

-логистика и цепочки поставок

-склад и перевозки

-производство

-стратегическое планирование

-рынок и конуренция

-бизнес-процессы

-здравоохранение

-другое (оборона, филиалы, экология, дорожное движение, соц деятельность, управление активами и проектами)

12.Этапы имитационного моделирования.

-постановка задачи

-выделение факторов, которые влияют на цель которую мы выбрали (цена реализации, урожайность, количество конкурентов)

-выявление общей логики функции системы и характеристик взаимосвязи между элементами

-построение математической зависимости между элементами

-построение компьютерной модели

-прогон модели

-проверка адекватности модели

-верификация модели

-проверка результатов возможных управляющих воздействий на систему

-выбор наиболее рациональной стратегии развития

-внедрение в практику

  1. Основные характеристики систем массового обслуживания.

СМО – это системы которые содержат 2 типа элементов. 1-й это динамические элементы (транзакты), те элементы которые движутся по системе в соответствии с логикой процесса. 2-й тип это статичные элементы, это те которые проходят транзактыобслуживаясь в системе – очереди и обслуживающие устройства. Пример СМО: кафе (транзакт посетители, обслуживающие устройство – столик) Различаются СМО по количеству фаз обработки (однофазные и многофазные), по количеству каналов (одноканальные и многоканальные), по дисциплине выхода из очереди (первый попал – первый обслужился, первый пришел – последний обслужился, случайная, по наличию и отсутствию приоритетов). Основными критериями СМО являются: длина очереди, коэффициент загрузки устройства, равномерность загрузки узлов в сети.

14.Основные элементы GPSSWorld (объекты, переменные, функции).

Система имеет блочную структуру. Блоки расположены один под другим согласно логики продвижения транзакта по системе, а значит каждый блок отражает обращение к программе, выполняя определенную процедуру. Блоки могут быть: операторы действия, операторы описания, команды. Объекты в системе: обслуживающие устройство, очереди, ячейки, матрицы, функции, переменные, таблицы и графики.

15.Показатели оценки эффективности организации процесса по результатам прогона имитационной модели (показатели стандартного отчета о результатах прогона).

В тактическом планировании решается вопрос о том, как провести каждый прогон имитационной модели на компьютере, чтобы получить наибольшее количество информации из выходных данных и анализ результатов Последним этапом в процессе имитационного исследования являются реализация полученных решений и документирование имитационной модели и ее использования.

При выборе варианта технологического процесса обработки экономической информации используют две группы показателей оценки эффективности: показатели достоверности получения и обработки информации и показатели трудовых и стоимостных затрат на проектирование системы и обработку информации.

Затем следует выбрать определенный метод контроля для каждой операции или группы операций и выполнить оценку степени достоверности получаемой после обработки результатной информации.

16. Назначение и формат блока GENERATE. Примеры использования.
-метка- ( операция ) ( операнд) – комментарий-
Метка должна начинаться с буквы , все буквы модели латинские . Не делать пробелов .Операция – команда которая должна быть выполнена привходе транзакта в данный блок. Операнды – задают информацию специфичную для данного блока их может быть не более семи. Основные блоки GPSS world 
Generate ( генерировать ) 
GENERATE [A] [B] [C] [D] [E]
Операнд А – средний интервал времени 
Операнд В – половина поля допуска интервала 
Пример : покупатели приходят в магазин через 10+- 5 минут 
Generate 10,5
Операнд С – смещение интервалов 
Пример : клиенты приходят в парикмахерскую через 40+- 10 но первого человека запускают через15 минут после начала работы парикмахерской 
Generate 40,10,15
Операнд D – одновременный приход транзактов 
Пример : каждые 10 минут на токарный станок поступают по 2 заготовки.
Generate 10,,,2
Операнд Е – уровень приоритета транзактов 
Пример : через каждые 120+-60 минут в парикмахерскую приходят инвалиды войны которые обслуживаются вне очереди Generate 120,60,,,1

17. Моделирование приоритета транзакта, примеры.
Ветераны в очереди
Операнд Е – уровень приоритета транзактов 
Пример : через каждые 120+-60 минут в парикмахерскую приходят инвалиды войны которые обслуживаются вне очереди Generate 120,60,,,1

18. Оператор TERMINATE и способы его использования в модели.
Оператор выхода транзакта из системы ( выход покупателя из магазина).
TERMINATE [A]
[A] –это счетчик , ведущий к завершению работы системы .
1. TERMINATE 0 – выход транзактов из системы когда она должна работать в течении определенного времени и выход очередного транзакта никак не ведет к завершению работы системы , а уход времени ведет к завершению работы системы.
TERMINATE 0
** *
GENERATE 480 
TERMINATE 1
START 1 
1. TERMINATE 1 – вышедший транзакт ведет к завершению работы системы 
Пример : зубной врач 
TERMINATE 1 
START 10

