Федеральное
агентство по образованию Российской
Федерации
Государственное
образовательное учреждение
высшего
профессионального образования
МОСКОВСКИЙ
ГОСУДАРСТВЕННЫЙ ОТКРЫТЫЙ УНИВЕРСИТЕТ
Контрольная
работа
по дисциплине
«Управление
техническими системами»
2008
Содержание
Модель
«спроса-предложения» рыночного
саморегулирования…………………………......3
Методы
принятия решения в условиях дефицита
информации……………………………...5
Деловые
(хозяйственные) игры…………………………………………………………............6
Задача……………………………………………………………………………………………..7
Список
литературы…………………………………………………………………………….12
Модель
«спроса-предложения» рыночногосаморегулирования.
В рыночных
условиях спрос - это готовность потребителя
приобретать услуги в допустимом
количестве Q и по данной
цене Рс. Чем ниже цена Рс, тем больше
сервисных или транспортных услуг может
быть приобретено потребителем
(1,рис.1).
Рисунок-1.
Регулирование цены и объемов
транспортных и сервисных услуг в
рыночных условиях и свободной
конкуренции:
1- исходная
линия спроса;
2- исходная
линия предложения;
3-измененная
линия предложения;
4- измененная
линия спроса
Предложение
- желание перевозчика или сервисного
предприятия осуществлять транспортные
услуги или техническое обслуживание
в данном объеме Q и при
данной цене предложения Рп. Чем выше
цена, тем больше предложений Q
сервисных предприятий и перевозчиков
(2,рис.1).
Зона левее
точки равновесия 0, заключенная между
линиями спроса и предложения 1 и 2, - это
зона эффективных цен для СТО или
перевозчика и потребителя.
Правее точки
равновесия 0 находится зона неэффективной
работы для стороны, предлагающей
услуги (перевозки или сервис), так как
предлагаемые ей цены при увеличении
объема перевозок или услуг (линия
спроса 1 правее точки О) ниже затрат на
эти перевозки или сервис (линия предложения
2). Например, в точке А объем транспортных
услуг (сервиса) QA
по цене РА не будет реализован,
так как фактическая цена (тариф) ниже
затрат или себестоимости услуг, т.е.
Р0>РА или Pп>Pc
- цена предложения выше цены спроса.
В этой ситуации
в реальных условиях возможны несколько
решений, в том числе:
а) дополнительный
объем сервисных услуг или перевозок
Q=QА-QО
не будет реализован, и рынок автоматически
вернется, по крайней мере, в точку
равновесия 0 или левее ее;
б) сторона,
предоставляющая услуги, за счет
внутренней экономии снижает тарифы
(новая линия предложения 3 на рис.1) до
уровня РА. В этом случае точка
равновесия перемещается в точку А (для
спроса и предложений 1 и 3), а эффективная
для стороны, предоставляющей услуги,
зона увеличивается;
в) потребители
идут на увеличение возможной цены на
перевозки (линия спроса 4 на рис. 1) до
Рв. При этом объем услуг QA
может быть реализован по цене РВ>РА;
г) или
реализуется комбинация этих решений;
Таким образом,
управляющим для этой системы сигналом
является соотношение спроса и
предложения при необходимом объеме
транспортных или сервисных услуг
P=Pc(Qi)-PП(Qi)
(1)
Включение в
управление обратной связи позволяет
дать прогноз работы системы, для которой
могут происходить резкие изменения
условий работы, что характерно для
мелкого бизнеса. Мелкий бизнес
(предоставление сервисных услуг,
челночная торговля и др.) характерен
сравнительно небольшим оборотом средств
и малой массой прибыли. Поэтому
изменение внешних условий (налогов,
таможенных сборов, иен на оборудование
и др.) существенно сказывается на рынке,
обслуживаемом мелким бизнесом.
рассмотрим
влияние значительного изменения
внешних условий на объемы и цены
услуг (рис.2).
Рисунок-2.
Прогноз
изменения
насыщения рынка и цен:
1, 2 - исходное
положение,*
3
- линия предложения при
сохранении объема торговли
на
уровне Qo;
4
-линия спроса при компенсации
дополнительных затрат стороны,
предоставляющей услуги.
