Model x Proces Přednáška k předmětu: Počítačová podpora řízení

Prezentace na téma: "Model x Proces Přednáška k předmětu: Počítačová podpora řízení"— Transkript prezentace:

1 Model x Proces Přednáška k předmětu: Počítačová podpora řízení
Alternativně: Tvorba dynamického modelu Sestavení procesního modelu Sledování výkonnosti procesu Verifikace dynamického modelu Řízení výkonnosti procesů … Předmět : Počítačová podpora řízení K126 PPR1 Obor : E LS, 2017, K126 EKO Přednášky/cvičení : Doc. Ing. P. Dlask, Ph.D. aaaa

2 Obsah Rekapitulace, checklisty úloh Dynamický model Fáze tvorby modelu
Analogie procesního modelu Rekapitulace dovedností Zkouškové příklady

3 Checklisty zpracování
Chybí výchozí legenda k řešení úlohy Desetinná místa upravit např. 6, na 6,2 Do grafů nedávat 4000 hodnot (přiměřené množství pokud je možné) Chybí legenda všech barevných vstupů/výstupů Legenda symbolů (RtPopt, RtProd, …) Nadpisy Řady1, Řady2, … pryč Popisy „tlačítko1“, „tlačítko2“ pryč Linkování externích zdrojů (data97.xls) Vysokoškolská úroveň zpracování! Název dodržovat např. jako Matatko03.xlsm, Klaudova04.xlsm Není kompletní krycí list Dostatečný popis grafických výstupů Nejsou popisy grafů, osy, nadpis, legenda Široké grafy jsou mimo monitor Není zapojená navigace

4 Tvorba modelu “I'm no model lady. A model's just an imitation of the real thing.” Mae West, actress

5 ??? Co chci zjistit? Vývoj standardu v čase (výroba) Množství
Je dostatečná produkce? Je zajištěn odbyt? Je dostatečná kapacita dopravy? Jsou k dispozici pracovníci? Jsou k dispozici skladové prostory? Je k dispozici technologie? Výroba tvárnic Čas

6 Multioborová aplikace
Vývoj standardu v čase (výroba) Množství Obecné postupy lze aplikovat v různých oborech (při tvorbě různých modelů). ??? Je dostatečná produkce? Je zajištěn odbyt? Je dostatečná kapacita dopravy? Jsou k dispozici pracovníci? Jsou k dispozici skladové prostory? Je k dispozici technologie? Výroba ponožek Čas

7 Proces tvorby modelu Modelář + Počítač Realita Formalizace Verifikace
(Circle of Model Life) Modelář + Počítač Realita Formalizace Verifikace Formální model Výsledky Kalibrace Vstupy Phases of the model creation Intelligence phase Design phase Running phase Phases of the DSS Intelligence phase Design phase Choice phase dále viz Modelová při řízení, str. 36

8 Proces tvorby modelu, komentář zpracování
(Circle of Model Life) Výběr jevu pro jeho formalizaci Popis vstupních parametrů Popis okolí jevu, vazba na okolí Popsat, co sleduji Popsat, co chci zjistit Analýza výsledků Porovnání výsledků s předpoklady Vyhodnocení rozdílů Seřízení vstupů Příprava nového výpočtu Realita Zjednodušení reality Definice symbolů Flowchart Sběr dat pro řešení Kalibrace Formalizace Modelář + Počítač Výběr relevantních vstupů Popis vstupů Stanovení počtu vstupů Definice časového měřítka Výpočet výchozích hodnot Výsledky Tisk výsledných hodnot Tisk průběžných výsledků Prezentace výsledků Vstupy Formální model Verifikace Sestavení algoritmu výpočtu Nastavení výchozích hodnot Nastavení Min/Max modelu Nastavení výstupů Zhodnocení časového měřítka Ověření jednotek vstupů Ověření proporcí vstupů Ověření řádových poměrů Ověření výchozích hodnot dále viz Modelová při řízení, str. 36

9 Cíl úlohy/modelu Sestavit dynamický model výrobního procesu
Verifikace modelu Kalibrace modelu Aplikace řízení Ověřování strategií Sestavování scénářů

10 Procesní teorie, tvorba modelu

11 Procesy, teorie Definice procesu
Soubor vzájemně souvisejících nebo vzájemně působících činností, který přeměňuje vstupy na výstupy (EN ISO 9000 certifikace managementu kvality) Transformace (přeměna) vstupů (lidské práce, finančních zdrojů, materiálu, nemateriálních zdrojů, infrastruktury a dalších) na výstupy, které mají nějakou hodnotu (managementmania.com) Sequence of interdependent and linked procedures which, at every stage, consume one or more resources (employee time, energy, machines, money) to convert inputs (data, material, parts, etc.) into outputs (businessdictionary.com) A series of actions, changes, or functions bringing about a result (freedictionary.com)