19. Понятие стандартного числового атрибута. Цели и примеры их использования при разработке модели.
СЧА (стандартно числовой атрибут) – характеристика системы которая вычисляется в ходе моделирования этой же модели. СЧА обозначается определенным образом. переменные: Qj – средняя длина очереди именем j, если имя начинается с буквы, то оно отделяется от сча знаком $. QTj – среднее время нахождение транзакта в очереди с именем j. Nj– количество транзактов прошедших через блок с меткой j.

20. Блок TRANSFER: режимы безусловного перехода и режим BOTH.
Блок TRANSFER имеет следующие режимы работы: безусловный (пробел); статистический (.); BOTH; ALL; PICK; функция (FN); параметр (Р); подпрограмма (SBR); SIM. Операнд поля <А> может быть положительным целым числом, именем, дробным числом, СЧА, СЧА с параметром. Поля <В> и <С> задают возможные значения номеров (имен по метке) следующих блоков или их положение. В поле в некоторых случаях указывается параметр перехода к следующему блоку. 
Если в поле А блока TRANSFER стоит BOTH, то каждый транзакт, поступающий на
этот блок, проверяет два пути. Сначала проверяется блок, указанный в поле В, и если
транзакт не может войти в этот блок, он пытается войти в блок, указанный в поле С. Если
транзакт не может войти и в этот блок, он задерживается в блоке TRANSFER и повторяет
опрос блоков, указанных в полях В и С, при каждом изменении текущего времени в
модели, пока не находит выхода. Этот режим выбора существенно увеличивает время
работы, так как если оба выхода заблокированы, опрос их состояния производится очень
часто. Например:
TRANSFER BOTH„SAM
SEIZE 52
SAM SEIZE 84

22. Блок TEST, назначение и примеры использования.


Операция

Значение операнда

Х

G( большее) , GE( больше или равно ); Е(равно) ; NE( неравно) ; LE (меньше или равно); L(меньше)


А

СЧА

В

СЧА

С

Имя блока, в который переходит транзакт , если условие не выполняется


TEST X A , В [C],

Блок TEST может работать в двух режимах

1.Режим отказа Пример: TEST L Q$Ocher_1, Q$Ocher_2(транзакт будет задержан в предыдущем блоке , пока очередь Q$Ocher_1 не станет меньше очередиQ$Ocher_2)

2.режим условного перехода TEST G Q$Ocher_1, Q$Ocher_2,KOL( транзакт перейдет в следующий после данного блок в случае, если длинна очереди Ocher_1 будет больше длинны очереди Ocher_2 . в противном случае транзакт перейдет в блок с меткой KOL).

23.Сохраняемые величины в GPSS: формат блока MATRIX. СЧА матрицы.


Поле

Информация

Метка

Имя матрицы

Операция

MATRIX

Операнд А

Не используется

Операнд В

Число строк матрицы

Операнд С

Число столбцов матрицы


Если в модели требуются операции с матрицами , то вводится оператор описания матрицы – MATRIX. Его формат <Метка> MATRIX A,В,С

Пример : матрица ZARPLATА состоит 2х строк и 3х столбцов: ZARPLATA MATRIX ,2,3 если необходимо a обратиться к элементу матрицы, то это делается с помощью СЧА MX$j (m,n), j-имя матрицы,количество строк- m ,где количество столбцов- n. Пример: обратиться к элементу матрицы ZARPLATА находящемуся в 1-й строке, втором столбце: MX$ZARPLATA(1,2)

24. Блоки SAVEVALUE и MSAVEVALUE: назначение и форматы операторов.
Сохранение и модификация величины SAVEVALUE A[+,-] B
A- Имя сохраняемой величины ( если +,- , то величина либо увеличивается либо уменьшается)
B- Число или СЧА которое сохраняется ( присваивается )в величине записанной в операнде.
Пример: сохранить в ячейке по названием « оплата» число 30000 рублей 
SAVEVALUE OPLATA ,30000 
Пример: увеличить сохраняемую величину «оплата» на 5000 рублей 
SAVEVALUE OPLATA +,5000 
Для изменения значений элементов матриц в процессе моделирования служит блок MSAVEVALUE (сохранить значение элемента матрицы), имеющий следующий формат: имя MSAVEVALUE A,B,C,D (В поле A указ. имя или № матрицы, после которого, как и в блоке SAVEVALUE, может стоять знак + или -. В полях B и C -номера соответственно строки и столбца, определяющие изменяемый элемент матрицы. В поле D указывается величина, используемая для изменения заданного элемента матрицы. Например:
MSAVEVALUE 5,3,2,X1
MSAVEVALUE MTAB+,P$ROW,P$COL,1

