Sivu
6

Ratkaisukehitysmenetelmä. Jotkut päätökset ovat pääsääntöisesti tyypillisiä, toistuvia ja onnistuneesti formalisoitavia, ts. otettu ennalta määrätyn algoritmin mukaan. Toisin sanoen formalisoitu päätös on tulosta ennalta määrätyn toimintosarjan suorittamisesta. Esimerkiksi kaluston korjausaikataulua laatiessaan liikkeenjohtaja voi lähteä standardista, joka edellyttää tietyn kaluston ja huoltohenkilöstön määrän välistä suhdetta. Jos liikkeessä on 50 kpl laitteita ja huoltostandardi on 10 kpl korjaajaa kohden, niin liikkeessä tulee olla viisi korjaajaa. Samoin kun talousjohtaja päättää sijoittaa vapaita varoja valtion arvopapereihin, hän valitsee erityyppisten joukkovelkakirjalainojen välillä sen mukaan, mikä niistä tuo sijoitetulle pääomalle tuolloin suurimman tuoton. Valinta tehdään yksinkertaisella laskelmalla kunkin vaihtoehdon lopullisesta tuotosta ja määrittämällä kannattavin.

Päätöksenteon virallistaminen lisää johtamisen tehokkuutta vähentämällä virheiden todennäköisyyttä ja säästämällä aikaa: ratkaisua ei tarvitse kehittää uudelleen joka kerta, kun vastaava tilanne syntyy. Siksi organisaatioiden johto usein virallistaa ratkaisuja tiettyihin, säännöllisesti toistuviin tilanteisiin kehittäen asianmukaisia ​​sääntöjä, ohjeita ja määräyksiä.

Samaan aikaan organisaatioiden johtamisprosessissa syntyy usein uusia, epätyypillisiä tilanteita ja epätyypillisiä ongelmia, joita ei voida muodollisesti ratkaista. Tällaisissa tapauksissa johtajien älylliset kyvyt, lahjakkuus ja henkilökohtainen aloitteellisuus ovat tärkeitä.

Tietenkin käytännössä useimmat päätökset jäävät jonnekin näiden kahden ääripään väliin, mikä mahdollistaa sekä henkilökohtaisen aloitteen että muodollisen menettelyn niiden kehittämisprosessissa. Päätöksentekoprosessissa käytettyjä erityisiä menetelmiä käsitellään jäljempänä.

· Valintakriteerien lukumäärä.

Jos parhaan vaihtoehdon valinta tehdään vain yhden kriteerin mukaan (mikä on tyypillistä formalisoiduille päätöksille), niin tehty päätös on yksinkertainen, yksikriteeri. Toisaalta, kun valitun vaihtoehdon on täytettävä useita kriteerejä samanaikaisesti, päätöksestä tulee monimutkainen, monikriteeri. Johtamiskäytännössä valtaosa päätöksistä on monikriteerisiä, koska niiden on samanaikaisesti täytettävä kriteerit kuten: voittovolyymi, kannattavuus, laatutaso, markkinaosuus, työllisyysaste, toteutusaika jne.

· Päätöslomake.

Lopullisen päätöksen käytettävissä olevista vaihtoehdoista valinnan tekevä voi olla yksi henkilö ja hänen päätöksensä on siten ainoa. Nykyaikaisessa johtamiskäytännössä kohdataan kuitenkin yhä useammin monimutkaisia ​​tilanteita ja ongelmia, joiden ratkaiseminen edellyttää kokonaisvaltaista, kokonaisvaltaista analyysiä, ts. johtajien ja asiantuntijoiden ryhmän osallistuminen. Tällaisia ​​ryhmä- tai kollektiivisia päätöksiä kutsutaan kollegiaalisiksi. Ammattimaistumisen vahvistaminen ja johtamisen erikoistumisen syveneminen johtavat kollegiaalisten päätöksentekomuotojen laajaan käyttöön. On myös muistettava, että tietyt päätökset on lain mukaan luokiteltu kollegiaalisiksi. Joten esimerkiksi tietyt osakeyhtiön päätökset (osinkojen jakamisesta, voittojen ja tappioiden jaosta, merkittävistä liiketoimista, hallintoelinten valinnasta, uudelleenjärjestelyistä jne.) kuuluvat yhtiökokouksen yksinomaiseen toimivaltaan. osakkeenomistajat. Kollegiaalinen päätöksenteon muoto tietysti heikentää johtamisen tehokkuutta ja "hämärtää" vastuuta sen tuloksista, mutta estää törkeät virheet ja väärinkäytökset sekä lisää valinnan pätevyyttä.

· Ratkaisun kiinnitysmenetelmä.

Tämän perusteella johdon päätökset voidaan jakaa kiinteisiin tai dokumentaarisiin (eli toteutettu minkä tahansa asiakirjan muodossa - määräyksen, ohjeen, kirjeen jne.) ja dokumentoimattomiin (joilla ei ole dokumentaarista muotoa, suullinen). Suurin osa johtamislaitteiston päätöksistä dokumentoidaan, mutta pieniä, merkityksettömiä päätöksiä, samoin kuin hätätilanteissa, akuuteissa, kiireellisissä tilanteissa tehtyjä päätöksiä, ei välttämättä dokumentoida.

· Käytettyjen tietojen luonne. Riippuen johtajan hallussa olevien tietojen täydellisyydestä ja luotettavuudesta, johdon päätökset voivat olla deterministisiä (tehty varmuuden olosuhteissa) tai todennäköisyyksiä (tehty riskin tai epävarmuuden alaisena). Näillä ehdoilla on erittäin tärkeä rooli päätöksenteossa, joten katsotaanpa niitä tarkemmin.

Deterministiset ja todennäköisyysratkaisut.

Deterministiset ratkaisut otetaan varmuuden ehdoilla, kun johtajalla on lähes täydelliset ja luotettavat tiedot ratkaistavasta ongelmasta, jonka avulla hän voi tietää tarkalleen kunkin vaihtoehtoisen valinnan tuloksen. Tällaisia ​​tuloksia on vain yksi, ja sen esiintymisen todennäköisyys on lähellä yhtä. Esimerkki deterministisesta ratkaisusta olisi vapaan käteisen sijoittamisen työkaluksi valita 20 %:n liittovaltion lainalainat, joissa on vakiokuponkitulo. Talouspäällikkö tietää tässä tapauksessa varmasti, että lukuun ottamatta erittäin epätodennäköisiä poikkeuksellisia olosuhteita, joiden vuoksi Venäjän federaation hallitus ei pysty täyttämään velvoitteitaan, organisaatio saa täsmälleen 20% vuodessa sijoitetuista varoista. Samoin päättäessään lanseerata tietyn tuotteen johtaja voi määrittää tarkasti tuotantokustannusten tason, koska vuokrahinnat, materiaalit ja työvoimakustannukset voidaan laskea melko tarkasti.

Johdon päätösten analyysi varmuuden olosuhteissa on yksinkertaisin tapaus: mahdollisten tilanteiden (vaihtoehtojen) määrä ja niiden tulokset ovat tiedossa. Sinun on valittava yksi käytettävissä olevista vaihtoehdoista. Tässä tapauksessa valintamenettelyn monimutkaisuus määräytyy vain vaihtoehtoisten vaihtoehtojen lukumäärän perusteella. Tarkastellaan kahta mahdollista tilannetta:

a) On kaksi mahdollista vaihtoehtoa;

Tässä tapauksessa analyytikon on valittava (tai suositellaan valitsemaan) toinen kahdesta mahdollisesta vaihtoehdosta. Toimintojen järjestys tässä on seuraava:

Kriteerit, joiden mukaan valinta tehdään, määritellään;

· "suoran laskennan" menetelmä laskee kriteerin arvot verratuille vaihtoehdoille;

Tämän ongelman ratkaisemiseksi on olemassa erilaisia ​​menetelmiä. Yleensä ne on jaettu kahteen ryhmään:

diskontattuihin arvioihin perustuvat menetelmät;

kirjanpidollisiin arvioihin perustuvia menetelmiä.

(deterministinen - varma, aikaisempien tapahtumien määräys; lat. Determino - määritän)

Stokastiset järjestelmät ovat järjestelmiä, joissa muutokset ovat satunnaisia.

(stokastinen - satunnainen, todennäköisyys; kreikasta stochastikós - osaa arvata)

Deterministisessä järjestelmässä sen aikaisemman tilan ja lisätiedon perusteella sen myöhempi tila voidaan ennustaa melko varmasti. Probabilistisessa järjestelmässä voidaan samoihin tietoihin perustuen ennustaa vain joukko tulevia tiloja ja määrittää kunkin niistä todennäköisyys.