12 Steps in model creation
1. What are we looking for? some observations about the real world, and gather all the relevant information. 2. What do we want to know? After you have decided on the initial scope of the problem, all available relevant data should be identified. 3. What do we already know from experiments and/or literature? It may be possible that someone already created a mathematical model of the process or problem that you are trying to solve. 4. How should we look at his model? Create as many diagrams of what is actually happening with the process that you are trying to model. 5. What assumptions can we make to eliminate some of the variables? Create a list of all of the assumptions that you will use to clarify the scope of the model. 6. What will our model predict? Start with a simple model, and then add complexity as needed.

13 Steps in model creation
7. What are the input & output variables? Create a list of all of your input and output variables. 8. Are the results valid? Validate your model with new experimental data or data that you have not used to create the model. Identify tests that can validate the model. 9. Constantly test your model and update your equations based upon new data and information. Source: … mathematical-modeling/

14 Another Steps in Model Creation
Gather information Make a strategy Conduct a thorough literature review Learn Data Handling So think carefully about how you are going to handle missing data. Begin with a simple model.  Identify the parameters of the equations and develop a plan how to estimate the parameters from the data. Validate your model against a data set that you have not used to build the model. Constantly test your model and update your equations based on new data and information.

15 Classifying Mathematical Models
1. Empirical – Non empirical This model is based upon experimental results. 2. Dynamic or static realistic approach, consider time or space in real time 3. Deterministic or probabilistic These models perform the same way for a given set of conditions. In a probabilistic model, randomness is present and must be accounted for by probability distributions. 4. Qualitative or Quantitative Source: … mathematical-modeling/

16 Druhy modelů 1/2 Stoch./Determ. model Modely lineární – Nelineární
(maximalizace zisků, minimalizace nákladů výrobních procesů) (řešení soustavy lineárních, nelineárních rovnic) Deterministické – Stochastické (elektrické modely, elektrodynamické, termodynamické modely) (známé stavy bez náhodných proměnných) Statické – Dynamické Oscilace zařízení (nelin.) Lineární model

17 Druhy modelů 2/2 Černá skříňka
neznámý obsah, zaměřeno na vstupy/výstupy neznalost vnitřní struktury Bílá skříňka známý obsah, známá funkčnost Šedá skříňka - částečně známý obsah (nedosahuje parametrů Bílé skříňky)

18 Měření výkonnosti pro tvorbu strategií
Ukazatele výkonnosti Celkové náklady na proces Celková doba procesu Efektivita použití nákladů Průměrný zisk na pracovníka Počet neshod v průběhu procesu Náklady na reklamace Splnění termínů procesu Klíčové ukazatele výkonnosti Key Performance Index (KPI) Key Goal Index (KGI)

19 KPI Indikátor (ukazatel) výkonnosti procesu, služby, organizace.
Použití pro strategické, taktické, operativní řízení. Druhy ukazatelů: Ekonomické ukazatele Ukazatele kvality Ukazatele výkonnosti procesů Ukazatele IT služeb Ukazatele zásob Jedná se o periodické měření ukazatelů a jejich porovnávání. KPI by měly splňovat podmínky SMART. KPI měří výkonnost procesů pomocí kterých se realizují cíle, KGI měří, jak se daří cíle dosahovat. Příklad aplikace: měření skutečné produkce měření zmetkovosti vytíženost linky vytíženost skladu registrace objednávek náklady na externí sklad náklady na subdodávky … Technika pro navrhování cílů S - Specific – specifické, konkrétní cíle M - Measurable – měřitelné cíle A - Achievable/Acceptable – dosažitelné/přijatelné R - Realistic/Relevant – realistické/relevantní (vzhledem ke zdrojům) T - Time Specific/Trackable – časově specifické/sledovatelné managementmania.com

20 Praktické důvody

21 ??? ??? ??? Proč to dělám? Na co to dělám? K čemu mi to je?
Motivace ??? Proč to dělám? Na co to dělám? K čemu mi to je? Co chci získat? Jak toho dosáhnout? Čeho chci dosáhnout? Co je cílem? Vůbec nevím co dělám… O co se snažím… ??? Proč to dělám? Jak toho dosáhnout? Co je cílem? ???

