Главная страница 1страница 2страница 3страница 4
скачать файл

Конспект лекций по дисциплине
«Моделирование и анализ бизнес-процессов»

Часть 1. Моделирование бизнес-процессов с помощью случайных процессов


Экономические системы, как правило, являются вероятностными или стохастическими, так как выходные параметры системы случайным образом зависят от входных параметров.

Можно выделить следующие причины, по которым экономические системы являются стохастическими:



  1. система сложная, многокритериальная, описывается многоуровневой иерархической структурой;

  2. система подвержена влиянию большого числа неуправляемых внешних факторов (погодные условия, внешняя политика, социальные факторы и т. д.);

  3. преднамеренное искажение информации, сокрытие информации и целенаправленная экономическая диверсия.

Исходя из этого для моделирования многих экономических систем используют математические методы, основанные на применении законов теории вероятностей, которые получили название стохастических методов.

При применении стохастических методов оптимизация целевой функции ведется по среднему значению, то есть при заданных параметрах необходимо найти такое решение, когда значение целевой функции в среднем будет максимальным.

Стохастические системы в экономике описываются марковским аппаратом, в основе которого лежат марковские случайные процессы. Они применяются в случаях, когда нельзя заформализовать модель (описать аналитическим выражением) и в случае, когда система представляет собой многопараметрическую вероятностную экономическую систему.

1. Случайные процессы и их классификация


Случайный процесс (СП) это некоторый процесс или явление, поведение которого в течение времени и результат заранее предсказывать невозможно. Примеры случайных процессов: динамика изменения курса валют или акций, выручка или прибыль организации с течением времени, объемы продаж товара и т. д.

Если случайный процесс может изменить свое состояние только в строго определенный момент времени, то он называется процессом с дискретным временем.

Если же смена состояния возможна в произвольный момент времени, то это СП с непрерывным временем.

Если в любой момент времени СП представляет собой дискретную случайную величину (ее значение можно перечислить и выделить два соседних значения), то это процесс с дискретным состоянием.

Если же в любой момент времени состояние может меняться непрерывно, плавно и нельзя выделить два соседних состояния, то это СП с непрерывным состоянием.

Таким образом, возможно 4 вида СП:

1) с непрерывным временем и непрерывным состоянием (пример: температура воздуха в некоторый момент времени, изменяется плавно в любой момент времени);

2) с непрерывным временем и дискретным состоянием (пример: число посетителей в магазине, изменяется кратно одному в любой момент времени);

3) с дискретным временем и непрерывным состоянием (пример: динамика курса — курс валюты изменяется плавно в момент валютных торгов);

4) с дискретным временем и дискретным состоянием (пример: число пассажиров в транспорте изменяется кратно одному и только в определенные моменты времени, на остановках).

Рассмотрим некоторую систему S, в которой в данный момент времени tо протекает СП. Этот процесс называется марковским, если для любого момента времени t tо; поведение системы в будущем зависит только от того, в каком состоянии система находилась в данный момент времени при t tо, и никак не зависит от того, как, когда и в каких состояниях она пребывала в прошлом при t tо. Другими словами, «прошлое» марковского процесса никак не влияет на «будущее» (только через «настоящее»).

2. Потоки событий


Простейшим видом СП являются потоки событий. Потоком событий называется некоторая последовательность однотипных событий, которые происходят в случайные моменты времени (например, звонки по телефону, посетители магазина, автомобили, проезжающие перекресток, и т. д.). Они относятся к СП с дискретным состоянием и непрерывным временем. Математически поток событий можно изобразить в виде случайных точек на оси времени:

Если события в потоке происходят поодиночке, а не группами из нескольких событий, то такой поток называется ординарным. Поток событий называется потоком без последствий, если для любых непересекающихся интервалов времени число событий в одном интервале никак не влияет на то, сколько и каким образом будут происходить события в другом интервале. Ординарный поток без последствия называется потоком Пуассона. Важнейшей характеристикой любого потока событий является его интенсивность — среднее число событий, произошедших в потоке за одну единицу времени .

С интенсивностью тесно связана величина , которая имеет смысл среднего интервала времени между двумя событиями. Если интервалы между соседними событиями есть случайные величины, которые независимы друг от друга, то такой поток событий называется потоком Пальма.