Исходная
ситуация (до изменения внешних факторов)
фиксируется линиями спроса (1,рис.2)
и предложения (2, рис. 2). Дополнительное
налогообложение СТО ремонтных
мастерских, мелких перевозчиков,
"челноков" приведет к росту цен
(линии предложения 3) и смещению точки
равновесия влево до О1. Это приведет
к росту цен Р1 >Po
и одновременному сокращению объемов
торговли или предоставления других
услуг, т.е. сокращению насыщения рынка
Qi<Q0
и возможно, к дефициту.
Если потребители
стремятся сохранить объем приобретаемых
услуг или товаров (Q0),
то это неизбежно приведет к еще большему
росту цен Р2 > Р1 >Po,
чем при относительном дефиците ( линия
спроса 4).
МЕТОДЫ
ПРИНЯТИЯ РЕШЕНИЯ В УСЛОВИЯХ ДЕФИЦИТА
ИНФОРМАЦИИ.
Как правило,
при принятии инженерных, управленческих
и других решений полная информация
о состоянии системы, внешних условиях
и последствиях принимаемых решений
отсутствует.
Американские
специалисты утверждают, что 80% решений
принимается при наличии только 20%
информации об управляемой, системе.
Например,
принимая решение о числе постов на
станции технического обслуживания,
можно только предполагать о потенциальном
числе клиентов и их распределении по
часам суток, дням недели , месяцам
года и т.п.
Аналогичная
ситуация с числом возможных требований
на конкретный вид ремонта автомобиля
в течение "завтрашнего дня",
возможности выхода или невыхода на
работу конкретного специалиста или
рабочего и т.д. Строго говоря полную
информацию можно получить только
после свершения того или иного события
(например, отказы уже произошли), когда
необходимость в упреждающем решении
отпала, а система перешла в режим
реактивного управления.
Поэтому при
управлении необходимо уметь теми или
иными способами восполнить или
компенсировать дефицит информации.
Такими способами укрупненно являются:
1) Сбор
дополнительной информации, и ее анализ.
Очевидно, это возможно, если система
располагает определенным резервом
времени и средств.
2) Использование
опыта аналогичных предприятий или
решений. При этом важно располагать
банком решений или иметь надежный доступ
к нему. Кроме того, опыт других не может
быть использован без корректирования.
3) Использование
коллективного мнения специалистов или
экспертизы.
4) Применение
специальных инструментальных методов
и критериев, основанных на теории
игр.
5) Использование
имитационного моделирования, которое
воспроизводит производственные
ситуации, близкие к реальным, и ряд
других методов.
ДЕЛОВЫЕ
(ХОЗЯЙСТВЕННЫЕ) ИГРЫ
Возможность
оценивать варианты решений, изменять
входные данные, при необходимости
упрощать ситуации позволяет использовать
имитационное моделирование при обучении
персонала и оценке его квалификации.
Например, при исследовании производительности
СМО (постов, участков) участником деловой
игры может реализовываться определенная
дисциплина очереди: пропускать в первую
очередь требования на ремонт автомобилей,
дающих наибольший доход, или требования
с малой продолжительностью обслуживания.
В многоканальных системах возможно
перераспределение требований или
исполнителей по постам.
С помощью
комбинации ряда подобных моделей
конструируют имитационные модели зоны,
участка, цеха и предприятия. Имитационные
модели используются при проведении
деловых игр.
Деловые
(хозяйственные) игры - это метод имитации
принятия управленческих решений в
различных производственных ситуациях.
При этом обучающемуся создают ту или
иную управленческую или производственную
ситуацию, из которой необходимо найти
рациональный выход, т.е. принять
решение. Критерием является степень
приближения решения к оптимальному,
(которое известно организаторам
деловых игр) и время принятия решения.
Деловые игры проводятся по определенным
правилам, регламентирующим поведение
участников, их взаимодействие,
критерии эффективности. В роли датчиков,
имитирующих реальные производственные
ситуации, выступают ПЭВМ (человеко-машинная
система), наборы карточек случайных
событий или организаторы деловой игры.
В деловых
играх участвуют специалисты, которые
в создаваемых имитационной моделью
"производственных ситуациях"
принимают решения.
Деловые игры
используются при обучении и оценке
персонала и исследовании сложных
производственных систем.
