Основы теории систем и системного анализа

l — средняя скорость поступления заказов и

m — средняя скорость выполнения заказов (штук в единицу времени), и таким образом задана величина b = l / m—  интенсивность нагрузки станции.

Уже по этим данным оказывается возможным построить простейшую модель системы. Будем обозначать X число заказов, находящихся в очереди на обслуживании в единицу времени, и попытаемся построить схему случайных событий для определения вероятности P (X).

Событие — в очереди находятся точно X заказов может наблюдаться в одной из четырех ситуаций.

· В очереди было X заказов (A1), за это время не поступило ни одного нового заказа (A2) и за это же время не был выполнен ни один заказ из находящихся в работе (A3).

· В очереди было X — 1 заказов (B1), за это время поступил один новый заказ (B2) и за это же время не был выполнен ни один заказ из находящихся в работе (B3).

· В очереди было X + 1 заказов (C1), за это время не поступило ни одного нового заказа (C2) и за это же время был выполнен один заказ из находящихся в работе (C3).

· В очереди было X заказов (D1), за это время поступил один новый заказа (D2) и за это же время был выполнен один заказ из находящихся в работе (D3).

Такая схема событий предполагает особое свойство «технологии» нашей системы — вероятность поступления более одного заказа за рассматриваемую единицу времени и вероятность выполнения более одного заказа за то же время считаются равными 0.

Это не такое уж «вольное» допущение — длительность отрезка времени всегда можно уменьшить до необходимых пределов.

А далее все очень просто. Перемножая вероятности событий A1.3, B1.3, C1.3, D1.3, мы определим вероятности каждого из вариантов интересующего нас события — в течение заданного нами интервала времени длина очереди не поменялась..

Несложные преобразования суммы вероятностей всех четырех вариантов такого события приведут нас к выражению для вероятности длины очереди в X заказов:

P (X) = bx ·(1-b), {3−13}

а также для математического ожидания длины очереди:

MX = b / (1-b). {3−14}

Оценить полезность такого моделирования позволят простые примеры. Пусть мы решили иметь всего лишь 50%-ю интенсивность нагрузки станции, то есть вдвое «завысили» ее пропускную способность по отношению к потоку заказов.

Тогда для b = 0.5 имеем следующие данные:

Таблица 3.4

Очередь

0

1

2

3

4 и более

Вероятность

0.5

0.25

0.125

0.0625

0.0625

Обобщим полученные результаты:

· вероятность отсутствия очереди оказалась точно такой же, как и ее наличия;

· очередь в 4 и более заказа практически невероятна;

· математическое ожидание очереди составляет ровно 1 заказ.

Наше право (если мы и есть ЛПР!) — принять такую интенсивность или отказаться от нее, но все же у нас есть определенные показатели последствий такого решения.

Полезно проанализировать ситуации с другими значениями интенсивности нагрузки станции.

Таблица 3.5

b

1 / 2

3 / 4

7 / 8

15 / 16

Mx

1

3

7

15

Обратим теперь внимание еще на одно обстоятельство — мы полагали известной информацию только о средней скорости (ее математического ожидания) выполнения заказов. Иными словами, мы считали время выполнения очередного заказа независящим ни от его «содержания» (помыть автомобиль или ликвидировать следствия аварии), ни от числа заказов, «стоящих в очереди».

В реальной жизни это далеко не всегда так и хотелось бы хоть как-то учесть такую зависимость. И здесь теория приходит на помощь (тому, кто понимает ее возможности).

Если нам представляется возможность установить не только само m(среднюю или ожидаемую скорость обработки заказа), но и разброс этой величины Dm (дисперсию), то можно будет оценить среднее число заказов в очереди более надежно (именно так — не точнее, а надежнее!):

Mx = 0.5 ·. {3 — 15}

  • Моделирование в условиях противодействия, игровые модели
  • Как уже неоднократно отмечалось, системный анализ невозможен без учета взаимодействий данной системы с внешней средой. Ранее упоминалась необходимость учитывать состояния природы —  большей частью случайных, стохастических воздействий на систему.

    Конечно, природа не мешает (но и не помогает) процессам системы осознанно, злонамеренно или, наоборот, поощряюще.Поэтому учет внешних природных воздействий можно рассматривать как «игру с природой», но в этой игре природа — не противник, не оппонент, у нее нет цели существования вообще, а тем более — цели противодействия нашей системе.

    Совершенно иначе обстоит дело при учете взаимодействий данной системы с другими, аналогичными или близкими по целям своего функционирования. Как известно, такое взаимодействие называют конкуренцией и ситуации жизни больших систем-монополистов крайне редки, да и не вызывают особого интереса с позиций теории систем и системного анализа.

    Особый раздел науки — теория игр позволяет хотя бы частично разрешать затруднения, возникающие при системном анализе в условиях противодействия. Интересно отметить, что одна из первых монографий по этим вопросам называлась «Теория игр и экономического поведения» (авторы — Нейман и Моргенштерн, 1953 г., имеется перевод) и послужила своеобразным катализатором развития методов линейного программирования и теории статистических решений.

    В качестве простого примера использования методов теории игр в экономике рассмотрим следующую задачу.

    Пусть вы имеете всего три варианта стратегий в условиях конкуренции S1,S2 и S3 (например — выпускать в течение месяца один из 3 видов продукции). При этом ваш конкурент имеет всего два варианта стратегий C1 и C2 (выпускать один из 2 видов своей продукции, в каком то смысле заменяющей продукцию вашей фирмы). При этом менять вид продукции в течение месяца невозможно ни вам, ни вашему конкуренту.

    Пусть и вам, и вашему конкуренту достоверно известны последствия каждого из собственных вариантов поведения, описываемые следующей таблицей.