26. Дискретные и непрерывные функции в GPSS. Формат операторов описания.
При моделировании бизнес-процессов надо учитывать, что и поступление и обслуживание транзактов подчиняется неравномерному закону распределения. Функции GPSSиспользуют когда распределение неравномерное, они могут быть дискретные и непрерывные. Формат описания дискретных функций: имя FunctionRNj, Dnx1y1/x2y2… где RNj– генератор случайных чисел, вместо j м б число от 1 до 7. D – число отрезков. X1Y1 – координаты точек. Например: PrihodFunctionRN2, D3 0.33,4/0.66,5/1,6
27. Типы переменных в среде GPSS. Выражения арифметических операций.
Существует 2 вида переменных: булевы и арифметические (с фиксированной точкой и плавающей) имя переменной VARIBLEA, А это выражение, оно может состоять из чисел или сча. При расчете переменных с фиксируемой точкой, дробная часть отбрасывается при каждом действии. Например VIRUCHKA VARIBLE (300/7)#10
28. Применение дисперсионного анализа в имитационном моделировании. Алгоритм расчета критерия F-Фишера.
Дисперсионный анализ оценивает степень вариации показателя. В имитационных моделях оценивают степень вариации таких показателей, как средняя длина очереди, среднее время нахождения транзакта в очереди. Для того чтобы оценить вариацию, ее нужно сформировать, сделать это можно в результате прогона. Вариацию оценивают затем чтобы дать ответ на вопрос: является ли значимым для системы изменение фактора, сильно ли повлияют эти изменения на результаты, а если не сильно повлияют, значит этот фактор не значим. Вариацию явления можно разделить на 3 составляющие. Wобщая = wмежгрупповая + wвнутригрупповая + wостаточная. Внутригрупповая это есть отклонение фактических значений от средних по группам. Остаточная объясняется изменением фактора не вкл в анализ. Чем больше доля межгрупповой вариации в общей, тем больше влияние этого фактора на результат. Много или мало, оценивает специальный критерий: Fфишера = фактическая/остаточную. Fфишера это фактическое значение. Есть значения табличные, и с ними сравнивают фактические и делается заключение (для этого используют алгоритм проверки статестических гипотез) Статестгипот – это некое утверждение которое должно быть принято или опровержено. если она не принимается, то принимается альтернативная гипотеза.
29. Алгоритм проверки статической гипотезы при оценке чувствительности модели в экcпериментеANOVA.
-выдвижение нулевой гипотезы
-расчет Fфактического
-выявление Fтабличного
-сравнение Fтабл и Fфакт 
В СМО для проведения эксперимента ANOVAформируется матрица 2 на 3. Каждый элемент матрицы является результатом прогона 100 транзактов. Для проведения этих прогонов к файлу программы присоединяют текстовый файл, но набранный в GPSS. Для присоединения пишется текстовый файл:
30. Оценка адекватности и точности результатов моделирования.
Для того чтобы проводить эксперименты с моделью, модель должна быть качественной, она должна быть адекватной и включать достаточную часть стационарного режима работы. Адекватность модели это соответствие реальной системе и здравому смыслу. Если модель не адекватна, то проводится верификация, это исправление и подгонка под адекватный режим работы. В работе каждой системы есть переходный режим и относительно стационарный (стабильный). Горизонт моделирования должен быть достаточным, чтобы переходный режим составил 10-20 % если это не так, то увеличиваем горизонт моделирования. 
31. Определение необходимого объема выборки (числа прогонов имитационной модели).
Необходимость проведения нескольких прогонов связано с наличием генератора случайных чисел, который является источников погрешности. Точность суждений о значений какого-либо показателя зависит от количества выборочных значений: чем выборка больше, тем точнее результаты. Если точность (доверительный интервал) задается заранее, необходимое количество прогонов Nопределяется путем обратной задачи следующим образом: N=No*do^2/d^2 где No–число пробных прогонов. Do – длина получившегося доверительного интервала по результатам пробных прогонов.
32. Оценка устойчивости модели.
Под устойчивостью результатов имитации понимается степень нечувствительности модели системы к изменению входных условий. Устойчивость модели – это ее способность сохранять адекватность на всем диапазоне рабочей нагрузки, а так же при внесении изменений в конфигурацию системы. В целом устойчивость результатов моделирования можно оценить дисперсией значений отклика (например загрузки одного устройства). Если при увеличении времени моделирования, дисперсия не увеличивается то результаты работы данной модели устойчивы. Оценка устойчивости модели оценивается статестически с помощью критериев Бартлетта и Вилкоксона и др. 
33. Оптимизационный эксперимент в GPSSWorld. 
Наука и практика часто имеет целью найти оптимальное значение какое-либо явление, при этом выдвигается определенный критерий оптимальности, которое минимизируется или максимизируется. На каждый показатель влияют определенные факторы: на прибыль (цена реализации, фондовооруженность, стоимость ос), на урожайность (количество удобрений, количество осадков, плодородность почвы). Среди факторов выделяют с жестким влиянием и с вероятностными. Для этих факторов рассчитывается степень тесноты связи с помощью коэффициента корреляции, а так же рассчитывается статистическая модель, она называется уравнение регрессии. 
34. Сущность метода системной динамики.
Методом системной динамики реализуются модели потокового типа. Они относятся к непрерывным моделям. Например: моделируется деятельность предприятия, вкл потоки материальные (ос, оборудование, машины, сырье), трудовые (они пополняются, перемещаются в другие подразделения), денежные (займы, кредит), информационные. Предметом моделирования методом системной динамики является производственно-хозяйственная деятельность предприятия, биологические процессы, развитие региона, демографические процессы. Основоположником метода системной динамики является Форрестер, он был руководителем группы, которые разрабатывали имитационные модели под названием world 1, world 2, туда были заложены такие элементы как динамика численности населения, развитие производства, загрязнение окружающей среды. 
35. Область применения метода системной динамики.
Экономические и биологические процессы, модель роста растений, мировая динамика. была написана книга «Динамика города», раскрывающая применение метода к моделирования города какдинамической системы.
36. Положительные и отрицательные обратные связи в моделях системной динамики, примеры.
Метод системной динамики позволяет моделировать обратные связи, которые существуют между элементами системы. Существуют положительные (чем больше стоимость оф, тем они дороже и производительны, а значит у них низкая себестоимость, обратная петля начнет действовать через временной лаг (запаздывает)) и отрицательные связи (численность населения на определенную дату равна начальному значению плюс родившиеся минус умершие. Обратные связи реализуются через определенный временной лаг)