22 Proč to dělám? Jak toho dosáhnout? Co je cílem?
Popisujeme (modelujeme, řídíme) reálné procesy. Jak toho dosáhnout? Prostřednictvím matematického aparátu. Co je cílem? Zjištění budoucího vývoje. Odstranění neřízeného stavu. Úspora zdrojů, financí.

23 Příklad z praxe 90-tá léta 2003 2006 2012 2012
- objekt hromadných garáží - 140 stání - zásahy běžné údržby - chápány jako podmíněné nefunkčností konstrukce - blíží se zásah obnovy - není jasný horizont (5,10 let) - není jasná finanč. náročnost --> chybí model řízení Otázky bez odpovědí: - v jakém stavu je objekt dnes? - v jakém stavu je střecha dnes? - kolik stála údržba/obnova střechy? - jaká je životnost střechy? - kdy bude další obnova střechy? - kdy bude nová střecha? 90-tá léta 2003 2006 2012 2012

24 Proces tvorby modelu

25 Vlastnosti dynamického modelu
Obsahuje prvky modelu Obsahuje vazby mezi prvky Obsahuje počáteční podmínky Obsahuje podporu řízení (řídicí mechanismy) Poskytuje informace o budoucím chování modelu Nabízí analýzu chování modelu Umožňuje ověřování strategií

26 (ilustrační příklad schémat modelů regionálního rozvoje)
Schéma modelu (ilustrační příklad schémat modelů regionálního rozvoje) dále viz Modelová při řízení, str. 40

27 Algoritmizace metody

28 Analogie k procesnímu modelu
Obsahuje prvky modelu Produkce, Poptávka, Sklad poč., Sklad kon., Externí nákup, Sklad mimo Obsahuje vazby mezi prvky Produkce-Poptávka, Sklad poč.-Sklad kon., Sklad kon.-Externí nákup, Sklad kon.-Sklad mimo Obsahuje počáteční podmínky Historická data produkce, počáteční produkce Obsahuje řídicí mechanismy (podporu řízení) Řízení kapacity skladu, Řízení externích dodávek Poskytuje informace o budoucím chování modelu Odhad vývoje produkce, poptávky Nabízí analýzu chování modelu Měření KPI, analýza scénářů, předvídatelnost modelu

29 Analogie k procesnímu modelu
č.7 KPI Produkce Poptávka č.7 KPI KPI Externí nákup Externí sklad Počáteční produkce Sklad počátek Sklad konec KPI Expedice Legenda modelu Prvek modelu Měřicí mechanismy Řídicí vazby Počáteční podmínky Informační vazby Toky produktu

30 Vlastnosti modelu Two fundamental requirements of decision makers that any model or support system needs: - Simplicity - Consistency Internal consistency Needs-outcomes consistency Inter-decisional consistency jednoduché ovládání (sada ovládacích prvků) vnitřní konzistence (jednoduché vzorce, struktura) konzistentní výsledky (dokumentace) vnitřní konzistence řízení (vzorce)

31 Rekapitulace dovedností

32 Kdo by pochyboval…?! Strukturalizace problému Navigace odkazy
Tvorba běžných vzorců (pojmenování buněk) Tvorba vnořených vzorců (více hladin) Používání matematických operátorů Používání logických operátorů Používání rozhodovacích funkcí Používání statistických funkcí Generátor náhodných čísel Vyhledávací funkce Tvorba standardních grafů Sestavování kombinovaných grafů Tvorba histogramů Doplněk Analýza dat Práce se správcem scénářů Tvorba procedury (algoritmus v modulu, záznamník) Ovládací prvky na listu

33 Magic Charts

34 Zkouškové příklady

35 Literatura Beran, V., Dlask, P. Management udržitelného rozvoje regionů, sídel a obcí. Praha : Academia, 2005, s. 256. Beran, V. a kol. Dynamický harmonogram. Praha : Academia, 2002, s. 172. Dlask, P., Modelování při řízení. Praha : Wolters Kluwer, 2011, s. 175. Griffiths, E., What is a model?, 2009. Kersten, G., Decision Support Systems for Sustainable Development, A Resource Book of Methods and Applications, Kluwer Academic Edition, 2002. Griffths, E., What is a model?, Simon’s phase model and levels of articulation, 1960 Kersten, G.E. and D. Cray (1996), Perspectives on Representation and Analysis of Negotiation: Towards Cognitive Support Systems. Group Decision and Negotiation, 5, Kos, Z., Dočkal, M., Rozhodovací procesy v ŽP, Systémy pro podporu rozhodování (DSS), 2009 Tichý, M. Ovládání rizika, C. H. Beck, 2006

36 Závěr Závěr Proces x Model doc. Ing. P. Dlask, Ph.D.