7. Monimutkaiset järjestelmät ja niiden ominaisuudet. Ohjausjärjestelmät tutkimuksen kohteina.

Ajattele, että järjestelmä on monimutkainen, jos se koostuu suuresta määrästä toisiinsa yhteydessä olevia ja vuorovaikutuksessa olevia elementtejä, joista jokainen voidaan esittää järjestelmänä. Monimutkaisten järjestelmien kehityksen teorian sisältönä voidaan pitää joukko metodologisia lähestymistapoja, joiden avulla voidaan rakentaa malleja monimutkaisten järjestelmien kehitysprosesseista käyttämällä eri tieteiden saavutuksia, sekä menetelmiä järjestelmän analysoimiseksi. tuloksena syntyneitä malleja.

Minkä tahansa organisaation hallintajärjestelmä on monimutkainen järjestelmä, joka on suunniteltu keräämään, analysoimaan ja käsittelemään tietoa maksimaalisen lopputuloksen saavuttamiseksi tietyin rajoituksin. Useimmat prosessit ovat niin monimutkaisia, että tieteen nykytilanteessa on hyvin harvoin mahdollista luoda niiden universaalia teoriaa, joka on voimassa kaikkina aikoina ja kaikilla tarkasteltavan prosessin osa-alueilla.

Ohjausjärjestelmää tutkittaessa tutkimuskohteena on tarpeen tuoda esille ohjausjärjestelmien vaatimukset, joiden perusteella voidaan arvioida järjestelmien organisoitumisastetta. Nämä vaatimukset sisältävät:

Järjestelmän elementtien determinismi;

Järjestelmän dynaamisuus;

Ohjausparametrin läsnäolo järjestelmässä;

Ohjausparametrin läsnäolo järjestelmässä;

Kanavien (ainakin yhden) palautteen läsnäolo järjestelmässä.

8. Ohjausjärjestelmien nykyaikaiset tutkimusmenetelmät.

Koko tutkimusmenetelmäsarja voidaan jakaa kolmeen suureen ryhmään: asiantuntijoiden tiedon ja intuitioon perustuvat menetelmät; valvontajärjestelmien formalisoidun esityksen menetelmät ja integroidut menetelmät.

Ensimmäinen ryhmä - menetelmät, jotka perustuvat kokeneiden asiantuntijoiden mielipiteiden tunnistamiseen ja yleistämiseen, heidän kokemuksensa käyttöön ja ei-perinteisiin lähestymistapoihin organisaation toiminnan analysointiin ovat: "aivoriihi"-menetelmä, "skenaariot"-tyyppinen menetelmä, asiantuntija-arviointimenetelmä (mukaan lukien SWOT-analyysi), "Delphi"-tyyppinen menetelmä, "tavoitepuu"-tyyppi, "bisnespeli"-tyyppiset menetelmät, morfologiset menetelmät ja joukko muita menetelmiä.

Toinen ryhmä - ohjausjärjestelmien formalisoidun esityksen menetelmät, jotka perustuvat matemaattisten, taloudellisten ja matemaattisten menetelmien ja mallien käyttöön ohjausjärjestelmien tutkimiseksi.

Kolmas ryhmä - ongelmatilanteen kuvaamiseksi adekvaatimmin on joissain tapauksissa suositeltavaa käyttää tilastollisia menetelmiä, joiden avulla otantatutkimuksen perusteella saadaan tilastollisia malleja ja laajennetaan niiden käyttäytymiseen. järjestelmää kokonaisuutena

9. Järjestelmäanalyysi päämenetelmänä monimutkaisten järjestelmien tutkimiseen ja monimutkaisten hallintaongelmien ratkaisemiseen.

Järjestelmäanalyysi

Järjestelmäanalyysiä käytetään tapauksissa, joissa kohdetta pyritään tutkimaan eri näkökulmista, monimutkaisella tavalla. Systeemitutkimuksen yleisimpänä osa-alueena pidetään systeemianalyysiä, joka ymmärretään menetelmänä monimutkaisten ongelmien ja ongelmien ratkaisemiseksi järjestelmäteorian puitteissa kehitettyjen käsitteiden pohjalta. Järjestelmäanalyysi määritellään myös "järjestelmäkonseptien soveltamiseksi suunnitteluun liittyviin johtamistoimintoihin" tai jopa strategiseen suunnitteluun ja kohdesuunnitteluvaiheeseen.

Järjestelmäanalyysin perimmäinen tavoite on valitun johtamisjärjestelmän vertailumallin kehittäminen ja käyttöönotto.

Kanssa järjestelmäanalyysi alkaa tietyn johtamisjärjestelmän (yrityksen tai yrityksen) tavoitteiden selventämisellä tai muotoilulla ja tehokkuuskriteerin etsimisellä, joka tulisi ilmaista erityisenä indikaattorina. Yleensä useimmat organisaatiot ovat monikäyttöisiä. Yrityksen (yrityksen) kehityksen ominaisuuksista ja sen tarkastelujakson todellisesta tilasta sekä ympäristön tilasta (geopoliittiset, taloudelliset, sosiaaliset tekijät) seuraa joukko tavoitteita.

Selkeästi ja asiantuntevasti muotoillut tavoitteet yrityksen (yrityksen) kehittämiselle ovat perusta järjestelmäanalyysille ja tutkimusohjelman kehittämiselle.

10. Tutkimuksen lähestymistavat ja logiikka järjestelmäanalyysin näkökulmasta. Järjestelmäanalyysin päävaiheet (loogiset vaiheet).

Järjestelmäanalyysi on tieteellinen menetelmä monimutkaisten, monitasoisten, monikomponenttisten järjestelmien ja prosessien tutkimiseen, joka perustuu integroituun lähestymistapaan, jossa otetaan huomioon järjestelmän elementtien väliset suhteet ja vuorovaikutukset, sekä joukko menetelmiä kehittää, tehdä. sekä sosiaalisten, taloudellisten, ihmis-kone- ja teknisten järjestelmien suunnitteluun, luomiseen ja hallintaan liittyvien päätösten perusteleminen.

On tarpeen suorittaa seuraavat systeemiset tutkimukset:

1) tunnistaa yleiset suuntaukset tämän yrityksen kehityksessä sekä sen asema ja rooli nykyaikaisessa markkinataloudessa;

2) vahvistaa yrityksen ja sen yksittäisten toimialojen toiminnan piirteet;

3) tunnistaa edellytykset, jotka varmistavat tavoitteiden saavuttamisen;

4) määrittää edellytykset, jotka estävät tavoitteiden saavuttamisen;

5) kerätä tarvittavat tiedot analysointia ja nykyisen johtamisjärjestelmän parantamiseen tähtäävien toimenpiteiden kehittämistä varten;

6) käyttää muiden yritysten parhaita käytäntöjä;

7) tutkia tarvittavat tiedot mukauttaakseen valitun (syntetisoidun) vertailumallin tarkasteltavana olevan yrityksen olosuhteisiin.

Järjestelmäanalyysin päävaiheet ovat:

1. Tavoitteiden asettaminen;

2. Etsi tapoja saavuttaa tavoitteet;

3. Kriteerien valinta vaihtoehtojen arvioimiseksi tavoitteiden saavuttamiseksi.

11. Ongelmat ja niiden ominaisuudet. Ongelmat ja ongelmien muotoilu.

Ongelma on tilanne, jossa aiemmin asetettuja tavoitteita ei saavuteta.. Nuo. saavutettuja tuloksia seurattaessa käy ilmi, että ne ovat paljon suunniteltua huonompia, ja vastaavasti on ryhdyttävä tiettyihin toimenpiteisiin tilanteen korjaamiseksi. Tällaista melko luonnollista kontrollitapaa kutsutaan yhteensopimattomuusohjaus. Yhteensopimattomuuden hallinta on tehokasta vain, jos prosessi kehittyy etukäteen puhtaasti määrällisesti, hyvin ennustettavissa olevalla tavalla.

Ongelmatilanne- se on "aukko" toiminnassa, "epäsopivuus" kohteen tavoitteiden ja kykyjen välillä, ts. olosuhteet, jotka aiheuttavat ongelman. Ongelmatilanne on olosuhteet, jotka aiheuttavat ongelman.

Ongelmaolosuhteet - nämä ovat objektiivisesti syntyviä ristiriitaisuuksia tiettyjen toimien välillä, erityisesti siksi, että niiden toteuttamismenetelmiä ei tunneta; uuden tiedon tarpeen ja sen riittämättömyyden välillä.