38. Общая характеристика системы имитационного моделирования Vensim. 
Пакет Vensim предназначен для построения системно-динамических моделей. Он поддерживает непрерывное моделирование; Пакет Vensim обладает средствами оптимизации и статистики; возможностью создавать подключаемые к другим программам DLL- библиотеки; 
39. Элементы имитационной модели, реализуемой методом системной динамики (уровни, темпы, вспомогательные переменные, константы).
Темп – это когда увеличивается или уменьшается уровень.
Вспомогательные переменные служат для расчета уровня или темпа.
Уровень аналогичен уровню воды в бассейне.


40. Модель распространения продукции предприятия на рынке: постановка задачи. 
Постановка задачи. Предприятие продает посуду из нержавеющей стали и планирует объемы будущих продаж. Часть населения города (1000 человек) уже пользуются посудой (купившие товар). Остальная часть города 1 000 000 человек (потенциальные покупатели). Вместе купившие и потенциальные покупатели в общем наз. общий рынок. Купившие рассказывают о своем счастье и провели опрос и согласно 20 разговоров в месяц насказывают об этом «сарафанное радио» (общаемость), количество контактов на человека в месяц. 
Общее количество разговоров = Общаемость * кол-во купивших товары
Из всех этих контактов предприятию наиболее важны контакты купивших с потенциальными покупателями, которые составляют определённую долю рынка = потенциальные покупатели / общий рынок. Не каждый потенциальный покупатель пойдёт сразу покупать посуду, а только 1 из 100 (убеждаемость = 0,01 чел/ на контакт). В месяц будет прибывать купивших в количестве равном «контакты потенциальных покупателей с купившими товар * убеждаемость». 
«схема модели» рис
Горизонт моделирования 100 месяцев, шаг 1 месяц. 
Общаемость = 20 контактов на человека в месяц
Купившие товар = 1000 + новые покупатели человек
Потенциальные покупатели = 1 000 000 человек 
Количество решивших купить товар = убеждаемость * контакты покупателей чел/месяц
Доля потенциальных покупателей на общем рынке = потенциальные / общий рынок (DMNL)
Убеждаемость = 0,01 чел/ контакт
Контакты потенциальных покупателей с купившими = доля потенциальных покупателей * контакты купивших

