Представление результатов решения примера 1 и их анализ
Из статистического отчёта мы видим, что средний доход составляет 4 479 000 р., стандартное отклонение – 197 033 р. и ширина доверительного интервала (для определения среднего) при 95 %-м уровне надёжности – 412 395 р. Нас интересует также интервал значений дохода (разница между максимальным и минимальным значениями). Он составляет 2 960 000 р. Остальные данные мы рассматривать не будем.
Выполненные нами 20 прогонов модели дают относительно небольшую выборку данных для статистической обработки. При увеличении числа репликаций стандартная ошибка и связанный с ней доверительный интервал для среднего значения будут уменьшаться. Двадцать репликаций были взяты здесь для примера. По указанному образцу можно повторить вычисления и большее количество раз. Заметим, что в данном случае не имеет особого смысла добиваться большой точности определения среднего значения Д, так как нас больше интересует его разброс, т.е. минимальное и максимальное значения, которые определяются функциями распределения случайных переменных (Сп) и Ц. Этот разброс не уменьшается с увеличением количества прогонов модели.
Наглядно представить распределение значений дохода можно при помощи графиков. В Excel есть несколько средств их построения. В нашем случае для этого лучше всего использовать команду Анализ данных в меню Сервис и в открывшемся окне выбрать функцию Гистограмма (ОК). В появившемся окне (рис. 2.7) нужно выбрать ячейки таблицы, содержащие результаты моделирования (I4:I23), обозначить область, куда будет выводиться гистограмма (мы выбрали Новый рабочий лист) и что надо выводить (Вывод графика). На рис. 2.8 показана частично отредактированная гистограмма, из которой видно, что значения дохода, получаемые с наибольшей вероятностью, лежат ближе к максимальным значениям, т.е. наша гистограмма заметно несимметрична. Это связано с относительно малым числом репликаций.
Рис. 2.7. Диалоговое окно построения гистограммы
Рис. 2.8. Гистограмма распределения дохода
Изменяя величину заказа в ячейке В3 первого листа таблицы, можно получить ряд средних значений (З) дохода. На рис. 2.9 приведён сглаженный график зависимости среднего значения Д от З. Из рисунка видно, что максимальный доход достигается при величине заказа 30 тыс. пар. При меньшей величине З доход падает из-за того, что товара не хватает, чтобы покрыть спрос, а при больших значениях З также наблюдается спад вследствие того, что часть товара приходится распродавать по низким ценам. В данном случае ответ кажется тривиальным. Величина заказа должна соответствовать максимуму функции распределения. В общем случае это не так.
Вертикальные линии на рис. 2.9 обозначают разброс величины Д от минимального до максимального значений. Чтобы получить график зависимости Д от З надо сначала сформировать таблицу (рис. 2.10), в которой записаны значения З, а также соответствующие им средние и стандартные отклонения Д. Затем, в меню Вставка выбираем команду: Диаграмма (можно сразу воспользоваться пиктограммой в строке команд). В открывшемся окне мастера диаграмм надо выбрать: Тип – Точечная и в окне Вид − один из предлагаемых вариантов (мы выбрали диаграмму со значениями, соединёнными сглаживающими линиями без маркеров). После этого нажимаем кнопку Далее> и в открывшейся вкладке Диапазон данных в графе Диапазон указываем строки (или столбцы), содержащие значения З и среднего Д (Далее>). Заполнение других вкладок мастера диаграмм оставляем на ваше усмотрение.
Рис. 2.9. Зависимость величины дохода от объёма заказа
Заказ | 10 000 | 15 000 | 20 000 | 25 000 | 30 000 | 35 000 | 40 000 |
Средний доход | 4 510 000 | 6 906 000 | 9 034 000 | 11 461 250 | 12 550 155 | 11 444 952 | 8 983 753 |
Станд. отклонение | 1 005 234 | 1 113 668 | 1 770 044 | 2 161 863 | 2 727 643 | 4 200 708 | 4 276 431 |
Рис. 2.10. Таблица с результатами моделирования
Чтобы к полученному графику добавить «усы», показывающие разброс значений, надо навести курсор на линию графика и сделать двойной щелчок левой клавишей мыши. В открывшемся окне Формат ряда данных выбираем вкладку Y-погрешности, отмечаем показ обеих планок погрешностей по оси Y и вводим адреса ячеек таблицы, содержащих значения погрешностей (рис. 2.11). В итоге мы должны получить график, подобный тому, который изображён на рис. 2.9.
