Математические методы достижения максимального результата (эффекта) от интеграционных процессов

Эффективность производственно-коммерческой деятельности в значительной степени определяется качеством решений, повседневно принимаемым менеджерами разного уровня. В связи с этим большое значение приобретают задачи совершенствования процессов принятия логистических решений, решить которые позволяет исследование операций. Термин «исследование операций» впервые начал использоваться в 1939-1940 гг. в военной области. К этому времени военная техника и ее управление принципиально усложнилось вследствие научно-технической революции. И поэтому к началу Второй мировой войны возникла острая необходимость проведения научных исследований в области эффективного использования новой военной техники, количественной оценки и оптимизации принимаемых командованием решений. В послевоенный период успехи новой научной дисциплины были востребованы в мирных областях: в промышленности, предпринимательской и коммерческой деятельности, в государственных учреждениях, в учебных заведениях.

Исследование операций – это методология применения математических количественных методов для обоснования решений задач во всех областях целенаправленной человеческой деятельности. Методы и модели исследования операций позволяют получить решения, наилучшим образом отвечающие целям организации.

Основной постулат исследования операций состоит в следующем: оптимальным решением (управлением) является такой набор значений переменных, при котором достигается оптимальное (максимальное или минимальное) значение критерия эффективности (целевой функции) операции и соблюдаются заданные ограничения. Предметом исследования операций в логистике являются задачи принятия оптимальных решений в логистической системе с управлением на основе оценки эффективности ее функционирования.

Рассмотрим основные методы исследования операций, позволяющие находить наиболее эффективные решения при планировании и реализации интеграционных процессов.

Математическое программирование ("планирование") – это раздел математики, занимающийся разработкой методов отыскания экстремальных значений функции, на аргументы которой наложены ограничения. Методы математического программирования широко используются для решения распределительных задач.

Линейное программирование (ЛП) – является наиболее простым и лучше всего изученным разделом математического программирования. В нем рассматриваются задачи, у которых показатель оптимальности представляет собой линейную функцию от переменных задачи, а ограничительные условия, налагаемые на возможные решения, имеют вид линейных равенств или неравенств. Соответственно нелинейное программирование рассматривает задачи с нелинейными целевыми функциями и ограничениями.

Задачи, решаемые с помощью сетевого моделирования (теория графов), могут быть сформулированы и решены методами линейного программирования, но специальные сетевые алгоритмы позволяют решать их более эффективно. Примеры: задачи нахождения кратчайшего пути, критического пути, максимального потока, минимизации стоимости потока в сети с ограниченной пропускной способностью и др.

Целевое программирование представляет собой методы решения задач линейного программирования с несколькими целевыми функциями, которые могут конфликтовать друг с другом.

Целочисленное линейное программирование используется для решения задач, у которых все или некоторые переменные должны принимать целочисленные значения.

Динамическое программирование предполагает разбиение задачи на несколько этапов, каждый из которых представляет собой подзадачу относительно одной переменной и решается отдельно от других подзадач.

Аппарат теории вероятностей используется во многих задачах исследования операций, например, для прогнозирования(регрессионный и корреляционный анализ), вероятностного управления запасами, моделирования систем массового обслуживания, имитационного моделирования и др.

Методы моделирования и прогнозирования временных рядов позволяют выявить тенденции изменения фактических значений параметра Y во времени и прогнозировать будущие значения Y.

Теория игр и принятия решений рассматривает процессы выбора наилучшей из нескольких альтернатив в ситуациях определенности (данные известны точно), в условиях риска (данные можно описать с помощью вероятностных распределений), в условиях неопределенности (вероятностное распределение либо неизвестно, либо не может быть определено).

Методы и модели теории нечетких множеств позволяют в математической форме представить и использовать для принятия решений субъективную словесную экспертную информацию: предпочтения, правила, оценки значений количественных и качественных показателей.