Ongelman ensimmäinen lausunto (formulaatio). Ongelman alustavan ilmaisun tulee toimia eräänlaisena ratkaisun valmistelutehtävänä tai alustavan kehitysvaiheen suorittamisessa, jonka tuloksia päättäjä harkitsee ja määrää jatkotoimien.

Ongelman ilmaisua (muotoilua) kutsutaan alkuvaiheeksi, eli alustavaksi vaiheeksi, koska analyysin ja synteesin aikana ja niiden pohjalta voidaan tarkistaa monia alkusäännöksiä.

Tavoitteiden ja ehtojen muotoilu ongelman ratkaisemiseksi. On tärkeää muotoilla ongelman ratkaisutavoitteet ennen kaikkea niiden saavuttamistapojen oikeaa tunnistamista ja tavoitteiden saavuttamisen ratkaisuvaihtoehtojen vertailua varten.

12. Ongelmien typologia. Ongelman vaikeustasot

Ongelma

Laadulliset ongelmat- ongelmat, jotka kuvataan laadullisilla ominaisuuksilla, ominaisuuksilla (liittyvät yksityiskohtaiseen luetteloon tulevista tai huonosti määritellyistä resursseista ja niiden ominaisuuksista tai ominaisuuksista).

Määrälliset ongelmat- ongelmat, jotka ilmaistaan ​​numeroina tai sellaisilla symboleilla, jotka loppujen lopuksi voidaan ilmaista numeerisina arvioina. Kvantitatiivisten ongelmien ominaisuudet: tarkkuus, ratkaisun luotettavuus, täsmällisyys ja hallittavuus.

- Toiminnalliset kysymykset- nämä ovat ongelmia, joiden ratkaisulla pyritään estämään, poistamaan tai kompensoimaan järjestelmän nykyistä toimintaa häiritseviä häiriöitä. Nämä ovat rakenteellisia ongelmia. Näiden ongelmien ratkaisu liittyy niiden määrälliseen arviointiin, vakiintuneiden vaihtoehtoisten toimintakokonaisuuksien olemassaoloon tietyssä tilanteessa;

järjestelmien parantamiseen ja kehittämiseen liittyvät ongelmat- nämä ovat ongelmia, joiden ratkaisulla pyritään parantamaan toiminnan tehokkuutta muuttamalla ohjausobjektin tai kohteen ohjausjärjestelmän ominaisuuksia sekä tuomalla esiin uusia ideoita. Nämä ovat heikosti strukturoituja ongelmia, joiden ratkaiseminen on systeemianalyysin ja synteesin tutkimuksen kohteena;

innovatiivisia ongelmia- Nämä ovat ongelmia, joiden ratkaisuun liittyy uusien ideoiden kehittäminen ja innovaatioiden käyttöönotto. Nämä ovat hyvin puolistrukturoituja (tai rakenteettomia) ongelmia. Näiden ongelmien ratkaisu liittyy uusien ideoiden synnyttämiseen sekä kokemukseen ja intuitioon perustuvien heurististen menetelmien soveltamiseen.

Ilmiön luonteen mukaan ongelmat luokitellaan toistuviin, samankaltaisiin, uusiin ja ainutlaatuisiin.

Liittymisasteen mukaan erottaa monimutkaiset ja itsenäiset ongelmat.

13. Luova lähestymistapa ongelmanratkaisuun.

Ongelma(kreikaksi - tehtävä) laajassa merkityksessä - monimutkainen teoreettinen tai käytännöllinen kysymys, joka vaatii tutkimusta, ratkaisua. Pohjimmiltaan ongelma on tilanne, jossa halutun ja nykyisen välillä on ristiriita.

Aidosti innovatiivisten tuotteiden ja palvelujen luominen riippuu paljon siitä, kuinka luova olet. Useimmille projektipäälliköille tämä tarkoittaa luovan ongelmanratkaisun tarkoituksellista käyttöä projektinhallintaprosessissa.

Menetelmät: hauskoja ideoita; Noudata järjestelmää "Kannustaminen-Pros-Riski-päätökset"; Älä pelkää erimielisyyksiä ja vastakkaisia ​​näkemyksiä.

14. Ongelman asettamisen päävaiheet. Ongelman eristäminen ulkoisesta ympäristöstä. Ongelman jäsentäminen.

Vaihe 1 "diagnoosi" - yleistä tietoa ongelmasta sekä niihin liittyvät asiat, joiden tutkiminen voi olla hyödyllistä; yleisen työsuunnitelman laatiminen, jossa ilmoitetaan määräaika, esiintyjät ja tärkeimmät lähteet, joita oletettavasti voidaan käyttää.

Vaihe 2 - sen "oireiden" määrittäminen. Käsitettä "oire" käytetään tässä melkein lääketieteellisessä mielessä ja se tarkoittaa jotain epäsuoraa merkkiä tai ominaisuutta, joka osoittaa ongelman olemassaolon.

Vaihe 3- kokoelma tekijöitä, jotka vahvistavat "oireet", nuo. tunnistaa ongelman syyt.

Vaihe 4- tekijöiden tulkintaa eli kaiken tarvittavan sisäisen ja ulkoisen "oireisiin" liittyvän tiedon analyysi.

Vaihe 5- ongelman ilmaisu sisältää:

¨ ongelman alkuperäisen muotoilun laatiminen;

¨ tämän sanamuodon ymmärtäminen suhteessa ongelman eri osiin;

¨ ongelmaan liittyvien tekijöiden ymmärtäminen;

¨ ongelman alkuperäisen muotoilun yleinen selvennys

Ongelman jäsentäminen merkitsee sen jakamista. Splitting (hajoaminen - katso alla) - lisäkysymysten (alakysymysten) etsiminen, jota ilman on mahdotonta saada vastausta keskeiseen - ongelmalliseen - kysymykseen.

15. Ratkaisun löytämisen ja kehittämisen prosessi. Ratkaisun toteutusprosessin erityispiirteet.

1) Ongelman diagnoosi. Monimutkaisuutensa vuoksi ongelman diagnosointi on prosessi, joka koostuu useista vaiheista:

· vaikeuksien tai olemassa olevien käyttämättömien mahdollisuuksien (esimerkiksi alhaiset voitot, korkeat kustannukset, konfliktit jne.) oireiden tiedostaminen ja tunnistaminen;

tunnistaa ongelma yleisellä tavalla, ts. ongelman syyt;

· sisäisen ja ulkoisen tiedon kerääminen ja analysointi, konsulttien osallistuminen.

2) Rajoitusten ja päätöskriteerien muotoilu. realistisuutta ja tehokkuutta. Jotta ratkaisu olisi realistinen, on ensinnäkin tarpeen muotoilla olemassa olevat rajoitukset.

3) Vaihtoehtojen määrittely.

4) Vaihtoehtojen arviointi. Joissakin tapauksissa jotkut niistä voivat olla määrällisiä ja jotkut - laadullisia.

5) Vaihtoehtojen valinta.

6) Päätösten toimeenpano ja täytäntöönpanon valvonta. Tärkeä ehto on joukkueen tunnustus. Tätä varten on tarpeen vakuuttaa ja saada ihmiset mukaan päätöksentekoon. Käytäntö osoittaa, että jos ryhmä osallistui jossain määrin vaihtoehdon valmisteluun, pitää sitä "omanaan", vastustus sen toteuttamisen kulkua kohtaan vähenee merkittävästi. Sitten alkaa tarkasteltavan vaiheen seuraava vaihe - toteutuksen etenemisen valvonta, ts. palautetta todellisten tulosten ja odotusten vastaavuuden tutkimiseksi.

16. Tavoitteet ja keinot niiden saavuttamiseksi. Arvojärjestelmä keinona valita tavoitteita. Tavoitteiden luokittelu.

Keinot saavuttaa tavoitteet:

1. Taidot, 2. Taidot, 3. Taito

Kohdeluokitus:

· katetun alueen mukaan(yleinen, yksityinen tavoite);

· arvon mukaan(pää-, väli-, toissijainen);

· muuttujien lukumäärän mukaan(yksi- ja monivaihtoehto);

· aihealue(laskettu yleiselle tai osittaiselle tulokselle);

· muodostumisen lähteiden mukaan tavoitteita voidaan asettaa ulkopuolelta ja muotoilla organisaation sisällä;

· tärkeysjärjestyksessä tavoitteet on jaettu: strategisiin ja taktisiin;

· ajan kanssa tavoitteet vaihtelevat: lyhyen aikavälin (enintään yksi vuosi), keskipitkän aikavälin (1 vuosi - 5 vuotta), pitkän aikavälin (yli 5 vuotta);

· ilmaisumuodon mukaan allokoi tavoitteet, joille on tunnusomaista määrälliset indikaattorit ja jotka kuvataan laadullisesti;

· ajan mukaan tavoitteita ovat strategiset, nykyiset ja operatiiviset;

· hierarkiatason mukaan määritellään tehtävä, pää-, yleiset ja erityiset (paikalliset) tavoitteet;

· vuorovaikutuksen ominaisuuksien mukaan Tavoitteet voivat olla toisilleen välinpitämättömiä (välinpitämättömiä), kilpailevia, täydentäviä (komplementaarisia), toisensa poissulkevia (antagonistisia), osuvia (identtisiä).

