Struktur sistem ekonomi informasi. Pemodelan proses bisnis menggunakan stiker dan selembar kertas. Model, Objek, dan Hubungan

Untuk kegiatan manajemen, khususnya dalam proses pengambilan keputusan, model yang paling berguna adalah model yang diekspresikan dalam kata-kata atau rumus, algoritme, dan cara matematis lainnya.

Dasar manajemen berdasarkan loyalitas diletakkan pada tahun 1908 oleh profesor Harvard J. Royce. Dia adalah penulis buku "Filsafat Kesetiaan", di mana konsep "kesetiaan" didefinisikan secara ilmiah untuk pertama kalinya.

Dalam kerangka model verbal yang diusulkan, loyalitas bisnis dipertimbangkan dari sudut pandang tiga aspek dasar independen: loyalitas konsumen, loyalitas karyawan dan loyalitas investor.

Setiap kali, kata "kesetiaan" berarti sesuatu yang berbeda Meskon M.Kh., Albert M., Hedouri F. Fundamentals of Management / Per. dari bahasa Inggris. - M., 2002. - P. 456.:

komitmen (dari sudut pandang pembeli),

Integritas (dari sudut pandang karyawan),

· Saling percaya, menghormati dan mendukung (dari sudut pandang investor).

Namun, terlepas dari komponen yang diucapkan, sistem ini harus dipertimbangkan hanya secara keseluruhan, karena tidak mungkin menciptakan pelanggan yang loyal tanpa memperhatikan loyalitas karyawan, atau menumbuhkan loyalitas karyawan tanpa memperhatikan loyalitas investor. Tak satu pun dari bagian dapat eksis secara terpisah dari dua lainnya, tetapi ketiganya bersama-sama memungkinkan organisasi untuk mencapai ketinggian yang belum pernah terjadi sebelumnya dalam pengembangan.

Harus dipahami dengan jelas bahwa manajemen berbasis loyalitas terutama berfokus pada orang. Pertama-tama, orang-orang dan peran mereka dalam bisnis yang dipertimbangkan di sini. Ini lebih merupakan model motivasi dan perilaku daripada pengembangan pemasaran, keuangan atau produksi. Hanya kedua, manajemen berbasis loyalitas menggeneralisasi orang ke dalam kategori yang lebih abstrak dan mengelola proses teknis.

Seperti yang diperlihatkan oleh praktik, orang selalu lebih bersedia bekerja untuk organisasi yang memiliki tujuan pelayanan daripada organisasi yang ada hanya untuk "menghasilkan uang". Karena itu, orang rela bekerja di gereja atau di organisasi publik.

Manajer yang ingin berhasil menggunakan model manajemen efek loyalitas tidak boleh mempertimbangkan laba sebagai tujuan utama, tetapi sebagai elemen yang diperlukan untuk kesejahteraan dan kelangsungan hidup tiga komponen dari setiap sistem bisnis: pelanggan, karyawan, dan investor. Bahkan di awal abad kedua puluh. G. Ford mengatakan bahwa “sebuah organisasi tidak dapat bekerja tanpa keuntungan, ... jika tidak, ia akan mati. Tetapi membuat organisasi hanya demi keuntungan ... berarti membawanya ke kematian tertentu, karena ia tidak akan memiliki insentif untuk eksis ” Drucker P.F. Tugas manajemen di abad XXI. - M., 2001. - S.523 ..

Dasar dari model loyalitas yang dipertimbangkan bukanlah keuntungan, tetapi daya tarik pelanggan tambahan, sebuah proses yang secara sadar atau tidak sadar mendasari sebagian besar organisasi yang sukses. Menciptakan jumlah pembeli yang ditargetkan menembus semua area bisnis perusahaan. Kekuatan yang mengatur hubungan antara pelanggan, karyawan, dan investor disebut kekuatan loyalitas. Ukuran keberhasilannya adalah apakah pelanggan kembali untuk membeli lebih banyak, atau apakah mereka pergi ke tempat lain, mis. apakah mereka setia.

Sebagai alasan, loyalitas memulai beberapa efek ekonomi yang mempengaruhi seluruh sistem bisnis dengan cara berikut Repin V.V., Eliferov V.G. Pendekatan proses untuk manajemen: Pemodelan proses bisnis. - M., 2005. - Edisi ke-2. - H.245.:

1. Keuntungan dan saham tumbuh ketika pembeli yang paling menjanjikan mencakup seluruh rangkaian kegiatan perusahaan, menciptakan hal-hal baik tentangnya opini publik dan tetap berbelanja. Karena penawaran yang besar dan berkualitas tinggi, perusahaan dapat lebih pilih-pilih ketika memilih pelanggan baru dan fokus pada proyek yang lebih menguntungkan dan berpotensi loyal untuk menarik mereka, yang selanjutnya merangsang pertumbuhan jangka panjangnya.

2. Pertumbuhan jangka panjang memungkinkan perusahaan untuk menarik dan mempertahankan karyawan terbaik. Mempertahankan jumlah pembeli yang ditargetkan secara konsisten meningkatkan loyalitas karyawan, memberi mereka rasa bangga dan kepuasan kerja. Selanjutnya, dalam proses interaksi, karyawan tetap belajar lebih banyak tentang pelanggan tetap mereka, khususnya, bagaimana melayani mereka dengan lebih baik sehingga volume pembelian tumbuh. Peningkatan volume penjualan ini memacu loyalitas pelanggan dan loyalitas karyawan.

3. Karyawan yang setia di jangka panjang belajar mengurangi biaya dan meningkatkan kualitas kerja (learning effect). Organisasi dapat menggunakan produktivitas ekstra ini untuk memperluas sistem penghargaan, untuk membeli peralatan terbaik dan belajar. Semua ini, pada gilirannya, akan memacu produktivitas karyawan, pertumbuhan penghargaan dan, akibatnya, loyalitas.

4. Spiral produktivitas ini memberikan keunggulan biaya yang sangat sulit untuk ditiru oleh organisasi yang sepenuhnya kompetitif. Keuntungan biaya jangka panjang, ditambah dengan pertumbuhan yang stabil dalam jumlah pelanggan setia, membawa keuntungan yang sangat menarik bagi investor. Hal ini, pada gilirannya, meningkatkan kemampuan perusahaan untuk menarik dan mempertahankan investor yang "tepat".

