В чем заключается ценность компьютерного моделирования

В чем заключается ценность компьютерного моделирования

Блог Эли Шрагенхайма

Мощности сегодняшних компьютеров открывают новый способ оценить влияние множества идей на эффективность организации, с учетом как сложности, так и неопределенности организации и влияния внешней среды. Из-за присущей сложности и неопределенности, любое решение, даже самое разумное, как могло казаться в момент его принятия, может легко привести к очень негативным результатам.

Одним из столпов TOC является аксиома / убеждение, что каждая организация по своей сути проста. На практике это означает, что лишь немногие переменные действительно ограничивают производительность организации даже при значительной неопределенности.

Использование симуляторов могло бы устранить кажущуюся сложность системы и принимать относительно простые правила для ее правильного управления. Другими словами, симуляторы можно и нужно использовать, чтобы выявить простоту. Раскрытие простых правил особенно ценно во время перемен, независимо от того, является ли изменение результатом внутренней инициативы или внешнего события.

Моделирование может быть использовано для достижения двух разных целей:

1. Обеспечение понимания причинно-следственных связей в определенных ситуациях и влияние неопределенности на эти ситуации

Понимание достигается посредством серии симуляций выбранной четко определенной среды, которая показывает существенную разницу в результатах между различными решениями. Эффективный обучающий симулятор должен доказать, что существует четкий причинно-следственный поток, который приводит к решению результата.

Само открытие идей и концепций является специальным дополнительным подмножеством обучающего симулятора. Оно требует способности принимать много разных решений, если логика фактических результатов ясна.

2. Помощь в принятии сложных решений путем детального моделирования конкретной среды

Это позволяет пользователю тестировать различные параметры, представляющие различные альтернативы, и получить надежную картину распределения результатов. Задача состоит в том, чтобы смоделировать среду таким образом, чтобы она сохраняла основную сложность и хорошо отображала все ключевые переменные, которые действительно влияют на производительность.

Я начал свою карьеру в TOC с компьютерной игры (The OPT Game), цель которой была «научить менеджеров думать», а затем продолжил разработку различных симуляторов. Хотя большинство симуляторов были предназначены для обучения TOC, я разработал два инструмента моделирования для конкретных сред, предназначенных для ответов на конкретные управленческие вопросы.

Мощности сегодняшних компьютеров таковы, что разработка широкомасштабных симуляторов, которые могут быть приспособлены к различным средам и в конечном итоге поддерживать очень сложные решения, абсолютно возможна. Мой опыт показывает, что основная библиотека функций таких симуляторов должна разрабатываться с нуля, поскольку использование общих модулей, предоставляемых другими разработчиками, замедляет моделирование до такой степени, что они становятся непригодными для использования. Руководители должны принимать очень много решений очень быстро. Это означает, что вспомогательная информация должна быть легко доступна. Быстрота является одним из важнейших необходимых условий для широкомасштабного моделирования, которое служит эффективным инструментом помощи в принятия решений.

Д-р Алан Барнард, один из самых известных экспертов TOC, также является создателем полного симулятора цепи поставок. Сначала он определяет управленческую потребность, чтобы убедиться, что новые общие правила ТОС, лежащие в основе потока продуктов, будут работать действительно хорошо. Но также необходимо определить правильные параметры, такие как соответствующие буферы и время пополнения, и это может быть достигнуто путем моделирования.

Существует огромное количество других решений, которые мог бы поддерживать хороший широкомасштабный симулятор. Основная способность моделирования состоит в том, чтобы изобразить поток, например, поток продуктов через цепочку поставок, поток материалов через производство, поток проектов или поток денег, поступающих и исходящих. Моделируемый поток характеризуется своими узлами, политикой и неопределенностью. Чтобы оказывать помощь в принятии решения, необходимо смоделировать несколько потоков, которые взаимодействуют друг с другом. Только если поток продукта, поток заказов, денежный поток и поток мощности (покупательная способность) моделируются вместе, может быть определена суть целостного бизнеса. Симулятор должен позволять легко вводить новые идеи, такие как новые продукты, которые конкурируют с существующими продуктами, чтобы создавать модель достаточно быстро.

Для многих решений присущая простота, как утверждает доктор Голдратт, дает возможность достаточно хорошо прогнозировать влияние предлагаемого изменения на результат. Экономика прохода определяет процесс проверки новых идей как вычисление пессимистического и оптимистического воздействия этой идеи на результат организации. ТОС полагается на возможность получить достаточно хорошие вычисления в отношении общего влияния на продажи и потребления мощности для прогнозирования (ΔT – ΔOE).