Arvojärjestelmä- Tämä on joukko jokaiselle henkilölle ominaisia ​​ohjelmia, jotka määrittelevät hänen ajattelunsa järjestelmän ja tyylin alitajunnan tasolla. Tämä maailmanmallin osa antaa meille mahdollisuuden kehittää henkilökohtaista, subjektiivista suhtautumistamme meille tapahtuviin tapahtumiin, eli se määrittää reaktion niihin. Arvojärjestelmä auttaa meitä varmasti erottamaan, mikä on hyvää ja mikä pahaa, mikä on oikein ja mikä väärin, mikä on normaalia ja mikä ei, mikä on tärkeää ja mikä ei, mikä on hyväksyttävää ja mikä ei. hyväksyttävää.

17. Kohdennettu lähestymistapa organisaation johtamisessa. "Tavoitteiden puu" -menetelmä ja sen soveltamisen erityispiirteet.

Kohdennetulla lähestymistavalla strategiaan liiallisen yksityiskohdan, ruuhkautumisen ja yleisten paikkojen ongelmat ratkeavat helpommin. Strategiassa ei analysoida ja määrätä kaikkea, mikä ei koske tai ei merkittävästi vaikuta pääasiallisiin päätöksentekokysymyksiin. Näitä asioita käsitellään liiketoiminnan suunnittelujärjestelmän ja muiden nykyisten suunnitelmien ja ohjelmien puitteissa. Samoin eri osastojen suunnitelmien epäjohdonmukaisuuden riskit vähenevät: hylkäämällä kaikki tarpeeton ja merkityksetön on helpompi keskittyä päätehtävien ratkaisemiseen.

Tehokas tavoitteen asettamismenetelmä RAKENNEMENETELMÄ, joka tunnetaan paremmin nimellä tavoitepuu. Sen avulla voit tunnistaa eri tasojen tavoitteiden välisen suhteen ja suhteen lukumäärän ja ominaisuudet.

"Puu" koostuu useista tavoitteista:

1. Yleinen tavoite (päätavoitteet); 2. 2. tason maalit; 3. Maalit 3. Päätavoitteen saavuttaminen vasta, kun 2. ja 3. alatason tavoitteet saavutetaan.

Tavoitepuun rakentamismenettely sisältää useita peräkkäisiä vaiheita.

· Puun latvan määritelmä - organisaation yleinen tarkoitus. Tietyssä vaiheessa ei voi olla useita yhteisiä tavoitteita. Tästä tavoitteesta riippuen määritetään toiminnan lopullinen tulos ja tämän tuloksen tehokkuus.

· Seuraavien tasojen muodostuminen toiminta-alueilla tai tavoitteiden purkaminen. Jokainen seuraava taso muodostetaan siten, että varmistetaan korkeamman tason tavoitteiden saavuttaminen.

· Jokainen puun "oksa" ei kuvaa tapaa saavuttaa tavoite, vaan tiettyä lopputulosta, joka ilmaistaan ​​jollakin indikaattorilla.

Yhden hajoamistason osatavoitteet ovat riippumattomia (rinnakkaisia) keskenään. Korkeamman tason tavoitteiden saavuttaminen on mahdollista vain, jos alemmat tavoitteet saavutetaan.

18. Tavoitejoukon muodostamisprosessi. Kohteiden valintamenettelyn ominaisuudet.

Tavoitteet on jaettu johtajan toiminta-alueiden, sisällön, johtamishierarkian ja ajan mukaan (lyhyen aikavälin, keskipitkän ja pitkän aikavälin). Tavoite, jota ei voida saavuttaa, mutta jota voidaan pyrkiä lähestymään, kutsutaan ihanteeksi.

Tavoitteen asettaminen on tulos harkittuista vaihtoehdoista. Nykyaikaisen johtamisen perussääntö on, että tavoitteiden saavuttaminen on mahdollista vain ympäristön asettamissa rajoissa. johtamisprosessiin kuuluu päätösten teko, vaihtoehtoisten strategioiden valinta ja tulosten arviointi ennalta asetettujen tavoitteiden mukaisesti.

Tavoitehierarkian tasojen allokointi voidaan tehdä sekä johtamisen toiminnallisen periaatteen että hyödykemarkkinaperiaatteen perusteella. Toiminnallinen eriyttäminen liittyy ryhmittelyyn toimintojen sisällön mukaan: tuotanto, henkilöstö, markkinointi, rahoitus.

Toiminnallisen jaon pohjalta rakennetun organisaation tavoitepuu rakennetaan periaatteen mukaisesti: yrityksen päämäärä - toiminnalliset tavoitteet (osastoittain) - toiminnalliset tavoitteet. Hyödykemarkkinaperiaatteen mukaiselle organisaatiolle: yrityksen tarkoitus - yritysten tavoitteet - toiminnalliset tavoitteet. Käytännössä nämä kaksi lähestymistapaa yhdistetään usein, ja tavoitepuun rakenne näyttää tältä: yrityksen tavoite - liiketoimintatavoitteet - osastojen toiminnalliset tavoitteet - toiminnalliset tavoitteet.

19. Tavoitteiden jäsentäminen ja esittäminen. Tavoitteen analyysi. Tavoitteen mitattavuus. Mitta-asteikot.

Tavoitteena on haluttu tulos.

Menetelmä tavoitteiden strukturointi tarjoaa organisaation tavoitejärjestelmän kehittäminen (mukaan lukien niiden kvantitatiiviset ja laadulliset muotoilut) ja sitä seuraava organisaatiorakenteiden analyysi niiden yhteensopivuudesta tavoitejärjestelmän kanssa. Kun sitä käytetään, seuraavat vaiheet suoritetaan useimmiten:

Tavoitejärjestelmän ("puu") kehittäminen, joka on rakenteellinen perusta kaikentyyppisten organisaatiotoimintojen yhdistämiselle lopputuloksiin perustuen (riippumatta näiden toimintojen jakautumisesta organisaatioyksiköiden ja ohjelman kohdealajärjestelmien kesken organisaatiossa) ;

Asiantuntijaanalyysi ehdotetuista vaihtoehdoista organisaatiorakenteelle organisaation turvallisuuden kannalta kunkin tavoitteen saavuttamiseksi, noudattaen kullekin yksikölle asetettujen tavoitteiden homogeenisuuden periaatetta, määrittämällä yksiköiden johtamis-, alaisuudessa ja yhteistyösuhteen suhteiden perusteella. heidän tavoitteensa jne.;

Oikeus- ja vastuukarttojen laatiminen tavoitteiden saavuttamiseksi sekä yksittäisille osastoille että monimutkaisille poikkitoiminnallisille toiminnoille, joissa vastuun laajuus (tuotteet, resurssit, työvoima, tuotanto- ja johtamisprosessit, tiedot) on säännelty; konkreettiset tulokset, joiden saavuttamisesta on asetettu vastuu; oikeudet, jotka yksikölle annetaan tulosten saavuttamiseksi (hyväksyntä ja hyväksyntä, hyväksyntä, vahvistus, valvonta)

Tavoitteiden mitattavuus. Kun sanomme, että tavoitteen on oltava mitattavissa, tarkoitamme sitä, että määritellään parametrit, joilla tavoitetta voidaan mitata. Sinun tulee selvittää, miten joukkueen toimintaa seurataan, miten niitä mitataan ja tallennetaan. Jos et pysty mittaamaan tulosta numeroina, tavoitettasi ei ole muotoiltu oikein ja sitä on harkittava uudelleen. Jos esimerkiksi asetat tavoitteeksi "liiketoimintamme laajentamisen", tämä tavoite ei ole mitattavissa, koska et ole määrittänyt, mitä tulosta mittaat. Eli saavuttaa tietty voittotaso, vähentää henkilöstön vaihtuvuutta tietylle tasolle, päästä kärkeen.