5. Investor yang setia bertindak seperti mitra. Mereka menstabilkan sistem, menurunkan biaya peningkatan modal, dan memastikan bahwa arus kas yang dialihkan dimasukkan kembali ke dalam bisnis sebagai investasi. Ini memperkuat organisasi dan meningkatkan kapasitas produktifnya.

Tanpa ragu, setiap organisasi itu unik, tetapi tetap saja, pada tingkat tertentu, indikator keuntungannya akan cocok model umum efek ekonomi yang berasal dari kegigihan atau loyalitas pelanggan. Di antaranya, berikut ini patut dicatat Meskon M.Kh., Albert M., Hedouri F. Fundamentals of Management/Per. dari bahasa Inggris. - M., 2002. - S. 358.:

keuntungan dasar (harga yang dibayarkan oleh pembeli yang baru muncul melebihi biaya organisasi untuk membuat produk);

pertumbuhan pendapatan (sebagai aturan, jika pembeli puas dengan parameter produk, ia cenderung meningkatkan volume pembelian dari waktu ke waktu);

Menghemat biaya (keakraban dekat dengan produk organisasi mengurangi ketergantungan pembeli pada karyawannya untuk informasi dan saran);

Ulasan (pelanggan puas dengan tingkat layanan merekomendasikan organisasi kepada teman dan kenalan mereka);

harga tambahan (pelanggan tetap yang bekerja sama dengan organisasi cukup lama untuk mengeksplorasi semua produk dan layanannya menerima lebih banyak secara tidak proporsional dari melanjutkan hubungan dan tidak memerlukan diskon atau promosi tambahan).

Untuk menilai potensi loyalitas jangka panjang yang sebenarnya dari seorang pelanggan atau sekelompok pelanggan, perlu diketahui kecenderungan mereka untuk menunjukkan konsistensi. Jadi beberapa pembeli akan membelot ke pesaing dengan diskon 2%, sementara yang lain akan tetap dengan selisih harga 20%. Jumlah usaha yang diperlukan untuk memikat berbagai jenis pelanggan disebut rasio loyalitas. Di beberapa organisasi, sejarah perkembangan atau perilaku pelanggan di segmen individu digunakan untuk menilai koefisien loyalitas Repin V.V., Eliferov V.G. Pendekatan proses untuk manajemen: Pemodelan proses bisnis. - M., 2005. - Edisi ke-2. - P.232.. Di tempat lain, terutama mereka yang masa depannya terkait lemah dengan masa lalu, mereka mencoba mencari tahu dengan metode analisis data seberapa besar diskon yang harus diberikan agar pembeli pergi ke organisasi mereka. Namun terlepas dari semua tantangan pengukuran, menggunakan metrik loyalitas memungkinkan organisasi untuk mengidentifikasi retensi pelanggan dan menerapkan praktik yang baik yang terbukti di satu departemen di seluruh organisasi.

Pengembangan sistem pengukuran, analisis dan kontrol Arus kas yang diperoleh dari loyalitas dapat mengarahkan organisasi pada investasi yang selanjutnya akan menjamin pertumbuhan jumlah pelanggan dan organisasi secara keseluruhan.

Jadi, model loyalitas dibuktikan secara rinci di tingkat verbal. Pembenaran ini menyebutkan dukungan matematis dan komputer. Namun, mereka tidak diharuskan untuk membuat keputusan awal.

Dengan analisis situasi yang lebih menyeluruh, model verbal, sebagai suatu peraturan, tidak cukup. Hal ini diperlukan untuk menggunakan cukup kompleks model matematika. Jadi, ketika membuat keputusan dalam manajemen sistem produksi Kuzin B.I., Yuriev V.N., Shakhdinarov G.M. digunakan. Metode dan model manajemen perusahaan: Proc. untuk universitas. - SPb., 2001. - Hal.327.

model proses teknologi(terutama model kontrol dan manajemen);

Model untuk memastikan kualitas produk (khususnya, model untuk menilai dan mengendalikan keandalan);

model antrian;

Model manajemen persediaan (model logistik);

Simulasi dan model ekonometrik perusahaan secara keseluruhan, dll.

• meningkatkan model "sebagaimana mestinya". Pemodelan proses bisnis tidak terbatas pada pembuatan model “bagaimana seharusnya”. Setiap proses terus berubah dan meningkat di sepanjang jalan, sehingga model proses harus ditinjau dan ditingkatkan secara teratur. Tahap pemodelan ini dikaitkan dengan perbaikan proses yang berkelanjutan dan peningkatan model proses bisnis.

Jenis pemodelan proses bisnis

Pemodelan proses bisnis dapat memiliki fokus yang berbeda. Itu tergantung pada masalah apa yang seharusnya dipecahkan dengan bantuannya. Menghitung secara mutlak semua pengaruh pada proses dapat secara signifikan memperumit model dan menyebabkan redundansi dalam deskripsi proses. Untuk menghindari hal ini, pemodelan proses bisnis dibagi berdasarkan jenisnya. Jenis simulasi dipilih tergantung pada karakteristik proses yang diteliti.

Paling sering, untuk tujuan perbaikan proses, jenis pemodelan berikut digunakan:

• Pemodelan fungsional. Jenis pemodelan ini menyiratkan deskripsi proses dalam bentuk fungsi yang saling berhubungan dan terstruktur dengan jelas. Pada saat yang sama, urutan fungsi temporal yang ketat, dalam bentuk yang ada dalam proses nyata, tidak diperlukan.
• Pemodelan Objek- menyiratkan deskripsi proses sebagai satu set objek yang berinteraksi - mis. unit produksi. Objek adalah objek apa pun yang ditransformasikan selama eksekusi proses.
• Simulasi- dengan pemodelan proses bisnis jenis ini, dimaksudkan untuk memodelkan perilaku proses dalam berbagai kondisi eksternal dan internal dengan analisis karakteristik dinamis proses dan analisis distribusi sumber daya.

Pembagian pemodelan berdasarkan jenis dilakukan untuk menyederhanakan pekerjaan dan fokus pada karakteristik tertentu dari proses. Dalam hal ini, untuk proses yang sama dapat diterapkan jenis yang berbeda pemodelan. Ini memungkinkan Anda untuk bekerja dengan satu jenis model secara independen dari yang lain.

