Таблица 14.21. Распределение интервалов случайных чисел для времени поставки заказа
Время поставки, недель | Вероятность | Кумулятивная вероятность | Случайные числа |
1 2 3 4 | 0,20 0,50 0,25 0,05 | 0,20 0,70 0,95 1,00 | 00-19 20-69 70-94 95-99 |
Небольшие отклонения ввиду ошибок округления
Таблица 14.22. Распределение
Интервалов случайных чисел
Для спроса за неделю
Спрос за неделю | Вероятность | Кумулятивная вероятность | Случайные числа |
0,003 | 0,003 | 00-002 | |
0,009 | 0,012 | 003-011 | |
0,028 | 0,040 | 012-039 | |
0,066 | 0,106 | 040-105 | |
0,121 | 0,227 | 106-226 | |
0,175 | 0,402 | 227-401 | |
0,197 ' | 0,599 | 402-598 | |
0,175 | 0,774 | 599-773 | |
0,121 | 0,895 | 774-894 | |
0,066 | 0,961 | 895-960 | |
0,028 | 0,989 | 961-988 | |
0,009 | 0,998 | 989-997 | |
* 0,003 | 1,000 | 998-999* |
Теперь можно осуществить моделирование.
Та | блица 14.23. Моделирование управления запасами | |||||||
Запас | Спрос | Запас | Повтор- | Время поставки | ||||
Неделя | на начало | на конец | ный | |||||
недели | Случайное число | Объем | недели | заказ, Да/нет | Случайное число | Недели | ||
034 480 | ||||||||
743 505 | ||||||||
738 505 | Да | 95 4 | ||||||
636 505 | ||||||||
964 520 | ||||||||
736 505 | ||||||||
614 505 | ||||||||
698 505 | ||||||||
637 505 | Да | 73 3 | ||||||
162 490 | ||||||||
И | 332 495 | |||||||
616 505 | ||||||||
804 510 | ||||||||
560 500 | Да | 10 1 | ||||||
111 490 | ||||||||
410 500 | ||||||||
959 515 | ||||||||
774 510 | ||||||||
246 495 | Да | 76 3 | ||||||
762 505 | ||||||||
Итого Ю050 |
1. 4. Моделирование в бизнесе
|
|
РЕЗЮМЕ
Имитационное моделирование является одним из методов, который применяется специалистами в случаях, когда использование математических моделей вызывает определенные трудности или когда лежащие в их основе предпосылки неадекватны реальным условиям. Метод имитационного моделирования можно применять в сложных ситуациях, не принимая никаких предпосылок об исходных данных.
Мы рассмотрели метод Монте-Карло, в котором всем переменным модели ставится в соответствие определенное множество дискретных значений. Данный метод позволяет на основе собранной исходной информации сгенерировать для каждой переменной соответствующее распределение вероятностей. Из этих распределений с помощью случайных чисел получают значения переменных модели, ■которые используют затем в процессе моделирования. Построение каждой модели начинают с определения входящих в нее переменных и формулирования правил их функционирования. Результаты расчетов по имитационным моделям небольшой размерности обычно представляют в виде таблиц, легко поддающихся количественному анализу.
|
|
Существует возможность модификации имитационной модели, по которой вновь производятся расчеты, а затем проводится сравнительный анализ новых результатов с полученными ранее. Методы имитационного моделирования, хотя и не приводят к получению оптимальных решений, как, например, методы линейного программирования, однако, позволяют выработать направления политики, приводящей к лучшим результатам. Но прежде, чем внедрять какой-либо из результатов, полученных по имитационной модели, в практику, необходимо произвести оценку ее надежности и, осуществив расчеты на более длительный период, получить репрезентативные характеристики. Обычно расчеты по имитационным моделям проводятся с помощью пакетов прикладных программ.