Mitta-asteikot.

Asteikko on mittaustyökalu, joka on numeerinen järjestelmä, jossa empiiristen objektien ominaisuudet ilmaistaan ​​lukusarjan ominaisuuksina. Asteikko edellyttää tiettyjen sääntöjen olemassaoloa sen käytölle, esimerkiksi vastaavuuden määrittämiseksi numeroiden ja empiiristen objektien välillä.

Asteikkomuunnos - mittausobjektien uudelleennimeäminen.

Asteikkotyyppi - ryhmä vaakoja, joilla on sama muoto. Sosiologiassa käytetään neljää pääasiallista asteikkoa.

Vaakatyypit:

Nimellinen asteikko, nimiasteikko. Sitä käytetään nimen osoittamien esineiden mittaamiseen - sukupuoli, asuinalue, poliittiseen puolueeseen kuuluminen.

Järjestysasteikko. Mittaa yhteensopivuuden tasoa lausunnon kanssa, tyytyväisyyden astetta.

Intervalli asteikko. Mittaa iän, tulot intervalliarvoissa.

Suhteen mittakaava. Mittaa palvelusaikaa, ikää, tuloja.

20. Eräitä tehokkuusteorian käsitteitä. Tehokkuus. Kriteerit ja suoritusindikaattorit. Suorituskykykriteerien vaatimukset.

Järjestelmän tehokkuus

Tehokkuusteoria. Sovellusalue. Tehokkuusteorian avulla voit arvioida johtamisjärjestelmän käytön tehokkuutta ja valita parhaan organisaation sen soveltamiseen tietyissä olosuhteissa.

Essence. Teorian ydin on arvioida järjestelmän tehokkuutta tavoitteen saavuttamisessa ja siihen käytettyjä ponnisteluja. Tehokkuusteoriat ottavat huomioon kolme prosessin suorituskyvyn indikaattoriryhmää, jotka kuvaavat:

Tavoitteen saavuttamisen aste (tavoitevaikutukset);

Resurssikustannukset (prosessin resurssiintensiteetti);

Ajankulutus (prosessin tehokkuus).

Yleensä käyttöominaisuuksien arviointi tehdään kahden näkökohdan arvioinnina:

1. operaation tulos (tulokset);

2. algoritmi, joka tuottaa tuloksia.

Tehokkuuskriteeri on indikaattori, joka ilmaisee halutun tuloksen päämitan, joka otetaan huomioon ratkaisuvaihtoehtoja harkittaessa.

Toimenpiteen lopputuloksen laatu ja tulokset tuottava algoritmi arvioidaan toiminnan laatuindikaattoreiden mukaan, joita ovat tehokkuus, resurssiintensiteetti ja tehokkuus.

Tehokkuuskriteerin valintaprosessi, samoin kuin tavoitteen määrittelyprosessi, on pitkälti subjektiivinen, luova ja vaatii yksilöllistä lähestymistapaa kussakin yksittäistapauksessa.

21. Tehokkuustehtävät. Menetelmä "tehokkuus - kustannus" ja sen käyttömahdollisuudet.

Järjestelmän tehokkuus- tämä on järjestelmän ominaisuus täyttää tavoite tietyissä käyttöolosuhteissa ja tietyllä laadulla. Tehokkuusindikaattorit kuvaavat järjestelmän mukautumisastetta sille annettujen tehtävien suorittamiseen ja ovat yleisiä IS:n optimaalisen toiminnan indikaattoreita.

Esimerkkinä mainitaan yksi kompromissiratkaisujen löytämismenetelmistä, joka tunnetaan nimellä "kustannustehokkuus" ja jota käytetään tehtäessä sekä tärkeitä strategisia että taktisia päätöksiä.

Tarkastellaanpa "kustannustehokkuus"-analyysin käytännön soveltamisen pääpiirteitä.
Kokemus osoittaa, että tehokkaimmat hankkeet ovat usein kalleimpia. Luonnollisesti, jos harkittujen ehdotusten joukossa olisi hanke, jonka odotettu tehokkuus ylittää muiden hankkeiden odotetun tehokkuuden ja kustannukset ovat pienempiä kuin muiden hankkeiden kustannukset, valintaongelma ratkeaisi yksinkertaisesti. Tällainen projekti on edullisin.

Todellisessa päätöksentekokäytännössä tämä tapaus on kuitenkin erittäin harvinainen. Siksi todella edullisimman vaihtoehdon valitsemiseksi tarvitaan lisäanalyysi - ylimääräinen monikriteeri- ja tarkasteltavana olevassa tapauksessa kahden kriteerin arviointi.
On huomattava, että kustannustehokkuusanalyysissä ei pyritä löytämään yhtä yhteistä toimenpidettä, ainoaa kvantitatiivista arviointia, jonka avulla vaihtoehtoisia hankevaihtoehtoja voitaisiin vertailla (järjestää) mieltymysten suhteen.

Yhtä usein päätöksentekokäytännössä käytetään niin kutsuttua "kustannus-voitto" -menetelmää, jossa tarkastellaan erilaisia ​​"voittoja".

Erityyppiset "voitto" ymmärretään tässä eri kriteereiksi, jotka kuvaavat hanketta, eivätkä välttämättä luonteeltaan taloudellisia.

Yksi tämän menetelmän päävaatimuksista, joka on upotettu päätöksentekoalgoritmiin, on kyky laskea yhteen erityyppisiä "voittoja" kiinteillä numeerisilla kertoimilla, jolloin saadaan yksi yhdistelmäarvo - "voitto", joka kuvaa hanketta.

Samanlaisia ​​tietoja.

Stokastiset mallit

Kuten edellä mainittiin, stokastiset mallit ovat todennäköisyysmalleja. Samalla laskelmien tuloksena voidaan riittävällä todennäköisyydellä sanoa, mikä on analysoitavan indikaattorin arvo tekijän muuttuessa. Stokastisten mallien yleisin sovellus on ennustaminen.

Stokastinen mallintaminen on jossain määrin deterministisen tekijäanalyysin lisäys ja laajennus. Tekijäanalyysissä näitä malleja käytetään kolmesta pääsyystä:

• on tarpeen tutkia sellaisten tekijöiden vaikutusta, joille on mahdotonta rakentaa tiukasti määritettyä tekijämallia (esimerkiksi taloudellisen vipuvaikutuksen taso);

• on tarpeen tutkia monimutkaisten tekijöiden vaikutusta, joita ei voida yhdistää samaan jäykästi deterministiseen malliin;
• on tarpeen tutkia sellaisten monimutkaisten tekijöiden vaikutusta, joita ei voida ilmaista yhdellä kvantitatiivisella indikaattorilla (esimerkiksi tieteen ja teknologian kehityksen taso).

Toisin kuin jäykästi deterministinen lähestymistapa, stokastinen lähestymistapa toteuttamiseen vaatii useita ennakkoehtoja:

1. väestön läsnäolo;
2. riittävä määrä havaintoja;
3. havaintojen satunnaisuus ja riippumattomuus;
4. homogeenisuus;
5. merkkien jakautuminen lähellä normaalia;
6. erityisen matemaattisen laitteen läsnäolo.

Stokastisen mallin rakentaminen tapahtuu useissa vaiheissa:

• kvalitatiivinen analyysi (analyysin tavoitteen asettaminen, populaation määrittäminen, teho- ja tekijämerkkien määrittäminen, ajanjakson valinta, jolle analyysi suoritetaan, analyysimenetelmän valinta);
• simuloidun perusjoukon alustava analyysi (populaation homogeenisuuden tarkistaminen, poikkeavien havaintojen poissulkeminen, vaaditun otoskoon selvittäminen, tutkittujen indikaattoreiden jakautumislakien selvittäminen);
• stokastisen (regressio)mallin rakentaminen (tekijäluettelon tarkentaminen, regressioyhtälön parametrien estimaattien laskeminen, kilpailevien mallien luettelointi);
• mallin riittävyyden arviointi (tarkistaa yhtälön tilastollinen merkitsevyys kokonaisuutena ja sen yksittäiset parametrit, tarkistetaan arvioiden muodollisten ominaisuuksien vastaavuus tutkimuksen tavoitteisiin);
• mallin taloudellinen tulkinta ja käytännön käyttö (konstruoidun riippuvuuden tila-ajallisen stabiilisuuden määrittäminen, mallin käytännön ominaisuuksien arviointi).