Prinsip-prinsip pemodelan proses bisnis

Pemodelan proses bisnis didasarkan pada sejumlah prinsip yang memungkinkan untuk membuat model proses yang memadai. Ketaatan mereka memungkinkan untuk menggambarkan satu set parameter status proses sedemikian rupa sehingga dalam satu model komponen saling berhubungan erat, sementara model individu tetap cukup independen satu sama lain.

Prinsip-prinsip utama pemodelan proses bisnis adalah sebagai berikut:

• Prinsip penguraian– setiap proses dapat diwakili oleh satu set elemen yang tersusun secara hierarkis. Sesuai dengan prinsip ini, proses harus dirinci ke dalam elemen-elemen penyusunnya.
• Prinsip Fokus– untuk mengembangkan model, perlu abstrak dari banyak parameter proses dan fokus pada aspek-aspek kunci. Untuk setiap model, aspek ini mungkin berbeda.
• Prinsip dokumentasi– elemen yang termasuk dalam proses harus diformalkan dan diperbaiki dalam model. Penunjukan yang berbeda harus digunakan untuk elemen proses yang berbeda. Memperbaiki elemen dalam model tergantung pada jenis pemodelan dan metode yang dipilih.
• Prinsip konsistensi- semua elemen yang termasuk dalam model proses harus memiliki interpretasi yang jelas dan tidak saling bertentangan.
• Prinsip kelengkapan dan kecukupan- sebelum memasukkan elemen ini atau itu dalam model, perlu untuk mengevaluasi dampaknya terhadap proses. Jika elemen tersebut tidak esensial untuk eksekusi proses, maka tidak disarankan untuk memasukkannya ke dalam model, karena itu hanya dapat memperumit model proses bisnis.

Metode untuk memodelkan proses bisnis

Saat ini, ada cukup banyak metode untuk memodelkan proses bisnis. Cara-cara ini untuk jenis yang berbeda pemodelan dan memungkinkan Anda untuk fokus pada aspek yang berbeda. Mereka berisi alat grafis dan tekstual, di mana Anda dapat memvisualisasikan komponen utama dari proses dan memberikan definisi yang tepat dari parameter dan hubungan elemen.

Paling sering di manajemen mutu pemodelan proses bisnis dilakukan dengan menggunakan metode berikut:

Flow Chart Diagram (diagram alur kerja) adalah metode grafis yang mewakili suatu proses di mana operasi, data, peralatan proses, dll digambarkan dengan simbol khusus. Metode ini digunakan untuk menampilkan urutan logis dari tindakan proses. Keuntungan utama dari metode ini adalah fleksibilitasnya. Prosesnya dapat direpresentasikan dalam banyak cara.

Data Flow Diagram (diagram aliran data). Diagram aliran data atau DFD digunakan untuk menunjukkan transfer informasi (data) dari satu operasi proses ke operasi lainnya. DFD menggambarkan hubungan operasi melalui informasi dan data. Metode ini adalah dasar dari analisis struktural proses, karena memungkinkan Anda untuk menguraikan proses ke tingkat logis. Setiap proses dapat dipecah menjadi sub-proses pada tingkat detail yang lebih tinggi. Penggunaan DFD memungkinkan Anda untuk mencerminkan hanya aliran informasi, tetapi bukan aliran materi. Diagram aliran data menunjukkan bagaimana informasi masuk dan keluar dari suatu proses, tindakan apa yang mengubah informasi, di mana informasi disimpan dalam suatu proses, dan sebagainya.

Role Activity Diagram (diagram peran). Ini digunakan untuk memodelkan proses dalam hal peran individu, kelompok peran, dan interaksi peran dalam suatu proses. Peran adalah elemen abstrak dari proses yang melakukan beberapa fungsi organisasi. Diagram peran menunjukkan tingkat "tanggung jawab" untuk proses dan operasinya, serta interaksi peran.

IDEF (Definisi Terintegrasi untuk Pemodelan Fungsi) - adalah seluruh rangkaian metode untuk menjelaskan berbagai aspek proses bisnis (IDEF0, IDEF1, IDEF1X, IDEF2, IDEF3, IDEF4, IDEF5). Metode-metode ini didasarkan pada metodologi SADT (Structured Analysis and Design Technique). Metode IDEF0 dan IDEF3 paling sering digunakan untuk memodelkan proses bisnis.

Pemodelan adalah pembuatan model, yaitu gambar suatu objek yang menggantikannya, untuk memperoleh informasi tentang objek tersebut dengan melakukan eksperimen dengan modelnya.

Model dalam pengertian umum (generalized model) adalah objek khusus yang dibuat untuk tujuan memperoleh dan (atau) menyimpan informasi (dalam bentuk gambaran mental, deskripsi dengan sarana tanda atau sistem material), yang mencerminkan sifat, karakteristik dan koneksi dari objek asli yang bersifat arbitrer, penting untuk tugas, diselesaikan oleh subjek.

Model objek adalah sistem yang lebih sederhana, dengan jelas; struktur, hubungan yang didefinisikan secara tepat antara bagian-bagian penyusunnya, memungkinkan analisis yang lebih rinci tentang sifat-sifat objek nyata dan perilakunya dalam situasi yang berbeda. Dengan demikian, pemodelan adalah alat untuk menganalisis sistem dan objek yang kompleks.

Sejumlah persyaratan wajib diajukan untuk model. Pertama, model harus sesuai dengan objek, yaitu, sesuai dengannya semaksimal mungkin dalam hal properti yang dipilih untuk dipelajari.

Kedua, model harus lengkap. Ini berarti bahwa ia harus memungkinkan, dengan bantuan metode dan metode yang tepat untuk mempelajari model, untuk menyelidiki objek itu sendiri, yaitu, untuk memperoleh beberapa pernyataan mengenai sifat-sifatnya, prinsip-prinsip operasi, dan perilakunya dalam kondisi tertentu.

Himpunan model yang diterapkan dapat diklasifikasikan menurut kriteria berikut:

· metode pemodelan;

sifat sistem yang dimodelkan;

skala pemodelan.

Menurut metode pemodelan, jenis model berikut dibedakan:

· analitis, ketika perilaku objek pemodelan digambarkan dalam bentuk dependensi fungsional dan kondisi logis;

· simulasi, di mana proses nyata dijelaskan oleh satu set algoritma yang diterapkan pada komputer.