При обучении
персонала они используются для
иллюстрации, разъяснения определенных
закономерностей и понятий и закрепления
знаний; для программного и целевого
обучения определенных специалистов,
например, диагноста, оператора ЦУП и
др; для тренировки специалистов
непосредственно на производстве. При
обучении персонала деловые игры, как
правило, разворачиваются в реальном
масштабе времени. При исследовании,
производственных ситуации применяется
сжатый масштаб времени.
Деловые игры
позволяют осуществлять предварительный
отбор кадров, так как при этом можно
оценить способности, профессиональные
навыки и знания кандидатов на определенные
рабочие места и должности специалистов
и управленцев.
Задача.
Рассчитать
значения и построить график функции
(t)
– параметр потока замен машин при
случайном списании по достижении машиной
предельного состояния и мгновенной
замене ее на новую.
Расчет
функции (t)
выполнить для значений t=1,2,3… ti, где для
ti выполняется условие:
/(ti)-(ti-1)/0,01
и /(ti)-п/0,01
где
п
– предельное значение функции (t)
при увеличении времени t.
В
расчетах использовать предложение о
нормальном распределении срока службы
машин с заданными значениями параметром
= 4,0 (математическое ожидание) и
= 1,1 (среднеквадратическое отклонение).
Для парка, в
котором имеется N машин:
а) рассчитать
точное значение математического
ожидания, т. е. среднего числа машин,
необходимых для замены за 6,5 лет работы
от начала существования парка машин;
б)
определить приближенное значение
математического ожидания числа машин,
необходимых для замены за период времени
работы парка от а1 =
7 до b1
= 12, используя линейную аппроксимацию
функции (t)
по расчетным значениям;
в)
определить приближенное значение
математического ожидания числа машин,
необходимых для замены в установившемся
режиме работы парка за период времени
от а2
= 20 до b2
= 30 и оценить максимальную погрешность
этого значения.
Значение
числа машин в парке N = (7 + 30) = 37
Решение:
Расчет
значений функции параметр потока замен
Проведем
расчет значений функции параметр потока
замен (t).
Пусть
заданы значения параметров нормального
распределения
= 4,0 и
= 1,1. Тогда математическое ожидание срока
службы машин tср
=
= 4,0.
Определяем
предельное значение п
функции (t)
при увеличении времени t:
(1)
Для
расчета значений функции (t)
воспользуемся формулой:
(2)
где
(3)
(4)
Результаты
расчета представим в виде таблицы.
Значения gi(t),
меньше 10-3, не входят в сумму и
указаны в таблице, что бы показать, что
при данном значении t
дальнейшее увеличение значения t
не требуется.
Таблица 1.
t
i
gi(t)
gi(t)
w(t)
1
1
3
4
5
1
0,02425801
0,02425801
2
2,836E-05
0
0,02425801
0,009
2
1
0,1914952
0,1914952
2
0,0004161
0
3
6,0176E-07
0
0,1914952
0,07
3
1
0,66151466
0,66151466
2
0,00403858
0,00403858
3
8,2415E-06
0
0,66555323
0,242
4
1
1
1
2
0,0259299
0,0259299
3
8,5694E-05
0
1,0259299
0,372
5
1
0,66151466
0,66151466
2
0,11013177
0,11013177
3
0,00067647
0
4
1,8633E-06
0
0,77164643
0,28
6
1
0,1914952
0,1914952
2
0,30943109
0,30943109
3
0,00405427
0,00405427
4
1,631E-05
0
0,50498056
0,183
7
1
0,02425801
0,02425801
2
0,57511506
0,57511506
3
0,01844739
0,01844739
4
0,00011612
0
5
3,8437E-07
0
0,61782046
0,224
8
1
0,00134472
0,00134472
2
0,70710678
0,70710678
3
0,06372598
0,06372598
4
0,00067236
0
5
3,0343E-06
0
0,77217748
0,28
9
1
3,262E-05
0
2
0,57511506
0,57511506
3
0,1671313
0,1671313
4
0,00316649
0,00316649
5
2,0303E-05
0
0,74541285
0,271
10
1
3,4627E-07
0
2
0,30943109
0,30943109
3
0,33278111
0,33278111
4
0,01212901
0,01212901
5
0,00011516
0
6
5,6046E-07
0
0,6543412
0,238
11
1
1,6085E-09
0
2
0,11013177
0,11013177
3
0,50305932
0,50305932
4
0,03778694
0,03778694
5
0,00055367
0
6
3,5985E-06
0
0,65097802
0,236
12
1
3,2698E-12
0
2
0,0259299
0,0259299
3
0,57735027
0,57735027
4
0,0957476
0,0957476
5
0,00225642
0,00225642
6
2,0131E-05
0
0,70128418
0,255
13
1
2,9087E-15
0
2
0,00403858
0,00403858
3
0,50305932
0,50305932
4
0,19732577
0,19732577
5
0,00779474
0,00779474
6
9,813E-05
0
0,71221841
0,259
На рисунке
1 представлен график функции (t).