Если интенсивность потока событий не зависит от времени , то такой поток называется стационарным. Если в потоке события происходят через равные интервалы времени, то он называется регулярным.

Стационарный поток Пуассона называется простейшим потоком. В экономическом моделировании в основном используют потоки Пуассона, в том числе простейшие. Для них справедливы следующие теоремы:



1. Число событий, произошедших в потоке Пуассона, есть случайная величина, распределенная по закону Пуассона. Вероятность того, что в потоке Пуассона с интенсивностью за интервал времени (t1; t2) произойдет ровно k событий, равна

,

где .

Если поток простейший , то .

2. Интервал между событиями или время ожидания очередного события T в потоке Пуассона есть случайная величина, распределенная по показательному закону, т. е. вероятность того, что следующее событие произойдет не ранее t, равна



.

Если поток простейший, то .

Пример 1. Магазин посещают в среднем 20 покупателей за час. Определить вероятность того, что: а) за 5 минут будет 2 покупателя; б) за 10 минут будет не менее 3 покупателей; в) за 3 минуты не будет ни одного покупателя.

Решение. Выбрав за единицу времени 1 минуту, интенсивность пуассоновского потока покупателей магазина (20 покупателей в час или 1/3 покупателя за минуту):

а) k = 2, t1 = 0, t2 = 5,



;

б) k  3, t1 = 0, t2 = 10, найдем вероятность события обратного события , что будет менее 3 покупателей:

;

;

в) по второй теореме t = 3, .

3. Марковский случайный процесс с дискретным состоянием


В моделировании вероятностных (стохастических) экономических систем очень часто используют марковский СП. Рассмотрим СП с дискретным состоянием и непрерывным временем. Тогда все его состояния можно перечислить: S1, S2, …, Sn.

Описать все возможные переходы между состояниями можно с помощью графа состояний.

Граф состояний представляет собой упорядоченный граф, вершинами которого являются возможные состояния Si, и между двумя состояниями существует ребро — стрелка, если возможен непосредственный переход между состояниями.

Например, магазин может пребывать в следующих состояниях:



S1 — имеются клиенты, которые обслуживаются;

S2 — клиентов нет;

S3 — осуществляется прием товара;

S4 — учет товара, который происходит иногда после его приема.

Тогда работу магазина можно описать графом состояний:

Для расчета основных характеристик системы необходимо знать вероятностные показатели при переходе между состояниями.

Рассмотрим 2 состояния Si и Sj. Интенсивностью переходного потока называется среднее число переходов из состояния Si в состояние Sj за единицу времени, которое система проводит в состояние Si. Если известно среднее время Tij, которое система проводит в Si до того как перейдет в Sj, то можно записать: .

Интенсивности переходных потоков указываются на графе состояний рядом с соответствующими стрелками. Главная задача в таких моделях состоит в определении вероятностей состояний , которые имеют смысл средней доли времени, которое система проводит в этом состоянии.

Для нахождения вероятностей состояний составляется система уравнений:



. (1)

Данную систему можно составлять по следующим правилам:



  1. число уравнений в системе равно числу состояний;

  2. каждое состояние Sj соответствует уравнению с номером j;

  3. в левой части каждого уравнения находится сумма интенсивностей (стоят над стрелками) для всех стрелок, входящих в состояние Sj, умноженных на вероятности состояний, из которых выходят стрелки;

  4. в правой части уравнений находится сумма интенсивностей, выходящих из Sj стрелок, эта сумма умножается на вероятность Pj.

Однако система уравнений (1) является вырожденной, и для нахождения единственного решения в этой системе одно любое уравнение нужно заменить на условие нормировки

.

Пример 2. Автоматизированная сборочная линия предприятия в среднем 1 раз в месяц выходит из строя и ремонтируется в среднем 3 дня. Кроме того, в среднем 2 раза в месяц она проходит техническое обслуживание, которое длится в среднем 1 день.
В среднем в одном случае из трех при техническом обслуживании обнаруживается неполадка, и линия ремонтируется. Определить, какую среднюю прибыль приносит линия за месяц, если за один день безотказной работы прибыль равна 15 тыс. р. Один день технической обработки обходится в 20 тыс. р., а один день ремонта — 30 тыс. р.