Menurut sifat sistem yang dimodelkan, model dibagi menjadi:

· untuk deterministik, di mana semua elemen objek pemodelan secara konstan didefinisikan dengan jelas;

· ke stokastik, ketika model menyertakan kontrol acak.

Tergantung pada faktor waktu, model dibagi menjadi statis dan dinamis. Model statis (diagram, grafik, diagram aliran data) memungkinkan seseorang untuk menggambarkan struktur sistem yang dimodelkan, tetapi tidak memberikan informasi tentang keadaan saat ini, yang berubah seiring waktu. Model dinamis memungkinkan untuk menggambarkan perkembangan proses yang terjadi dalam sistem dari waktu ke waktu. Tidak seperti model statis, model dinamis memungkinkan Anda memperbarui nilai variabel, model itu sendiri, secara dinamis menghitung berbagai parameter proses dan hasil dampak pada sistem.

Model dapat dibagi menjadi beberapa jenis berikut:

1) Model fungsional - mengungkapkan hubungan langsung antara variabel endogen dan eksogen.

2) Model dinyatakan dengan menggunakan sistem persamaan terhadap besaran endogen. Mereka mengungkapkan rasio keseimbangan antara berbagai indikator ekonomi (misalnya, model keseimbangan input-output).

3) Model tipe optimasi. Bagian utama dari model adalah sistem persamaan terhadap variabel endogen. Tetapi tujuannya adalah untuk menemukan solusi optimal untuk beberapa indikator ekonomi (misalnya, untuk menemukan nilai tarif pajak seperti itu untuk memastikan aliran dana maksimum ke anggaran untuk periode waktu tertentu).

4) Model simulasi - refleksi yang sangat akurat dari fenomena ekonomi. Model simulasi memungkinkan Anda menjawab pertanyaan: "Apa yang akan terjadi jika ...". Sistem simulasi adalah seperangkat model yang mensimulasikan jalannya proses yang sedang dipelajari, dikombinasikan dengan sistem khusus program tambahan dan basis informasi, yang memungkinkan untuk menerapkan perhitungan varian dengan cukup sederhana dan cepat.

Dalam hal ini, persamaan matematika mungkin mengandung dependensi stokastik yang kompleks, non-linier.

Di sisi lain, model dapat dibagi menjadi terkontrol dan prediktif. Model terkelola menjawab pertanyaan: "Apa yang akan terjadi jika ...?"; "Bagaimana mencapai apa yang Anda inginkan?" dan berisi tiga kelompok variabel: 1) variabel yang mencirikan keadaan objek saat ini; 2) tindakan kontrol - variabel yang mempengaruhi perubahan dalam keadaan ini dan dapat menerima pilihan yang disengaja; 3) data awal dan pengaruh eksternal, yaitu mengatur parameter dan parameter awal secara eksternal.

Dalam model prediktif, kontrol tidak diidentifikasi secara eksplisit. Mereka menjawab pertanyaan: "Apa yang akan terjadi jika semuanya tetap sama?".

Selanjutnya, model dapat dibagi menurut metode pengukuran waktu menjadi kontinu dan diskrit. Bagaimanapun, jika waktu hadir dalam model, maka model itu disebut dinamis. Paling sering, waktu diskrit digunakan dalam model, karena informasi diterima secara terpisah: laporan, neraca, dan dokumen lainnya disusun secara berkala. Tetapi dari sudut pandang formal, model kontinu mungkin lebih mudah dipelajari. Perhatikan bahwa dalam ilmu fisika ada diskusi berkelanjutan tentang apakah waktu fisik sebenarnya kontinu atau diskrit.

Biasanya, model sosial ekonomi yang cukup besar mencakup bagian materi, keuangan, dan sosial. Bagian material - keseimbangan produk, kapasitas produksi, tenaga kerja, sumber daya alam. Ini adalah bagian yang menjelaskan proses fundamental, ini adalah level yang biasanya tidak terkontrol dengan baik, terutama yang cepat, karena sangat inersia.

Bagian keuangan berisi saldo arus kas, aturan pembentukan dan penggunaan dana, aturan penetapan harga, dll. Pada tingkat ini, banyak variabel terkontrol dapat diidentifikasi. Mereka bisa menjadi regulator. Bagian sosial berisi informasi tentang perilaku orang. Bagian ini memperkenalkan banyak ketidakpastian ke dalam model pengambilan keputusan, karena sulit untuk memperhitungkan dengan benar faktor-faktor seperti produktivitas tenaga kerja, pola konsumsi, motivasi, dll.

Ketika membangun model yang menggunakan waktu diskrit, metode ekonometrika sering digunakan. Diantaranya, persamaan regresi dan sistemnya sangat populer. Lag sering digunakan (penundaan reaksi). Untuk sistem yang parameternya nonlinier, penerapan metode kuadrat terkecil menemui kesulitan.

Saat ini pendekatan populer untuk proses rekayasa ulang bisnis didasarkan pada penggunaan aktif model matematika dan informasi.

Saat membangun model proses manajemen apa pun, diinginkan untuk mematuhi rencana aksi berikut:

1) Merumuskan tujuan mempelajari sistem;

2) Pilih faktor, komponen dan variabel yang paling signifikan untuk tugas ini;

3) Memperhitungkan dalam satu atau lain cara faktor asing yang tidak termasuk dalam model;

4) Evaluasi hasil, cek model, evaluasi kelengkapan model.

Proses pemodelan itu sendiri dapat direpresentasikan sebagai sebuah siklus, di mana lima tahap dapat dibedakan:

1. Pernyataan masalah dan analisisnya - fitur penting disorot

dan sifat-sifat objek, hubungan unsur-unsur dalam struktur objek diselidiki, hipotesis dirumuskan, perilaku dan perkembangan objek dijelaskan.

2. Membangun model - jenis model dipilih, kemungkinan penerapannya untuk menyelesaikan tugas dievaluasi, daftar parameter yang ditampilkan dari objek yang dimodelkan dan hubungan di antara mereka ditentukan. Untuk objek kompleks, kemungkinan membangun beberapa model yang mencerminkan berbagai aspek fungsi objek ditentukan.