Точками показаны рассчитанные значения
функции от t = 1 до 13 с шагом h
= 1.
График
функции (t)
дает наглядное представление об изменении
во времени вероятности замены машины.
Чем больше значение функции при данном
значении аргумента (времени), тем больше
вероятность замены машины в ближайшей
окрестности от этого значения времени.
2. Расчет
среднего числа машин, необходимых для
замены в парке за данное время.
Проведем
расчет среднего числа машин, необходимых
для замены в парке из N
машин за время t = 6,5 лет. Результаты
расчетов поместим в таблицу 2.
Таблица 2.
i
iµ
1
4
1,1
2,273
0,98819
2
8
1,556
-0,964
0,168
3
12
1,905
-2,887
0,00213
(t)
= Ф(zi)
=1,158
Значение
функции «интеграл вероятностей» Ф(zi)
определяется по таблице приложения 1 с
помощью линейной интерполяции.
При
N = 37 за это время в парке потребуется в
среднем машин для замены:
Н(0,6,5)=37*1,158=43
3. Расчет
приближенного среднего значения числа
замен машин в парке с использованием
линейной аппроксимации параметра потока
замен.
Рассчитаем
приближенное значение математического
ожидания числа замен машин в парке,
пользуясь значениями функции (t)
и линейной аппроксимацией этой функции.
Пусть
заданы нижняя граница интервала а1
= 7 и верхняя граница
b1
= 12.
Тогда
для одного места в парке приближенное
значение среднего числа замен на этом
интервале при шаге h
= 1 будет:
(7,12)=1{0,5[w(7)+w(12)]+w(8)+w(9)+w(10)+w(11)}=0,5(0,224+0,255)+0,28+0,271+0,238+0,236=1,265
При
числе машин в парке N = 37 для замен
потребуется в среднем машин:
H(7,12)=371,265=47
4. Вычисление
среднего числа замен в парке при больших
значениях времени.
Вычислим
приближенное значение математического
ожидания числа замен машин в парке при
больших значениях времени
t в установившиемся
режиме, когда можно считать значение
функции (t)
постоянным и равным п.
Если
заданы нижняя граница интервала а2
= 20 и верхняя граница b2
= 30, то отклонение и, следовательно,
погрешности при замене значений функции
(t)
установившимся значением п,
будет меньше 0,01.
При
тех же значениях
= 4,0 и N = 37 предельное значение параметра
потока замен
п
= 0,25 и среднее число
замен на данном интервале времени
получим:
(20,30)=0,25(30-20)=2,5
Затем вычислим
среднее число замен машин в парке:
H(6,13)=372,5=92,5
Список
литературы
1.
Кузнецов Е.С. Управление техническими
системами. - М.: МАДИ (ГТУ), 2003, 248 с.
2. Техническая
эксплуатация автомобилей: Учебник для
ВУЗов / под ред. Кузнецова Е.С. - М.: Наука
(4-е издание, переработанное и
дополненное), 2001.
3. Лохов А.Н.
Организация управления на автомобильном
транспорте. Опыт, проблемы, перспективы.
- М: Транспорт, 2001.
4. Кузнецов
Е.С. Управление технической эксплуатацией
автомобилей. Изд. 2-е переработанное и
дополненное. - М.: Транспорт, 1990.
5. Бусленко
Н.П. Моделирование сложных систем. - М.:
Наука, 1978, 356 с.
6. Вентцель
Е.С. Исследование операций. Задачи,
принципы, методология. - М.: Наука,
2001.
7. Прудовский
Б.Д., Ухарский В.Б. Управление технической
эксплуатацией автомобилей по нормативным
показателям. - М.: Транспорт, 1990.