Korrelaatio- ja regressioanalyysin peruskäsitteet

Korrelaatioanalyysi - joukko matemaattisia tilastomenetelmiä, joiden avulla voidaan arvioida satunnaismuuttujien välistä korrelaatiota kuvaavia kertoimia ja testata hypoteeseja niiden arvoista otosanalogien laskennan perusteella.

Korrelaatioanalyysi kutsutaan tilastotietojen käsittelymenetelmäksi, joka koostuu muuttujien välisten kertoimien (korrelaatioiden) tutkimisesta.

korrelaatio(jota kutsutaan myös epätäydelliseksi tai tilastolliseksi) näkyy keskimäärin massahavainnoissa, kun riippuvan muuttujan annetut arvot vastaavat tiettyä määrää riippumattoman muuttujan todennäköisiä arvoja. Selitys tälle on analysoitujen tekijöiden välisten suhteiden monimutkaisuus, joiden vuorovaikutukseen vaikuttavat huomioimattomat satunnaismuuttujat. Siksi merkkien välinen suhde ilmenee vain keskimäärin tapausten massassa. Korrelaatiolla jokainen argumentin arvo vastaa funktion satunnaisesti jakautuneita arvoja tietyllä aikavälillä.

Yleisimmässä muodossa tilaston (ja vastaavasti taloudellisen analyysin) tehtävä suhteiden tutkimisen alalla on kvantifioida niiden läsnäolo ja suunta sekä karakterisoida joidenkin tekijöiden vahvuus ja vaikutusmuoto muihin. Sen ratkaisemiseksi käytetään kahta menetelmäryhmää, joista toinen sisältää korrelaatioanalyysin menetelmät ja toinen - regressioanalyysin. Samaan aikaan monet tutkijat yhdistävät nämä menetelmät korrelaatio-regressioanalyysiksi, jolla on joitain perusteita: useiden yhteisten laskentamenetelmien olemassaolo, täydentävyys tulosten tulkinnassa jne.

Siksi tässä yhteydessä voidaan puhua korrelaatioanalyysistä laajassa merkityksessä - kun suhdetta karakterisoidaan kattavasti. Samaan aikaan on olemassa korrelaatioanalyysi suppeassa merkityksessä - kun tutkitaan yhteyden vahvuutta - ja regressioanalyysi, jonka aikana arvioidaan sen muotoa ja joidenkin tekijöiden vaikutusta muihin.

Tehtävät oikein korrelaatioanalyysi rajoittuvat mittaamaan erilaisten piirteiden välisen suhteen läheisyyttä, tunnistamaan tuntemattomia syy-suhteita ja arvioimaan tekijöitä, joilla on suurin vaikutus tuloksena olevaan ominaisuuteen.

Tehtävät taantumisanalyysi ovat riippuvuuden muodon määrittämisessä, regressiofunktion määrittämisessä, yhtälön avulla riippuvan muuttujan tuntemattomien arvojen arvioimiseksi.

Näiden ongelmien ratkaisu perustuu asianmukaisiin tekniikoihin, algoritmeihin, indikaattoreihin, mikä antaa aihetta puhua tilastollisesta suhteiden tutkimuksesta.

On huomattava, että perinteiset korrelaatio- ja regressiomenetelmät ovat laajalti edustettuina erilaisissa tietokoneiden tilastollisissa ohjelmistopaketeissa. Tutkijalle jää vain valmistella tiedot asianmukaisesti, valita analyysin vaatimukset täyttävä ohjelmistopaketti ja olla valmis tulkitsemaan tuloksia. Tietoliikenneparametrien laskemiseen on monia algoritmeja, ja tällä hetkellä on tuskin suositeltavaa suorittaa niin monimutkaista analyysiä manuaalisesti. Laskennalliset menetelmät kiinnostavat itsenäisesti, mutta tutkimuksen edellytyksenä on tiettyjen tulosten tulkintamenetelmien suhteiden, mahdollisuuksien ja rajoitusten tutkimisen periaatteiden tunteminen.

Menetelmät liitoksen tiiviyden arvioimiseksi on jaettu korrelaatioon (parametriseen) ja ei-parametriseen. Parametriset menetelmät perustuvat pääsääntöisesti normaalijakaumaestimaattien käyttöön ja niitä käytetään tapauksissa, joissa tutkittava populaatio koostuu suureista, jotka noudattavat normaalijakauman lakia. Käytännössä tämä kanta otetaan useimmiten etukäteen. Itse asiassa nämä menetelmät ovat parametrisia ja niitä kutsutaan yleisesti korrelaatiomenetelmiksi.

Ei-parametriset menetelmät eivät aseta rajoituksia tutkittujen suureiden jakautumislakiin. Niiden etuna on myös laskennan yksinkertaisuus.

autokorrelaatio- tilastollinen suhde satunnaismuuttujien välillä samasta sarjasta, mutta otettuna siirrolla, esimerkiksi satunnaisprosessia varten - ajassa siirrolla.

Parikorrelaatio

Yksinkertaisin tekniikka kahden ominaisuuden välisen suhteen tunnistamiseksi on rakentaa vastaavuustaulukko:

\Y\X\	Y 1	Y2	...	Yz	Kaikki yhteensä	Y i
x1	f 11		...	f 1z
x1	f 21		...	f2z
...	...	...	...	...	...	...
X r	f k1	k2	...	fkz
Kaikki yhteensä			...		n
			...			-

Ryhmittely perustuu kahteen suhteessa tutkittuun piirteeseen - X ja Y. Taajuudet f ij osoittavat X:n ja Y:n vastaavien yhdistelmien lukumäärän.

Jos f ij on järjestetty taulukossa satunnaisesti, voidaan puhua muuttujien välisen suhteen puuttumisesta. Jos muodostetaan mikä tahansa ominaisyhdistelmä f ij, on sallittua väittää yhteys X:n ja Y:n välille. Tässä tapauksessa, jos f ij keskittyy lähelle jompaakumpaa diagonaalia, on olemassa suora tai käänteinen lineaarinen suhde.

Korrelaatiotaulukon visuaalinen esitys on korrelaatiokenttä. Se on kaavio, jossa X-arvot on piirretty abskissa-akselille, Y-arvot on piirretty pitkin ordinaatta-akselia ja X:n ja Y:n yhdistelmä on esitetty pisteillä. Pisteiden sijainnin mukaan niiden keskittyminen Tiettyyn suuntaan, voidaan arvioida yhteyden olemassaolo.

korrelaatiokenttä kutsutaan XY-tason pisteiden joukkoa (X i , Y i ) (kuvat 6.1 - 6.2).

Jos korrelaatiokentän pisteet muodostavat ellipsin, jonka päädiagonaalilla on positiivinen kaltevuus (/), on olemassa positiivinen korrelaatio (esimerkki tällaisesta tilanteesta on nähtävissä kuvassa 6.1).

Jos korrelaatiokentän pisteet muodostavat ellipsin, jonka päälävistäjällä on negatiivinen kaltevuuskulma (\), on olemassa negatiivinen korrelaatio (esimerkki näkyy kuvassa 6.2).

Jos pisteiden sijainnissa ei ole säännöllisyyttä, he sanovat, että tässä tapauksessa korrelaatio on nolla.

Rivien ja sarakkeiden korrelaatiotaulukon tuloksissa on annettu kaksi jakaumaa - yksi X:lle, toinen Y:lle. Lasketaan jokaiselle X i:lle Y:n keskiarvo, ts. , kuten

Pisteiden sarja (X i , ) antaa graafin, joka havainnollistaa tehollisen piirteen Y keskiarvon riippuvuutta tekijästä X, - empiirinen regressioviiva, näyttää kuinka Y muuttuu X:n muuttuessa.

Pohjimmiltaan sekä korrelaatiotaulukko että korrelaatiokenttä ja empiirinen regressioviiva kuvaavat suhdetta jo etukäteen, kun tekijä- ja tuloksena olevat ominaisuudet valitaan ja joudutaan muotoilemaan oletuksia suhteen muodosta ja suunnasta. Samalla yhteyden läheisyyden kvantitatiivinen arviointi vaatii lisälaskelmia.

Mikä tahansa todellinen prosessi erikoinen satunnaiset vaihtelut, jotka johtuvat minkä tahansa tekijöiden fyysisestä vaihtelusta ajan kuluessa. Lisäksi järjestelmässä voi olla satunnaisia ​​ulkoisia vaikutuksia. Siksi samalla tuloparametrien keskiarvolla eri aikoina lähtöparametrit ovat erilaisia. Siksi, jos satunnaiset vaikutukset tutkittavaan järjestelmään ovat merkittäviä, sitä on kehitettävä todennäköisyys (stokastinen) objektimalli, jossa otetaan huomioon järjestelmän parametrien jakautumisen tilastolliset lait ja valitaan sopiva matemaattinen laite.