3. Penyusunan informasi awal – data dikumpulkan tentang objek (berdasarkan studi model). Kemudian diolah menggunakan metode teori probabilitas, statistik matematis dan prosedur ahli.

4. Melakukan perhitungan dan menganalisis hasil percobaan - keandalan hasil dinilai.

5. Penerapan hasil dalam praktik - bekerja dengan simulasi

objek, dengan mempertimbangkan sifat-sifat yang seharusnya diperoleh dalam studi model. Pada saat yang sama, diasumsikan bahwa sifat-sifat ini dengan tingkat probabilitas yang cukup sebenarnya melekat pada objek ini. Ketentuan terakhir harus didasarkan pada hasil tahap sebelumnya.

Jika hasil yang diperoleh pada tahap kelima tidak mencukupi, objek itu sendiri atau lingkungannya telah berubah, maka ada pengembalian ke tahap pertama dan perjalanan baru dari siklus pemodelan.

Penggunaan komputer modern, sistem komputasi, dan jaringan adalah cara yang ampuh untuk menerapkan model simulasi dan mempelajari karakteristik proses fungsi sistem dengan bantuan mereka. S. Dalam beberapa kasus, tergantung pada kompleksitas objek pemodelan, yaitu sistem S, penggunaan rasional komputer pribadi (PC) atau jaringan area lokal (LAN). Bagaimanapun, efektivitas penelitian sistem S pada model yang diimplementasikan perangkat lunak M s pertama-tama, itu tergantung pada kebenaran skema algoritma pemodelan, kesempurnaan program, dan hanya secara tidak langsung tergantung pada spesifikasi komputer yang digunakan untuk simulasi. Yang sangat penting dalam implementasi model pada komputer adalah pertanyaan tentang pilihan bahasa pemodelan yang benar.

Sistem pemodelan dan bahasa pemrograman. Bahasa algoritma ketika memodelkan sistem, mereka berfungsi sebagai alat bantu untuk pengembangan, implementasi mesin, dan analisis karakteristik model. Setiap bahasa pemodelan harus mencerminkan struktur konsep tertentu untuk menggambarkan kelas fenomena yang luas. Setelah memilih bahasa tertentu untuk memecahkan masalah pemodelan proses fungsi sistem, peneliti memiliki sistem abstraksi yang dikembangkan dengan hati-hati yang memberinya dasar untuk memformalkan proses berfungsinya sistem yang sedang dipelajari. dan keluaran hasil simulasi memungkinkan Anda menganalisis secara cepat dan terperinci kemungkinan hasil percobaan simulasi dengan model M m.

Poin utama yang menjadi ciri kualitas bahasa pemodelan adalah: kenyamanan menggambarkan proses fungsi sistem S, kemudahan input data simulasi input dan variasi struktur, algoritma dan parameter model, kelayakan pemodelan statistik, efisiensi analisis dan output hasil simulasi, kemudahan debugging dan kontrol program simulasi, aksesibilitas persepsi dan penggunaan bahasa. Masa depan bahasa pemodelan ditentukan oleh kemajuan di bidang pembuatan sistem multimedia untuk simulasi mesin, serta sistem informasi dan komputasi yang berorientasi pada masalah untuk tujuan pemodelan.

Pertimbangkan konsep dasar yang terkait dengan bahasa algoritmik dan implementasinya di komputer pada umumnya dan bahasa pemodelan pada khususnya.

Bahasa pemrograman adalah sekumpulan karakter yang dikenali oleh komputer dan menunjukkan operasi yang dapat diimplementasikan pada komputer. Pada tingkat terendah adalah bahasa utama mesin, program yang ditulis dalam kode yang secara langsung sesuai dengan tindakan mesin dasar (penambahan, menghafal, meneruskan ke alamat yang diberikan, dll.). Tingkat berikutnya ditempati oleh kode otomatis (bahasa PERAKITAN) mesin komputasi. Program autocode terdiri dari simbol mnemonic yang diubah menjadi kode mesin oleh program khusus - assembler.

Penyusun Sebuah program disebut program yang mengambil instruksi yang ditulis dalam bahasa algoritmik tingkat tinggi dan mengubahnya menjadi program dalam bahasa utama mesin atau dalam kode otomatis, yang dalam kasus terakhir diterjemahkan lagi menggunakan assembler.

Penerjemah Sebuah program disebut program yang, setelah menerima instruksi dari bahasa input, segera melakukan operasi yang sesuai, berbeda dengan kompiler, yang mengubah instruksi ini menjadi rantai perintah yang mudah diingat. Penerjemahan terjadi selama seluruh waktu program ditulis dalam bahasa juru bahasa. Sebaliknya, kompilasi dan perakitan adalah tindakan tunggal menerjemahkan teks dari bahasa input ke dalam bahasa objek mesin, setelah program yang dihasilkan dieksekusi tanpa panggilan berulang ke penerjemah.

Sebuah program yang ditulis dalam kode mesin atau dalam bahasa PERAKITAN, selalu mencerminkan spesifikasi komputer tertentu. Instruksi dari program semacam itu sesuai dengan operasi mesin tertentu dan, oleh karena itu, hanya masuk akal di komputer yang dimaksudkan, oleh karena itu bahasa seperti itu disebut bahasa berorientasi mesin.

Sebagian besar bahasa interpreter dan compiler dapat diklasifikasikan sebagai bahasa yang berorientasi prosedural. Bahasa-bahasa ini secara kualitatif berbeda dari bahasa berorientasi mesin, yang menggambarkan operasi komputer dasar dan tidak memiliki orientasi masalah. Semua bahasa prosedural dimaksudkan untuk kelas masalah tertentu, termasuk instruksi yang nyaman untuk merumuskan cara untuk memecahkan masalah khas kelas ini. Algoritme yang sesuai diprogram dalam notasi yang tidak terkait dengan komputer mana pun.

Bahasa pemodelan adalah bahasa yang berorientasi prosedural dengan fitur-fitur tertentu. Bahasa pemodelan utama dikembangkan sebagai pendekatan simulasi perangkat lunak untuk mempelajari proses berfungsinya kelas sistem tertentu.

