Обратимся на некоторое время вновь к обсуждению моделей. Теоретическая оценка ситуации, связанной с образованием очередей, может представлять собой удобную модель, и если в проблеме, с которой сталкивается организатор, других факторов кроме очереди не существует, то в качестве модели можно рассматривать сеть, характеризующуюся наличием критического пути. Однако именно Другие факторы, отличные от тех, которые были оценены при вероятностном вычислении решений, могут придти в противоречие с той ситуацией, какой она представляется при исследовании. В этом случае в проблему критического пути могут быт* введены многие факторы. Если дело обстоит именно так, то ясно, что теория не предлагает точно соответствующей научной модели. Все, что она предлагает, это метод решения часты проблемы. Всегда следует помнить, что мы говорим о системе, которая лежит в основе управляемой ситуации. Любые варианты, в которых упущена основная часть предполагающихся факторов, не могут рассматриваться в качестве научной модели. Однако все, что окажет помощь в разрешении каждой части проблемы, может только приветствоваться как способ достижения цели. По указанным причинам требуется, чтобы модели подвергались оценке с учетом реальных свойств системы.
|
|
Мы говорим о проникновении научного метода в сферу управления. Ранее говорилось не только о необходимости проведения количественного анализа предполагавшихся очевидных физических количественных величин, но также и о случайности и о риске. В последующем шла речь о важности раскрытия сущности процесса функционирования системы и была предложена идея об определении количественных соотношений в основе системы путем конструирования моделей, которые отражали бы глубокие взаимодействия всех имеющих к этому отношение факторов. Существует другой признак науки, на который до сих пор не обращалось внимания. Речь идет об идее эксперимента.
Причина, почему ученые так настойчиво стремятся экспериментировать, не является такой уж простой, какой она представляется на первый взгляд. Совершенно очевидно, что у ученого возникает желание исследовать ситуацию, которую он изучает, а эксперимент является методом исследования. Однако более глубокая причина того, почему ученый экспериментирует, заключается в том, что он пытается обосновать свою модель. Ему хочется знать, соответствует ли модель ситуации, возникающей в процессе развития событий, и постоянно ли это соответствие. Рассмотрим такой пример. Только что сдохнувшая мышь является весьма прекрасной моделью живой мыши во многих отношениях. С точки зрения анатомии она представляет собой изоморфное отображение. Тем не менее за очень короткий промежуток времени эта модель изменит естественные свойства; по истечении недели она окажется совершенно неузнаваемой, если говорить о ней как о модели. Мы просим извинения у читателя за не совсем приятный характер приведенного примера, но тем не менее случай подобного рода наилучшим образом иллюстрирует высказанную точку зрения. Ситуация, которую контролирует организатор, по существу регулируема. Это-продолжение жизнедеятельности. Ученый вынужден рисковать, когда он пытается в течение некоторого времени отображать ситуацию с помощью модели, которая сейчас выглядит правильной, но тем не менее не способна отобразить развитие ситуации через некоторое время. Эксперимент представляет собой способ внести определенные случайности в модель для того, чтобы посмотреть, каким образом реагирует модель на такие изменения. В большинстве сфер научной деятельности постановка эксперимента не вызывает особой трудности. Однако специалист по вопросам управления, имеющий дело с конкретной ситуацией, часто оказывается в большом затруднении.
|
|
Причина этого заключается в том, что наш специалист имеет дело с той же самой ситуацией, которая является предметом внимания со стороны организатора. Он пытается сообщить организатору сущность стратегии. Но эксперименты с реальной системой не всегда возможны. Поэтому специалист часто оказывается в таком положении, что ему хочется сказать организатору приблизительно следующее: «Давайте снесем это предприятие, построим базу на Северном полюсе и посмотрим, что получится». С точки зрения науки проведение такого эксперимента могло бы принести весьма существенную пользу. Однако ученый, предлагающий организатору реализовать подобный вариант, посчитал бы себя сумасшедшим.
Короче говоря, любая серия экспериментов с управляемой ситуацией, проведение которых, очень может быть, и позволило бы обеспечить получение ценной информации, может оказаться гибельной для предприятия.
Именно это и является основной причиной, почему методика конструирования моделей представляет собой предмет особой заботь; в науке управления. Ученый экспериментирует на модели вместо того, чтобы проводить натурный эксперимент. Если модель предприятия оказывается несостоятельной, то всем это безразлично, за исключением ученого. Он испытывает удовольствие, поскольку ему становится известным ограничение по эффективности исследованной им стратегии.
Процесс экспериментирования на моделях, до некоторой степени отражающих условия реальности, называется моделированием. Рассмотрим процесс моделирования, связанный с обычным стохастическим взаимодействием (подобные примеры уже рассматривались в гл. 2). Пусть у нас имеется распределение времени прибытия покупателей и распределение времени обслуживания и нам хочется знать характер образующихся очередей. При такой простой ситуации все может быть, выполнено математическими средствами. Однако если имеется гигантская сеть из стохастических процессов с громадным количеством взаимодействующих элементов и взаимосвязей, то решение возникающей задачи оказывается вне компетенции математика. Тогда в складывающейся ситуации оказывается целесообразным применение именно моделирования, причем заложенный здесь, принцип может быть продемонстрирован на следующем более простом примере.