41.Модель выбора стратегии кормопроизводства на предприятии: постановка задачи. 
Жирность молока, производимого в хозяйстве, определяет его закупочную цену, и, следовательно, выручку предприятия. Жирность молока определяется качеством корма (качество определяют показатели: содержание перевариваемого протеина (белка), наличие микроэлементов (калий, магний), витамины) в данной модели берётся только один показатель содержание перевариваемого протеина. Чем лучше качество корма, тем его производство дороже, т.к. для хорошего корма нужна дорогая технология. На нашем предприятии корм 1 сорта дороже, чем корм 2 сорта. На одну голову 4800 руб. в месяц, Корм 2 сорта дешевле 3700 руб. на голову в месяц, а не сортовой корм 2800 руб. на голову в месяц. Качество корма определяет надои на одну голову. При кормлении 1 сорта надои на одну голову = 300 литров в месяц. Общие надои определяются произведением количество коров надой на одну корову. В свою очередь поголовье коров зависит от темпа пополнения стада молодняком, а также от темпа падежа скота вследствие болезни и темпа плановой выбраковки стада. Выручка предприятия складывается из двух составляющих, во-первых от ??, во вторых от производства мяса от выбракованных коров. В летнее время стоимость содержания одной головы скота определяющая себестоимость производства молока ниже. 
Выражение модели
1. Стоимость кормов на одну голову скота в месяц. IF THEN ELSE качество кормов = 1, 4800, (IF THEN ELSE качество кормов = 2, 3700, 2800) Units: руб. (Month * голову) 
IF THEN ELSE (а, в, с) 
Если качество кормов = 1 то его стоимость = 4800
Если качество корма = 2 то его стоимость = 3700
По рисунку 2:
Выбраковка = поголовье скота * % выбраковки
Выход телят на 1 голову скота = 0,08 голов в месяц на голову 
Выручка = поголовье * на 1 голову * цена + стоимость проданной говядины 
Жирность молока = 3,5 + содержание перевариваемого протеина * 0,4 
Единица измерения - кг на центнер, качество кормов = 1 (1 сорта) 
Молодняк = поголовье * выход телят 
Надой на одну корову = IF THEN ELSE (если качество кормов = 1, то это 300 литров на голову в месяц).
Падеж скота = % скота * поголовье в месяц
Поголовье молочного стада = поголовье на нач момент времени + молодняк – выбраковка скота – падеж 
Прибыль = выручка – себестоимость – убыток от падежа (руб/месяц)
Процент выбраковки = 0,01 голов в месяц на голову
Процент падежа = 0,04 голов в месяц на голову 
Рентабельность = прибыль / себестоимость (DMNL – доли)
Себестоимость = стоимость содержание + стоимость кормов * поголовье 
Содержание перевариваемого протеина = IF THEN ELSE(количество кормов = 1, 32, 25 (кг/центнер))
Стоимость 1 головы скота на мясо = 10 000 руб. на голову 
Стоимость проданной говядины = стоимость 1 головы скота / выбраковка скота 
Стоимость содержания 1 головы скоты без корма = 1500 – STEP (200,4) + STEP (300,9)
Прогоны моделей с условиями дорогой и дешевой технологии показал, что выгоднее использовать дешевую технологию.

42. Функция STEP, примеры использования (модель «Цена - спрос»).
Объем необходимого производства = продажа (шт/месяц)
Продажа = 100 + STEP (50, 20) 
Рис 2. модель «Цена - спрос».
Предприятие планирует поднять свой доход (выручку) через 10 месяцев на 5 тыс. с 10 тыс.$. Это планируется сделать путём изменения цены (целевая цена) на рынке цена на эту продукцию уже существует (элемент ЦЕНА). Если спрос на продукцию не эластичен, то для увеличения дохода предприятие поднимет цену, а если эластичен, то снизит. Цена на рынке меняется не сразу, а в течение 10 месяцев. Предприятие планирует при изменении целевой стратегии изменение спроса на свою продукцию («ожидаемый спрос»). Спрос меняется в течение 2 месяцев. Модель делается для выяснения вопроса: на сколько предприятие может поднять или опустить цену при заданной эластичности спроса так чтобы общий доход повысился. Реальный доход может не совпадать с целевым доходом. Правая часть нужна для постановки спроса. 
Effect price demand = цена / справочная цена
написать администратору сайта