Fitur penggunaan bahasa algoritmik. Pertimbangkan keuntungan dan kerugian menggunakan untuk pemodelan proses fungsi sistem bahasa simulasi(JIM) dan bahasa tujuan umum(NON), yaitu, bahasa algoritmik universal dan berorientasi prosedural. Kegunaan menggunakan NIM berasal dari dua alasan utama: 1) kenyamanan pemrograman model sistem, yang memainkan peran penting dalam implementasi mesin dari algoritma pemodelan; 2) orientasi konseptual bahasa ke kelas sistem, yang diperlukan pada tahap membangun model sistem dan memilih arah umum penelitian dalam eksperimen komputer yang direncanakan. Praktik pemodelan sistem menunjukkan bahwa penggunaan NIM sangat menentukan keberhasilan simulasi sebagai metode studi eksperimental objek nyata yang kompleks.

Bahasa pemodelan memungkinkan penggambaran sistem simulasi dalam istilah yang dikembangkan berdasarkan konsep dasar simulasi. Sebelum konsep-konsep ini didefinisikan dengan jelas dan diformalkan dalam JIM, tidak ada cara umum deskripsi tugas simulasi, dan tanpa mereka tidak ada hubungan antara berbagai perkembangan di bidang pengaturan eksperimen simulasi. Bahasa pemodelan tingkat tinggi adalah sarana komunikasi yang nyaman antara pelanggan dan pengembang model mesin M m .

Terlepas dari keunggulan JIM ini, argumen yang kuat, baik teknis maupun operasional, sekarang diajukan untuk menentang pengabaian sepenuhnya bahasa universal dan prosedural dalam pemodelan. Keberatan teknis terhadap penggunaan JIM: pertanyaan tentang efektivitas program kerja, kemungkinan men-debugnya, dll. Sebagai kekurangan operasional, kurangnya dokumentasi tentang JIM yang ada, sifat penerjemah yang sesuai yang murni individual, yang mempersulit implementasinya pada berbagai komputer, dan kesulitan mengoreksi kesalahan disebutkan. Penurunan efisiensi NIM dimanifestasikan ketika masalah pemodelan yang lebih beragam daripada yang dirancang bahasa pemodelan tertentu. Tetapi di sini perlu dicatat bahwa saat ini tidak ada NON yang akan efektif dalam memecahkan masalah kelas mana pun.

Kekurangan serius JIM dimanifestasikan dalam kenyataan bahwa, tidak seperti LDL yang banyak digunakan, penerjemah yang disertakan dalam perangkat lunak yang disediakan oleh pabrikan untuk semua komputer modern, bahasa pemodelan, dengan beberapa pengecualian, dikembangkan oleh organisasi individu untuk tujuan mereka sendiri. kebutuhan khusus yang sempit. Penerjemah yang sesuai kurang dijelaskan dan diadaptasi untuk digunakan dalam memecahkan masalah pemodelan sistem, oleh karena itu, terlepas dari keuntungan NIM, seseorang harus meninggalkan aplikasi praktisnya dalam sejumlah kasus tertentu.

Saat membuat sistem pemodelan berdasarkan bahasa apa pun, perlu untuk menyelesaikan masalah sinkronisasi proses dalam model, karena pada setiap momen waktu yang mengalir dalam sistem (waktu sistem), mungkin perlu untuk memproses beberapa peristiwa, mis. , organisasi pseudo-paralel dari proses simulasi dalam model mesin diperlukan M m . Ini adalah tugas utama dari monitor simulasi, yang melakukan fungsi-fungsi berikut: kontrol proses (koordinasi sistem dan waktu mesin) dan manajemen sumber daya (pemilihan dan distribusi alat sistem simulasi terbatas dalam model).

Pendekatan untuk pengembangan bahasa pemodelan. Sampai saat ini, ada dua pendekatan berbeda untuk pengembangan bahasa pemodelan: kontinu dan diskrit - mencerminkan fitur utama dari sistem yang dipelajari dengan metode pemodelan. Oleh karena itu, NIM dibagi menjadi dua kelompok independen, yang sesuai dengan dua jenis imitasi yang dikembangkan secara independen satu sama lain: untuk mensimulasikan proses kontinu dan diskrit.

Untuk memodelkan proses berkelanjutan, tidak hanya AVM, tetapi juga komputer, yang terakhir, dengan pemrograman yang sesuai, meniru berbagai proses berkelanjutan. Pada saat yang sama, komputer lebih andal dalam pengoperasiannya dan memungkinkan untuk memperoleh akurasi hasil yang tinggi, yang mengarah pada pengembangan bahasa pemodelan yang menampilkan model dalam bentuk blok jenis yang memainkan peran blok standar. AVM(penguat, integrator, generator fungsi, dll.). Skema algoritma pemodelan yang diberikan diubah menjadi sistem persamaan diferensial yang dipertimbangkan bersama. Pemodelan dalam hal ini pada dasarnya direduksi untuk menemukan solusi numerik untuk persamaan ini menggunakan beberapa metode langkah-demi-langkah standar.

Contoh bahasa untuk memodelkan sistem kontinu pada komputer dengan merepresentasikan sistem yang dimodelkan dalam bentuk persamaan dalam perbedaan hingga adalah bahasa DINAMO, yang persamaan membangun hubungan antara nilai-nilai fungsi pada saat-saat waktu t dan t+dt dan antara nilai turunannya pada waktu t+dt/2. Dan dalam hal ini, simulasi, pada dasarnya, adalah solusi langkah demi langkah dari sistem persamaan diferensial yang diberikan .

Universal komputer- perangkat dari jenis diskrit, dan karena itu harus memberikan perkiraan diskrit dari proses berfungsinya sistem yang sedang dipelajari S. Perubahan terus-menerus dalam proses fungsi sistem nyata ditampilkan dalam model diskrit M m, diimplementasikan pada komputer, dengan urutan peristiwa diskrit tertentu, dan model seperti itu disebut model kejadian diskrit. Peristiwa individu yang tercermin dalam model diskrit dapat ditentukan dengan tingkat pendekatan yang tinggi terhadap kenyataan, yang memastikan kecukupan model diskrit tersebut untuk proses nyata yang terjadi dalam sistem. S.