Вернемся к распределению времени прибытия покупателей. Нам известна картина отклонений за длительный период времени, однако нет ни малейшего намека, говорящего что-либо о возможном ближайшем событии. Единственное, что нам известно, это вероятность появления покупателей, которая определяется по кривой Распределения. Давайте теперь разделим это полное суммарное распределение (точнее, площадь под соответствующей кривой) на сто равных квадратов. Это будет означать превращение гладкой кривой в гистограмму - ступенчатую функцию. В каждом квадрате мы запишем величину интервала времени, взятого с учетом той колонки, в которой встречается квадрат. Следовательно, вид распределения, которому соответствует колонка с максимальной высотой, равняется числу квадратов, отсчитанному от линии времени. В крайней правой или крайней левой части гистограммы будет только лишь по одному квадрату, поскольку частота встречаемости таких оценок слишком чала. Проделав все это, возьмем ножницы и разрежем распределение на мелкие фишки в виде квадратов, которые положим затем в шляпу и хорошенько перемешаем. В точности гдкую же процедуру проделаем с распределением времени обслуживания, «компоненты» которого положим- во вторую шляпу. Теперь можно приступать к моделированию.
|
|
Возьмем лист бумаги с нанесенным в нижней части масштабом времени и начнем запись процесса обслуживания. Кто-то должен прибыть, и прибытие данного покупателя отмечается на графике. Поскольку он всегда прибывает один, то его обслуживание можно начинать сразу же. Для этого нам необходимо узнать длительность обслуживания. Сунув руку в шляпу, где хранятся фишки с данными о времени обслуживания, вытащим какую-то одну из них. Нанесенное на ней число-это и есть время обслуживания данного покупателя. Отметим это время на графике, после чего фишку возвращаем в шляпу. Однако через некоторое время с момента прихода первого человека появляется второй. Когда же? Это выявляется после вытаскивания фишки с нанесенным на ней числом из соответствующей шляпы, после чего приход второго покупателя фиксируется на графике. Конечно, второй человек может появиться до того, как будет полностью закончено обслуживание первого покупателя (именно это нам и неизвестно). Если дело обстоит именно так, то второй покупатель встает в очередь. С другой стороны, обслуживание может закончиться до появления второго человека, и в этом случае продавец считается неполностью занятым за рассматриваемый промежуток времени.
|
|
Применение подобной процедуры позволяет произвести довольно успешную имитацию всего того, что происходит в действительности. Следует заметить, что люди появляются в случайные моменты времени, как это в действительности и происходит, поскольку у экспериментатора нет возможности узнать заранее, какая фишка будет вытащена из шляпы следующей. Однако поскольку каждое число, 'будучи выбрано, все-таки «возвращается» в шляпу, то выполнение достаточно длительного эксперимента, проводимого, скажем, ради доказательства и предполагающего многократное (десять тысяч раз) использование жребия, позволит получить четкую картину распределения времени, используемого в типичной ситуации реальной жизни. Совершенно ясно, что при соответствующей настойчивости этим методом моделирования может воспользоваться любое заинтересованное лицо, даже если речь пойдет о наиболее сложных системах. Между прочим, когда в конце Второй мировой войны методы операционного исследования начали внедряться в промышленность, именно это обстоятельство нам также было известно. Однако реализация такого метода была слишком утомительной процедурой.
Сегодня в распоряжении ученого имеется электронная вычислительная машина, которая служит ему в качестве инструмента. Все, что от него теперь требуется, - это заложить соответствующие вероятностные распределения в запоминающем устройстве вычислительной машины и предусмотреть генерирование случайных чисел, которые укажут машине, какие части распределения должны быть использованы. При проведении настоящего эксперимента приходится сталкиваться с особенностью следующего рода: никто не может сказать, как будет выглядеть фиктивная запись. Однако опять-таки можно гарантировать, что полная картина отклонений будет соответствовать реальности. Более того, нет необходимости исследовать фиктивную запись: от машины нам необходимо получить только лишь напечатанные выходные данные, по которым можно было бы судить о колебаниях очереди во времени. В случае имитации работы сложного производства следует предусмотреть машинную печать временных характеристик незанятости штатного состава, часто наблюдающейся на предприятии. Если результат выглядит неприемлемым, то штатное расписание (запасы) может быть пересмотрено и повторение эксперимента позволит определить, полностью ли занят персонал. В действительности можно нарисовать такой график, который показывал бы, каким образом потери, обусловленные недостаточной занятостью, связаны с объемом капиталовложений в создание запасов. И это как раз тот график, который необходим организатору в качестве количественной основы для принятия решений.
Очевидно, необходимость проведения громадного объема вычислений возникает в том случае, когда экспериментатор захочет испробовать буквально все виды возможных уровней запасов, все виды организации обслуживания, разновидности планов капиталовложений. Поэтому экспериментатор предлагает организатору массу идей, которые необходимо проверить.