Рис. 2.11. Заполнение вкладки Y-погрешности
- Оптимизация бизнес-процессов
- Предисловие
- Введение
- Программное обеспечение
- Раздел 1. Проведение расчетов в ms Excel для обоснования управленческих решений
- 1.1. Примеры решения задач в Excel
- Пример 1. Расчет точки безубыточности
- Пример 2. Зависимость спроса от цены
- Контрольные вопросы и задачи для самостоятельного решения к подразделу 1.1
- 1.2. Линейное программирование. Примеры решения задач
- Пример 1. Определение оптимального состава смеси
- Пример 2. Задача об оптимальном использовании ресурсов
- Пример 3. Нахождение оптимального числа работников
- Пример 4. Транспортная модель
- Пример 5. Сравнение эффективности работы
- Пример 6. Определение пропускной способности
- Пример 7. Инвестиционная политика компании
- Контрольные вопросы и задачи для самостоятельного решения к подразделу 1.2
- 1.3. Основы линейного программирования
- Контрольные вопросы и задачи для самостоятельного решения к подразделу 1.3
- Раздел 2. Моделирование стохастических процессов в ms Excel
- 2.1. Использование средств ms Excel для моделирования стохастических процессов
- Пример 1. Определение оптимального заказа
- Представление результатов решения примера 1 и их анализ
- Пример 2. Конкурс проектов
- Контрольные вопросы и задачи для самостоятельного решения к подразделу 2.1
- 2.2. Использование надстроек к ms Excel для моделирования и решения задач управления
- 2.2.1. Программа @Risk
- 2.2.2. Программа PrecisionTree
- Пример 3. Участие в аукционе
- Контрольные вопросы и задачи для самостоятельного решения к подразделу 2.2
- Раздел 3. Использование среды визуального программирования Arena для моделирования систем обслуживания
- 3.1. Краткое описание программной среды Arena
- 3.1.1. Описание интерфейса
- 3.1.2. Создание простейших моделей
- 3.2. Примеры простых моделей
- 3.2.1. Модель работы парикмахерской
- 3.2.2. Предварительный анализ модели
- 3.2.3. Совершенствование модели парикмахерской
- 3.2.4. Основы анимации в Arena
- 3.2.5. Оптимизация моделей в Arena
- 3.2.6. Модель пополнения запасов
- 3.2.7. Анимация перемещения
- Контрольные вопросы и задачи для самостоятельного решения к разделу 3
- Раздел 4. Краткий обзор общих вопросов моделирования
- 4.1. Стадии процесса моделирования
- 4.2. Классификация моделей
- 4.3. Элементы моделей в Arena
- 4.4. Основные сведения о случайных величинах
- Контрольные вопросы и задачи для самостоятельного решения к разделу 4
- Заключение
- Приложение Случайные величины и функции распределения случайных величин
- Функции распределения дискретных величин
- Функции распределения непрерывных величин
- Оценка параметров распределения случайных величин
- Предметный указатель
- Рекомендуемый Библиографический Список
- Оглавление
- Раздел 1. Проведение расчетов в ms Excel для обоснования управленческих решений 10
- Раздел 2. Моделирование стохастических процессов в ms Excel 43
- Раздел 3. Использование среды визуального программирования Arena для моделирования систем обслуживания 74
- Раздел 4. Краткий обзор общих вопросов моделирования 141
- Оптимизация бизнес-процессов
- 6 80021, Г. Хабаровск, ул. Серышева, 47