Arsitektur bahasa pemodelan. arsitektur JIM, yaitu, konsep keterkaitan unsur-unsur bahasa sebagai sistem yang kompleks, dan teknologi transisi dari sistem S ke model mesinnya M s dapat direpresentasikan sebagai berikut: 1) pemodelan objek (sistem) S) dideskripsikan (ditampilkan dalam bahasa) menggunakan beberapa atribut bahasa; 2) atribut berinteraksi dengan proses yang memadai untuk fenomena nyata dalam sistem simulasi S; 3) proses memerlukan kondisi khusus yang menentukan dasar logis dan urutan interaksi proses ini dalam waktu; 4) kondisi mempengaruhi peristiwa yang terjadi di dalam objek simulasi (sistem 5) dan saat berinteraksi dengan lingkungan luar E; 5) peristiwa mengubah keadaan model sistem M dalam ruang dan waktu.

Diagram khas arsitektur NIM dan teknologi penggunaannya dalam pemodelan sistem ditunjukkan pada gambar. 5.1.

Dalam kebanyakan kasus, model mesin digunakan untuk mempelajari karakteristik dan perilaku sistem. S selama periode waktu tertentu, oleh karena itu salah satu yang paling tugas penting saat membuat model sistem dan memilih bahasa pemrograman untuk model, dua fungsi diimplementasikan: 1) menyesuaikan koordinat waktu status sistem (waktu "maju", mengatur "jam"); 2) memastikan konsistensi berbagai blok dan peristiwa dalam sistem (sinkronisasi waktu, koordinasi dengan blok lain).

Dengan demikian, fungsi model Mm harus berjalan dalam waktu buatan (tidak nyata dan tidak dalam komputer), memastikan terjadinya peristiwa dalam urutan yang diperlukan oleh logika sistem yang dipelajari dan dengan interval waktu yang tepat di antara mereka. Pada saat yang sama, harus diperhitungkan bahwa elemen-elemen dari sistem nyata S berfungsi secara bersamaan (secara paralel), dan komponen model mesin M m bertindak secara berurutan, karena diimplementasikan menggunakan komputer sekuensial. Karena peristiwa dapat terjadi secara bersamaan di berbagai bagian objek pemodelan, maka untuk menjaga kecukupan hubungan temporal sebab-akibat, perlu dibuat "mekanisme" untuk pengaturan waktu di JIM untuk menyinkronkan tindakan elemen dari model sistem.

Mengatur waktu dalam model mesin. Seperti yang sudah dicatat dalam Bab. 3, ada dua pendekatan utama untuk mengatur waktu: menggunakan interval waktu konstan dan variabel, yang sesuai dengan dua prinsip untuk penerapan algoritma pemodelan, yaitu, "prinsip D t" dan "prinsip d z".

Pertimbangkan metode manajemen waktu yang tepat dalam model sistem NONA) pada contoh yang ditunjukkan pada Gambar. 5.2, di mana urutan kejadian dalam sistem diplot sepanjang sumbu waktu nyata ( s saya) dalam waktu, dan peristiwa s 4 dan s 5 terjadi secara bersamaan (Gbr. 5.2, sebuah). Didorong oleh peristiwa s saya status model berubah z saya pada saat itu t zi, dan perubahan seperti itu terjadi secara tiba-tiba dz.

Dalam model yang dibangun sesuai dengan "prinsip D t"(Gbr. 5.2, b), momen waktu sistem secara berurutan akan mengambil nilai:

t " 1 = D t, t " 2 = 2D t, t " 3 = 3D t, t " 4 = 4D t, t " 5 = 5D t.

Momen waktu sistem ini t " j(D t) sama sekali tidak terkait dengan momen terjadinya peristiwa s saya, yang disimulasikan dalam model sistem. Dalam hal ini, waktu sistem menerima kenaikan konstan, yang dipilih dalam waktu yang ditentukan sebelum dimulainya percobaan simulasi.

Dalam model yang dibangun sesuai dengan "prinsip" dz"(Gbr. 5.2, di), perubahan waktu terjadi pada saat perubahan keadaan sistem, dan urutan momen waktu sistem berbentuk t "" 1 = t z 1 , t "" 2 = t z 2 , t "" 3 = t z 3 , t "" 4 = t z 4 , t "" 5 = t z 5 , yaitu titik waktu sistem t "" k (dz), berhubungan langsung dengan momen terjadinya peristiwa dalam sistem s saya .

Masing-masing metode ini memiliki keunggulan tersendiri dalam hal refleksi yang memadai dari kejadian nyata dalam sistem. S dan biaya sumber daya mesin untuk pemodelan.

Saat menggunakan "prinsip d z" acara diproses secara berurutan dan waktu digeser setiap kali maju sampai awal acara berikutnya. Dalam model yang dibangun sesuai dengan "prinsip D t", pemrosesan acara terjadi oleh kelompok, batch atau set acara. Dalam hal ini, pilihan D t memiliki dampak yang signifikan terhadap jalannya proses dan hasil simulasi, dan jika D t diatur secara tidak benar, hasilnya mungkin tidak dapat diandalkan, karena semua peristiwa muncul pada titik yang sesuai dengan batas atas setiap interval simulasi. Saat menerapkan "prinsip d z" Pemrosesan peristiwa secara simultan dalam model hanya terjadi ketika peristiwa-peristiwa ini muncul secara bersamaan dalam sistem nyata. Ini menghindari kebutuhan untuk secara artifisial memperkenalkan peringkat peristiwa ketika mereka diproses pada akhir interval. Pada.

Saat memodelkan sesuai dengan "prinsip D t" pendekatan yang baik dapat dicapai: untuk D ini t harus kecil sehingga dua kejadian yang tidak bersamaan tidak jatuh ke dalam selang waktu yang sama. Tetapi penurunan D t mengarah pada peningkatan biaya waktu komputer untuk pemodelan, karena sebagian besar dihabiskan untuk menyesuaikan "jam" dan melacak peristiwa, yang mungkin tidak terjadi di sebagian besar interval. Dalam hal ini, bahkan dengan "kompresi" yang kuat D t dua peristiwa yang tidak bersamaan dapat jatuh ke dalam interval waktu yang sama D t, yang menciptakan kesan palsu tentang keserempakan mereka.