Однако иногда организация сталкивается с событиями или идеями с более широкими последствиями, такими как влияние на срок выполнения заказа или возникновение эффекта «домино», когда некий случай вызывает последовательность неудач, поэтому необходимо использовать более сложные способы поддержки решений. Такие дополнительные осложнения в прогнозировании полных потенциальных последствий новых идей могут быть преодолены путем моделирования ситуации с внедрением изменениями и без изменений. Моделирование является последней надеждой, когда прямые вычисления слишком сложны.

Еще рекомендуем:  Доктор Деминг: удовольствие от работы, счастье и высокопроизводительная организация. Окончание

Предположим, что моделируется относительно большая компания с несколькими производственными площадками в разных местах по всему миру, а также с ее транспортными линиями, клиентами и поставщиками. Все ключевые потоки, включая денежные транзакции и время, являются частью моделирования. Это обеспечивает инфраструктуру, в которой различные идеи относительно рынка, операций, проектирования и снабжения могут быть тщательно проанализированы, что позволяет спрогнозировать влияние на чистую прибыль. Когда вводятся новые продукты, определить начальный уровень запасов в цепи поставок сложно из-за его высокой зависимости от прогноза. Каждое решение должно быть проверено в соответствии с пессимистическими и оптимистическими предположениями, и, таким образом, руководство может принять разумное решение, которое учитывает несколько возможных экстремальных моделей поведения на рынке.

Такая симуляция может оказать большую помощь, когда произойдет внешнее событие, которое нарушает обычное поведение организации. Например, предположим, что один из поставщиков пострадал от цунами. Несмотря на то, что запасов хватит на следующие четыре недели, необходимо как можно скорее найти альтернативы, а также понять потенциальный ущерб для каждой принятой альтернативы. Проверка такого рода сценариев «что-если» легко сделать с таким симулятором, раскрывающим реальные финансовые последствия каждой альтернативы.

Другие важные области, которые могут использовать симуляцию для проверки различных идей, – это авиа- и судоходные компании. Ключевой проблемой при эксплуатации транспорта является не только вместимость каждого транспортного средства, но и его точное местоположение в определенное время. Любая задержка или сбой создает эффект домино для других миссий и ресурсов. Проверка экономической целесообразности открытия новой линии должна включать возможное влияние такого эффекта домино. Разумеется, эксплуатация транспортных средств, если они могут быть ограничением, должна стать целью для проверки различных сценариев путем моделирования. Проверка различных вариантов политики динамического ценообразования, известная как управление доходами, также имеет смысл.

Хотя преимущества могут быть велики, нужно знать об ограничениях. Моделирование основано на предположениях, которые открывают путь к манипуляциям или просто к ошибкам. Давайте различать две разные категории причин провала.

  1. Баги и ошибки в переданных параметрах. Это сбои в программном обеспечении моделирования или неправильные входные данные, представляющие ключевые параметры, запрошенные программой моделирования.
  2. Неудача моделирования по отображению истинной реальности. Невозможно смоделировать реальность, как она есть. Слишком много параметров. Таким образом, нам необходимо упростить реальность и сфокусироваться только на параметрах, которые имеют или могут иметь при определенных обстоятельствах существенное влияние на производительность. Например, нереально смоделировать подробное поведение каждого отдельного человеческого ресурса. Однако мы можем смоделировать поведение больших групп людей, таких как сегменты рынка и группы поставщиков.

Еще одной проблемой им вызовом является моделирование стохастического поведения различных рынков, конкретных ресурсов и поставщиков. Когда фактическая стохастическая функция неизвестна, существует тенденция использовать общие математические функции, такие как распределение по Гауссу или Пуассону, даже если они не соответствуют конкретной реальности.

Таким образом, модели должны подвергаться тщательной проверке. Первый большой тест должен отображать текущее состояние. Действительно ли он представляет текущее поведение? Поскольку для сравнения смоделированных результатов с текущими результатами состояния должно быть достаточно интуиции и данных, это является важной вехой в использовании симулятора для помощи в принятии решений. В большинстве случаев в начале возникают отклонения из-за багов в ПО и ошибок входных данных. Как только модель кажется достаточно надежной, необходимо провести более тщательные тесты, чтобы обеспечить ее способность прогнозировать будущую производительность при определенных допущениях.

Поэтому, хотя относиться к моделированию нужно с осторожностью, мы можем добиться больше, лучше понимая влияние неопределенности и тем самым повышая производительность организации.


P.S. Пример: простая модель в AnyLogic наглядно показывает, как неопределенность влияет на загрузку оборудования и время выполнения заказов. Автор — наш консультант Андрей Конопля.

Эли Шрагенхайм
Eli Schragenheim,
CEO of Elyakim Management Systems (1992) Ltd

Что еще почитать?

Давайте обсудим...

Ваш e-mail не будет опубликован. Обязательные поля помечены *