Rakentaessaan deterministiset mallit satunnaiset tekijät jätetään huomiotta, ottaen huomioon vain ratkaistavan ongelman erityisolosuhteet, kohteen ominaisuudet ja sisäiset yhteydet (lähes kaikki klassisen fysiikan osat on rakennettu tälle periaatteelle)

Idea determinististen menetelmien takana- mallin oman dynamiikan käyttämisessä järjestelmän evoluution aikana.

Kurssillamme nämä menetelmät ovat: molekyylidynamiikan menetelmä, jonka etuja ovat: numeerisen algoritmin tarkkuus ja varmuus; haittapuolena on hiukkasten välisten vuorovaikutusvoimien laskemisesta johtuva monimutkaisuus (N hiukkasen järjestelmässä jokaisessa vaiheessa on suoritettava
operaatiot näiden voimien laskemiseksi).

klo deterministinen lähestymistapa on annettu, ja liikeyhtälöt integroidaan ajan suhteen. Tarkastellaan monien hiukkasten järjestelmiä. Hiukkasten sijainnit antavat potentiaalisen energian osuuden järjestelmän kokonaisenergiasta ja niiden nopeudet määräävät liike-energian osuuden. Järjestelmä liikkuu liikerataa pitkin vakioenergialla vaiheavaruudessa (lisäselityksiä). Deterministisille menetelmille luonnollinen on mikrokanoninen kokonaisuus, jonka energia on liikkeen integraali. Lisäksi on mahdollista tutkia järjestelmiä, joiden liikkeen integraali on lämpötila ja (tai) paine. Tässä tapauksessa järjestelmä ei ole suljettu, ja se voidaan esittää kosketuksessa lämpösäiliöön (kanoninen kokonaisuus). Sen mallintamiseen voidaan käyttää lähestymistapaa, jossa rajoitamme järjestelmän vapausasteita (esim. asetamme ehdon
).

Kuten olemme jo todenneet, siinä tapauksessa, että prosessit järjestelmässä tapahtuvat odottamattomasti, tällaisia ​​tapahtumia ja niihin liittyviä suureita kutsutaan satunnainen ja algoritmit järjestelmän prosessien mallintamiseen - todennäköisyys (stokastinen). kreikkalainen stoohastikos- tarkoittaa kirjaimellisesti "se, joka osaa arvata".

Stokastiset menetelmät käyttävät hieman erilaista lähestymistapaa kuin deterministiset: on laskettava vain ongelman konfiguraatioosa. Järjestelmän liikemäärän yhtälöt voidaan aina integroida. Ongelmana on sitten se, kuinka suorittaa siirtymät konfiguraatiosta toiseen, jotka deterministisessä lähestymistavassa määrää impulssi. Tällaiset siirtymät stokastisissa menetelmissä suoritetaan todennäköisyysperiaatteella Markovin prosessi. Markovin prosessi on mallin oman dynamiikan todennäköisyysanalogi.

Tällä lähestymistavalla on se etu, että se pystyy mallintamaan järjestelmiä, joilla ei ole mitään sisäistä dynamiikkaa.

Toisin kuin deterministiset menetelmät, stokastiset menetelmät ovat PC:llä helpompia ja nopeampia toteuttaa, mutta lähelle todellisia arvoja saaminen edellyttää hyviä tilastoja, mikä edellyttää suuren hiukkasjoukon mallintamista.

Esimerkki täysin stokastisesta menetelmästä on Monte Carlon menetelmä. Stokastisissa menetelmissä käytetään tärkeää Markovin prosessin käsitettä (Markov-ketju). Markovin prosessi on klassisen mekaniikan prosessin todennäköisyysanalogi. Markovin ketjulle on ominaista muistin puute, eli lähitulevaisuuden tilastolliset ominaisuudet määräävät vain nykyisyys, menneisyydestä välittämättä.

Käytännössä kiireinen 2.

Random Walk -malli

Esimerkki(muodollinen)

Oletetaan, että hiukkaset sijoitetaan mielivaltaisiin paikkoihin kaksiulotteisen hilan solmuissa. Jokaisella aikavaiheella hiukkanen "hyppää" johonkin onnekkaaseen asemaan. Tämä tarkoittaa, että hiukkasella on kyky valita hypyn suunta mihin tahansa neljästä lähimmästä paikasta. Hypyn jälkeen hiukkanen "ei muista", mistä se hyppäsi. Tämä tapaus vastaa satunnaista kävelyä ja on Markovin ketju. Tuloksena jokaisessa vaiheessa on hiukkasjärjestelmän uusi tila. Siirtyminen tilasta toiseen riippuu vain edellisestä tilasta, eli järjestelmän todennäköisyys olla tilassa i riippuu vain tilasta i-1.

Mitkä fysikaaliset prosessit kiintoaineessa muistuttavat meitä kuvatun muodollisen satunnaiskävelymallin (samankaltaisuudesta)?

Tietysti diffuusio, eli useimmat, prosessit, joiden mekanismeja tarkastelimme lämmön ja massasiirron aikana (3 kurssia). Esimerkkinä muistellaan tavallista klassista itsediffuusiota kiteessä, kun atomit muuttamatta näkyviä ominaisuuksiaan ajoittain vaihtavat tilapäistä asuinpaikkaansa ja vaeltavat hilan ympäri ns. "vakanssi"-mekanismin avulla. Se on myös yksi tärkeimmistä metalliseosten diffuusiomekanismeista. Kiinteiden aineiden atomien migraatioilmiöllä on ratkaiseva rooli monissa perinteisissä ja ei-perinteisissä teknologioissa - metallurgiassa, metallintyöstyksessä, puolijohteiden ja suprajohteiden, suojapinnoitteiden ja ohutkalvojen luomisessa.

Sen löysi Robert Austen vuonna 1896 tarkkaillessaan kullan ja lyijyn leviämistä. Diffuusio- atomien pitoisuuksien uudelleenjakautumisprosessi avaruudessa kaoottisen (termisen) migraation avulla. Syitä, termodynamiikan näkökulmasta niitä voi olla kaksi: entropia (aina) ja energia (joskus). Entropian syy on kaaoksen lisääntyminen, kun veistetyn lajikkeen atomeja sekoitetaan. Energia - edistää lejeeringin muodostumista, kun on kannattavampaa olla lähellä erityyppistä atomia, ja edistää diffuusiohajoamista, kun energian saanti varmistetaan asettamalla samanlaisia ​​atomeja yhteen.

Yleisimmät diffuusiomekanismit ovat:

avoin työpaikka

solmujen välinen

siirtomekanismi

Avoinna toimimismekanismin toteuttamiseksi vaaditaan vähintään yksi avoin työpaikka. Vapaiden työpaikkojen siirto suoritetaan siirtymällä jonkin naapuriatomin vapaalle alueelle. Atomi puolestaan ​​voi suorittaa diffuusiohypyn, jos sen vieressä on vapaa paikka. Vakanssi cm, hilakohdassa olevan atomin lämpövärähtelyjaksollac, lämpötilassa T = 1330 K (6 K:lla< точки плавления), число скачков, которое совершает вакансия в 1с, путь за одну секунду-см=3 м (=10 км/ч). По прямой же путь, проходимый вакансиейсм, т. е. в 300 раз короче пути по ломаной.

Luonto tarvitsi sitä. siten, että vapaa paikka vaihtaa asuinpaikkaansa 1 sekunnissa, kulkee 3 metrin katkoviivaa pitkin ja siirtyy suoraa linjaa pitkin vain 10 μm. Atomit käyttäytyvät rauhallisemmin kuin vapaat paikat. Mutta he myös vaihtavat asuinpaikkaansa miljoona kertaa sekunnissa ja liikkuvat noin 1 m/h nopeudella.

Niin. että yksi tyhjyys useita tuhansia atomia kohden riittää siirtämään atomeja mikrotasolla lähellä sulamislämpötilaa.

Muodostetaan nyt satunnainen kävelymalli kiteen diffuusioilmiölle. Atomin vaeltaminen on kaoottista ja arvaamatonta. Vaeltavien atomien joukolle pitäisi kuitenkin ilmetä tilastollisia säännönmukaisuuksia. Harkitsemme korreloimattomia hyppyjä.