Untuk memilih prinsip membangun model mesin M m dan karenanya, JIM perlu mengetahui: maksud dan tujuan model; akurasi yang dibutuhkan dari hasil simulasi; biaya waktu komputer saat menggunakan satu atau prinsip lain; jumlah memori mesin yang diperlukan untuk mengimplementasikan model yang dibangun sesuai dengan prinsip D t dan d z; kompleksitas pemrograman model dan debugging-nya.

Persyaratan untuk bahasa simulasi. Jadi, ketika mengembangkan model sistem, sejumlah kesulitan khusus muncul, oleh karena itu, seperangkat alat dan konsep perangkat lunak yang tidak ditemukan di NON konvensional harus disediakan di NIM.

Kombinasi. Aliran paralel dalam sistem nyata S proses diwakili oleh komputer yang beroperasi secara berurutan. Bahasa pemodelan mengatasi kesulitan ini dengan memperkenalkan konsep waktu sistem, yang digunakan untuk mewakili peristiwa yang diatur waktu.

Ukuran. Sebagian besar sistem yang disimulasikan memiliki struktur dan algoritma perilaku yang kompleks, dan modelnya berukuran besar. Oleh karena itu, alokasi memori dinamis digunakan ketika komponen model sistem M m muncul di memori akses acak komputer atau meninggalkannya, tergantung pada keadaan saat ini. Sebuah aspek penting Realisasi model M m pada komputer dalam hal ini adalah sifat blok dari desainnya, yaitu kemungkinan membagi model menjadi blok, subblok, dll.

Perubahan. Sistem dinamis dikaitkan dengan gerakan dan dicirikan oleh perkembangan proses, akibatnya konfigurasi spasial sistem ini mengalami perubahan seiring waktu. Oleh karena itu, di semua RIM, mereka menyediakan pemrosesan daftar yang mencerminkan perubahan status proses fungsi sistem yang disimulasikan S.

Keterkaitan. Kondisi yang diperlukan untuk berbagai peristiwa terjadi dalam model M m proses operasi sistem S, bisa sangat sulit karena kehadirannya jumlah yang besar hubungan timbal balik antara komponen model. Untuk mengatasi kesulitan yang terkait dengan masalah ini, sebagian besar JIM menyertakan kemungkinan logis dan konsep teori himpunan yang sesuai.

Stokastisitas. Untuk mensimulasikan peristiwa dan proses acak, program khusus digunakan untuk menghasilkan urutan nomor pseudo-acak, kuasi-seragam didistribusikan selama interval tertentu, atas dasar yang memungkinkan untuk mendapatkan efek stokastik pada model M m, ditiru oleh acak variabel dengan hukum distribusi yang sesuai.

Analisis. Untuk memperoleh jawaban yang jelas dan praktis atas pertanyaan-pertanyaan yang diselesaikan dengan metode simulasi mesin, perlu diperoleh karakteristik statistik dari proses berfungsinya model sistem. NONA). Oleh karena itu, bahasa pemodelan menyediakan metode untuk pemrosesan statistik dan analisis hasil pemodelan.

Persyaratan yang tercantum dalam studi dan desain berbagai sistem S sesuai dengan bahasa pemodelan acara diskrit yang terkenal seperti SIMULA, SIMSCRIPT, GPS, S.O.L. CSL dan sebagainya.

Untuk sarana perangkat lunak

mengaitkan:

alat pemodelan proses manajemen;

tugas kontrol yang khas;

metode pemrograman matematika, statistik matematika, teori antrian, dll.

Bagian perangkat lunak

termasuk sistemik dan terapan perangkat lunak, sebaik dokumentasi teknis

Perangkat lunak sistem

termasuk Sistem operasi untuk platform perangkat keras bekas, berbagai cangkang operasi yang meningkatkan tingkat antarmuka pengguna, sistem pemrograman, program untuk bekerja di jaringan, pengujian sistem, program untuk mengelola jaringan, basis data.

Aplikasi piranti lunak

dapat bersifat umum atau khusus.

berorientasi pada tugas. Itu dapat disesuaikan untuk kasus penggunaan tertentu. DBMS, pengolah kata, spreadsheet, program pengenalan teks dan ucapan, pembuat laporan untuk sistem basis data, dll. digunakan sebagai alat tersebut.

Perangkat lunak khusus

dibuat untuk tertentu sistem Informasi atau untuk kelas sistem dengan tujuan yang sempit.

Perangkat lunak aplikasi biasa

bisa untuk tujuan umum atau khusus domain, serta khusus platform perangkat keras atau seluler.

Dokumentasi teknis untuk perangkat lunak harus berisi deskripsi tugas, model tugas ekonomi dan matematika, daftar modul perangkat lunak dari algoritma program, daftar simbol yang digunakan, kasus uji.

Dukungan Informasi

Tujuan dari subsistem pendukung informasi adalah pembentukan modern dan penerbitan informasi yang dapat diandalkan untuk diadopsi. keputusan manajemen.

Dukungan Informasi

Totalitas sistem terpadu untuk mengklasifikasikan dan mengkodekan informasi, sistem dokumentasi terpadu, skema arus informasi yang beredar dalam suatu organisasi, serta metodologi untuk membangun database.

Untuk dukungan linguistik IP

termasuk bahasa alami dan buatan, serta sarana dukungan linguistiknya: kamus kosakata bahasa alami, tesauri (kamus khusus konsep dasar bahasa, dilambangkan dengan kata atau frasa individual, dengan hubungan semantik tertentu di antara mereka) area subjek, kamus terjemahan, dll.

Dukungan organisasi- seperangkat metode dan alat yang mengatur interaksi karyawan dengan sarana teknis dan di antara mereka sendiri dalam proses pengembangan dan pengoperasian sistem informasi.

Dukungan organisasi mengimplementasikan fungsi-fungsi berikut:

analisis sistem manajemen organisasi yang ada, di mana SI akan digunakan, dan identifikasi tugas yang akan diotomatisasi;

persiapan tugas untuk diselesaikan di komputer, termasuk tugas teknis untuk desain SI dan studi kelayakan efektivitasnya;

pengembangan keputusan manajemen tentang komposisi dan struktur organisasi, metodologi untuk memecahkan masalah yang ditujukan untuk meningkatkan efisiensi sistem manajemen.

Dukungan organisasi. EIS mencakup aparatus kontrolnya sendiri, yang memastikan berfungsinya dan berkembangnya semua subsistem. Fungsi utamanya adalah untuk berkembang.