Решение. Найдем вероятности состояний, равные долям времени работы, ремонта и технического обслуживания. Пусть:

S1 — линия работает;

S2 — техническое обслуживание;

S3 — ремонт.

Граф состояний будет иметь вид:


Составляем систему уравнений. В состояние S1 входят 2 стрелки: из S2 с интенсивностью 20 и из S3 с интенсивностью 10, поэтому левая часть первого уравнения имеет вид . Из состояния S1 выходят две стрелки с интенсивностями 2 и 1, поэтому правая часть первого уравнения системы примет вид . Аналогично, на основании состояний S2 и S3 составляем второе и третье уравнения. В результате система будет иметь вид:



Однако данная система является вырожденной, и для ее решения нужно заменить одно любое (например, первое) уравнение условием нормировки . В результате, получаем систему:



Выражаем из 1-го и 2-го уравнений Р1 и Р3 через Р2: , и подставляя результат в 3-е уравнение, находим:

, , . Умножаем вероятности на 30 дней месяца и находим, что в среднем в месяц линия работает 24,3 дня, техническое обслуживание — 1,6 дней, ремонт — 4,1 дня. Отсюда следует, что средняя прибыль будет 24,315 – 1,620 – 4,130 = 209,5 тыс. р.

Пример 3. В туристическом агентстве работает продавец и менеджер. В среднем в агентство приходят 2 клиента за час. Если продавец свободен, он обслуживает клиента, если – занят, то клиента обслуживает менеджер, если оба заняты — клиент уходит. Среднее время обслуживания продавцом 20 минут, менеджером — 30 минут. Каждый клиент приносит среднюю прибыль 100 рублей.

Определить среднюю прибыль агентства за 1 час и среднее число упущенных клиентов за час.



Решение. Определяем состояния системы:

S1 — продавец и менеджер свободны;

S2 — продавец занят, менеджер свободен;

S3 — продавец свободен, менеджер занят;

S4 — оба заняты.

Строим граф состояний

Составляем систему уравнений, заменяя 4-е уравнение условием нормировки:

Решая систему уравнений, находим:



.

Следовательно, продавец занимается обслуживанием P2 + P4 = 0,25 + 0,15 = 0,4, то есть 40 % времени. Если бы он обслуживал 100 % времени, то за час обслуживал бы 3-х клиентов, а реально: 3 × 0,4 = 1,2 и приносит прибыль за 1 час 120 рублей. Менеджер работает P3 + P4 = 0,11 + 0,15 = 0,26, т. е. 26 % времени и поэтому за час обслужит 2 × 0,26 = 0,52 клиента и принесет прибыль 52 рубля в час. Средняя прибыль за 1 час составит 172 рубля. Клиенты теряются в состоянии S4. Так как P4 = 0,15, то в час теряется 15 % клиентов из 2-х возможных или 0,3 клиента. Убытки составляют


30 рублей в час из-за потерянных клиентов.
скачать файл


следующая страница >>
Смотрите также:
Конспект лекций по дисциплине «Моделирование и анализ бизнес-процессов»
423.18kb.
Построение бизнес-процессов управления ит-инфраструктурой банка на основе itil
80.97kb.
Бизнес-моделирование
319.83kb.
Сергиевский Г. М., Короткова М. А. Введение в математическую лингвистику и теорию автоматов. Конспект лекций
1804.05kb.
В основу настоящей программы положены следующие дисциплины: системный анализ и математическое моделирование процессов химической технологии; физико-химическая гидродинамика; механика твердых дисперсных систем
101.45kb.
Физика как наука. Научные методы познания окружающего мира и их отличия от других методов познания. Роль эксперимента и теории в процессе познания природы. Моделирование физических явлений и процессов. Научные гипотезы
198.54kb.
Стандарты и управление качеством
86.74kb.
Моделирование мезомасштабных процессов в озере байкал
34.53kb.
Литература по дисциплине «Социология»
47.32kb.
Бизнес в Болгарии на деньги Евросоюза. Солнечная электростанция
34.55kb.
Конспект лекций Рыбинск 2010 Содержание 1 История функционального программирования 4
447.44kb.
Кафедра технической механики
1287.6kb.