2015-01-21
844
1. Каковы три отличительных свойства подхода к решению проблем на базе науки управления?
2. Обсудите модели трех типов: физические, аналоговые и математические.
3. Опишите этапы процесса построения модели.
4. Обсудите следующие проблемы построения модели: информационные ограничения, страх пользователей, плохое использование результатов и высокая стоимость.
5. Кратко опишите модели науки управления, рассмотренные в главе.
6. Рассмотрите следующие методы принятия решений: анализ безубыточности, метод платежной матрицы, метод ожидаемых значений и метод дерева решений.
7. Что такое прогнозирование?
8. Рассмотрите два типичных количественных метода прогнозирования: анализ временных рядов и каузальное моделирование.
9. Рассмотрите четыре широко применяемых качественных метода прогнозирования: мнение жюри, совокупное мнение сбытовиков, метод ожидания потребителя и метод экспертных оценок.
10. Как руководитель может составлять полезные прогнозы в среде бизнеса?
11. Сведите воедино различные определения модели, представленные в главе, и предложите собственное ее определение.
12. Сравните количественные и качественные методы прогнозирования.
13. Дэвид Б. Херц говорит: «Руководитель должен находить способы выбора между альтернативами для распределения своих ресурсов, определения последовательности действий для себя и других людей и для привлечения новых специалистов разного профиля и материальных ресурсов». Как современный руководитель может справиться с этими проблемами?
14. Рассмотрите различные технические компоненты и человеческий фактор, о которых должен помнить руководитель, разрабатывая модель.
15. Как руководитель может преодолеть многочисленные проблемы, естественно возникающие при построении модели?
Ситуация для анализа1: Прогнозирование посещений стадиона
Управляющая операциями «Метро-Стадиума» Кэти Макрэ приняла ряд решений по мероприятиям на стадионе с учетом вероятной их посещаемости. Кэти, например, отвечала за решение о том, сколько в каждом случае открывать киосков и сколько привратников и продавцов вызывать на работу.
Когда Кэти только приступила к своей работе, она очень полагалась на субъективные оценки при прогнозировании посещаемости. Часто она звонила руководителям спортивных команд или развлекательных групп, занятых в предстоящем мероприятии, и просила их дать свои оценки. Через год Кэти разочаровалась в таком субъективном подходе к прогнозированию. Одна из причин заключалась в том, что уходило слишком много времени, чтобы получить оценки других людей. Однако наибольшей проблемой стала склонность всех подряд, включая и саму Кэти, постоянно завышать ожидаемую посещаемость. В результате на стадионе оказывалось чересчур много липших работников и запасов, что вело к неоправданным издержкам.
Кэти решила изучить другие, более объективные методы прогнозирования посещаемости. Она пришла к выводу, что любой выбранный ею метод должен обладать двумя характеристиками: (1) как только метод разработан, он должен обеспечить быстрое и простое прогнозирование, независимо от события; (2) метод должен использовать информацию, которая становится доступной лишь за сутки до мероприятия.
Проанализировав раздел о прогнозировании в своем старом учебнике по управлению операциями, Кэти убедилась, что лучше других подойдет каузальная модель. Она требует разработки математической зависимости вида:
А = с0 + c1X1 + с2Х2 +... + сnXn,
где А — прогноз посещаемости, все Х — переменные, от которых, как считается, зависит посещаемость, все с — константы, определяемые методом статистического анализа данных по минувшим событиям. Если имеются значения каузальной переменной (все X) для конкретного события, модель можно использовать для расчета прогноза посещаемости (А).
Кэти поняла также, что разным типам мероприятий должны соответствовать и разные модели. Она решила начать с разработки модели для бейсбольных матчей. На первом этапе она идентифицировала каузальные переменные для встраивания их в модель. Оказалось, что одной из таких переменных должно быть число билетов, проданных к моменту, когда до игры остается 24 ч.