Tämä tarkoittaa, että jos
ja
on atomien liike i- ja j-hyppyissä, sitten vaeltavien atomien joukon keskiarvon jälkeen:

(keskiarvotulo = keskiarvojen tulo. Jos kävelyt ovat täysin satunnaisia, kaikki suunnat ovat yhtä suuret ja
=0.)

anna jokaisen ryhmän hiukkasen tehdä N alkeishyppyä. Sitten sen kokonaissiirtymä on:

;

ja siirtymän keskineliö

Koska korrelaatiota ei ole, toinen termi =0.

Olkoon jokaisella hyppyllä sama pituus h ja satunnainen suunta sekä keskimääräinen hyppyjen määrä aikayksikköä kohti v. Sitten

Se on selvää

Kutsutaan määrää
- vaeltavien atomien diffuusiokerroin. Sitten
;

3D-kotelolle -
.

Saimme parabolinen diffuusiolaki- siirtymän keskineliö on verrannollinen vaellusaikaan.

Juuri tämä tehtävä meidän on ratkaistava seuraavassa laboratoriotyössä - satunnaisten yksiulotteisten kävelyjen mallintamisessa.

Numeerinen malli.

Määrittelemme M hiukkasen joukon, joista jokainen tekee N askelta toisistaan ​​riippumatta oikealle tai vasemmalle samalla todennäköisyydellä. askelpituus = h.

Jokaiselle hiukkaselle lasketaan siirtymän neliö
N askeleella. Sitten laskemme yhtyeen keskiarvon -
. Arvo
, jos
, eli harhan keskineliö on verrannollinen satunnaiseen kävelyaikaan
- yhden askeleen keskimääräinen aika) - diffuusion parabolinen laki.

Stokastinen malli kuvaa tilannetta, jossa on epävarmuutta. Toisin sanoen prosessille on ominaista jonkinasteinen satunnaisuus. Adjektiivi "stokastinen" itse tulee kreikan sanasta "arvaa". Koska epävarmuus on arjen keskeinen ominaisuus, tällainen malli voi kuvata mitä tahansa.

Kuitenkin joka kerta, kun käytämme sitä, tulos on erilainen. Siksi deterministisiä malleja käytetään useammin. Vaikka ne eivät ole niin lähellä todellista tilannetta, ne antavat aina saman tuloksen ja helpottavat tilanteen ymmärtämistä, yksinkertaistavat sitä ottamalla käyttöön joukon matemaattisia yhtälöitä.

Pääpiirteet

Stokastinen malli sisältää aina yhden tai useamman satunnaismuuttujan. Hän pyrkii heijastamaan todellista elämää sen kaikissa ilmenemismuodoissa. Toisin kuin stokastinen, sen tarkoituksena ei ole yksinkertaistaa kaikkea ja pelkistää sitä tunnettuihin arvoihin. Siksi epävarmuus on sen tärkein ominaisuus. Stokastiset mallit sopivat kuvaamaan mitä tahansa, mutta niillä kaikilla on seuraavat yhteiset piirteet:

• Mikä tahansa stokastinen malli heijastaa kaikkia sen ongelman puolia, jota varten se luotiin.
• Jokaisen ilmiön lopputulos on epävarma. Siksi malli sisältää todennäköisyydet. Kokonaistulosten oikeellisuus riippuu niiden laskennan tarkkuudesta.
• Näitä todennäköisyyksiä voidaan käyttää ennustamaan tai kuvaamaan itse prosesseja.

Deterministiset ja stokastiset mallit

Toisille elämä näyttää olevan peräkkäistä toisille - prosesseja, joissa syy määrää seurauksen. Itse asiassa sille on ominaista epävarmuus, mutta ei aina eikä kaikessa. Siksi joskus on vaikea löytää selkeitä eroja stokastisten ja determinististen mallien välillä. Todennäköisyydet ovat melko subjektiivisia.

Harkitse esimerkiksi kolikonheittotilannetta. Ensi silmäyksellä näyttää siltä, ​​​​että on 50% mahdollisuus saada häntä. Siksi on käytettävä determinististä mallia. Todellisuudessa kuitenkin käy ilmi, että paljon riippuu pelaajien käsien näppäryydestä ja kolikon tasapainotuksen täydellisyydestä. Tämä tarkoittaa, että on käytettävä stokastista mallia. Aina on parametreja, joita emme tiedä. Tosielämässä syy määrää aina seurauksen, mutta on myös tiettyä epävarmuutta. Valinta determinististen ja stokastisten mallien välillä riippuu siitä, mistä olemme valmiita luopumaan - analyysin yksinkertaisuudesta vai realismista.

Kaaosteoriassa

Viime aikoina käsitys siitä, mitä mallia kutsutaan stokastiseksi, on hämärtynyt entisestään. Tämä johtuu niin kutsutun kaaosteorian kehityksestä. Se kuvaa deterministisiä malleja, jotka voivat antaa erilaisia ​​tuloksia pienellä muutoksella alkuparametreissa. Tämä on kuin johdanto epävarmuuden laskemiseen. Monet tutkijat ovat jopa myöntäneet, että tämä on jo stokastinen malli.

Lothar Breuer selitti kaiken tyylikkäästi runollisten kuvien avulla. Hän kirjoitti: "Vuoristopuro, sykkivä sydän, isorokkoepidemia, nousevan savun pylväs - kaikki tämä on esimerkki dynaamisesta ilmiöstä, jolle, kuten näyttää, joskus on ominaista sattuma. Todellisuudessa tällaiset prosessit ovat aina tietyn järjestyksen alaisia, jonka tiedemiehet ja insinöörit ovat vasta alkaneet ymmärtää. Tämä on niin kutsuttu deterministinen kaaos." Uusi teoria kuulostaa erittäin uskottavalta, minkä vuoksi monet nykyajan tiedemiehet ovat sen kannattajia. Se on kuitenkin vielä vähän kehittynyt, ja sen soveltaminen tilastollisiin laskelmiin on melko vaikeaa. Siksi käytetään usein stokastisia tai deterministisiä malleja.

Rakennus

Stokastinen alkaa alkeistulosten tilan valinnalla. Joten tilastoissa he kutsuvat luetteloa tutkittavan prosessin tai tapahtuman mahdollisista tuloksista. Sitten tutkija määrittää kunkin perustuloksen todennäköisyyden. Tämä tehdään yleensä tietyllä tekniikalla.

Todennäköisyydet ovat kuitenkin edelleen melko subjektiivinen parametri. Tämän jälkeen tutkija määrittää, mitkä tapahtumat ovat mielenkiintoisimpia ongelman ratkaisemiseksi. Sen jälkeen hän yksinkertaisesti määrittää niiden todennäköisyyden.

Esimerkki

Harkitse yksinkertaisimman stokastisen mallin rakentamisprosessia. Oletetaan, että heitämme noppaa. Jos "kuusi" tai "yksi" putoaa, voittomme on kymmenen dollaria. Tässä tapauksessa stokastisen mallin rakennusprosessi näyttää tältä:

• Määritellään alkeistulosten avaruus. Nopalla on kuusi puolta, joten "yksi", "kaksi", "kolme", ​​"neljä", "viisi" ja "kuusi" voivat pudota.
• Kunkin lopputuloksen todennäköisyys on yhtä suuri kuin 1/6 riippumatta siitä, kuinka paljon heitämme noppaa.
• Nyt meidän on määritettävä meitä kiinnostavat tulokset. Tämä on kasvojen menetys numerolla "kuusi" tai "yksi".
• Lopuksi voimme määrittää meitä kiinnostavan tapahtuman todennäköisyyden. Se on 1/3. Summaamme molempien meitä kiinnostavien alkeistapahtumien todennäköisyydet: 1/6 + 1/6 = 2/6 = 1/3.

Konsepti ja tulos

Stokastista simulaatiota käytetään usein rahapeleissä. Mutta se on välttämätön myös talousennusteissa, koska sen avulla voit ymmärtää tilannetta syvemmin kuin deterministiset. Taloustieteen stokastisia malleja käytetään usein investointipäätöksissä. Niiden avulla voit tehdä oletuksia tiettyihin omaisuuseriin tai niiden ryhmiin tehtyjen sijoitusten kannattavuudesta.

Mallintaminen tehostaa taloussuunnittelua. Sen avulla sijoittajat ja kauppiaat optimoivat varojensa jakautumisen. Stokastisen mallinnuksen käyttämisestä on aina etuja pitkällä aikavälillä. Joillakin toimialoilla sen soveltamatta jättäminen tai kyvyttömyys saattaa johtaa jopa yrityksen konkurssiin. Tämä johtuu siitä, että tosielämässä uusia tärkeitä parametreja ilmaantuu päivittäin, ja jos niitä ei ole, sillä voi olla tuhoisia seurauksia.