TÌM HIỂU VỀ MÔ HÌNH HÓA VÀ QUẢN LÝ MÔ HÌNH

Nội dungI. Mở đầu.1II. Nội dung1II.1. Mô hình hóa trong MSS2II.2. Mô hình động và mô hình tĩnh.3II.3. Xử lí chắc chắn, không chắc chắn và nguy cơ4II.4. Phân tích quyết định vài phương án thay thế4II.5. Tối ưu hóa thông qua lập trình toán học.6II.6. Mô phỏng9II.7. Lập trình Heuristic13II.8. Sơ đồ tác động15II.9. Dự báo.16II.10. Mô hình phi định lượng.18II.11. Các bảng tính và ngôn ngữ mô hình hóa.18II.12. Mô hình hóa đa chiều.19II.13. Bảng tính trực quan.20II.14. Mô hình hóa tài chính và kế hoạch.20II.15. Mô hình định lượng làm sẵn.21II.16. Cấu trúc và quản lý cơ sở mô hình.21III. Kết luận.22TÀI LIỆU THAM KHẢO23

ĐẠI HỌC HUẾ TRƯỜNG ĐẠI HỌC KHOA HỌC

TIỂU LUẬN MÔN HỌC KHO DỮ LIỆU VÀ HỆ HỖ TRỢ QUYẾT ĐỊNH

TÌM HIỂU VỀ MÔ HÌNH HÓA VÀ

QUẢN LÝ MÔ HÌNH

TS HOÀNG THỊ LAN GIAO Trình Văn Dũng

Nguyễn Thị Mỹ Lộc Nguyễn Sơn Phan Bá Trí Nguyễn Văn Tuyến Nguyễn Thanh Tùng

MỤC LỤC

N i dung ội dung

I Mở đầu 1

II Nội dung 1

II.1 Mô hình hóa trong MSS 2

II.2 Mô hình động và mô hình tĩnh 3

II.3 Xử lí chắc chắn, không chắc chắn và nguy cơ 4

II.4 Phân tích quyết định vài phương án thay thế 4

II.5 Tối ưu hóa thông qua lập trình toán học 6

II.6 Mô phỏng 9

II.7 Lập trình Heuristic 13

II.8 Sơ đồ tác động 15

II.9 Dự báo 16

II.10 Mô hình phi định lượng 18

II.11 Các bảng tính và ngôn ngữ mô hình hóa 18

II.12 Mô hình hóa đa chiều 19

II.13 Bảng tính trực quan 20

II.14 Mô hình hóa tài chính và kế hoạch 20

II.15 Mô hình định lượng làm sẵn 21

II.16 Cấu trúc và quản lý cơ sở mô hình 21

III Kết luận 22

TÀI LIỆU THAM KHẢO 23

Hệ thống hỗ trợ quản lý (MSS) không phải lúc nào cũng luôn thành công Nhiềutrường hợp thất bại của hệ chuyên gia (ES) không hoàn toàn là lý do kỹ thuật Thực thi

hệ thống là một quá trình liên tục nhằm đảm bảo cho tổ chức chuẩn bị tiếp nhận một

hệ thống mới và đưa hệ thống vào sử dụng thành công

Thực hiện công nghệ hệ thống hỗ trợ quản lý là việc phức tạp vì các hệ thống nàykhông đơn thuần là hệ thống thông tin chỉ thu thập, thao tác và phân phối thông tin

Mà xa hơn, chúng liên quan tới các công việc có thể làm thay đổi đáng kể cách thứchoạt động của tổ chức Tuy vậy, đa số các yếu tố thực thi đều liên quan tới hệ thốngthông tin

Một yếu tố chính của của một hệ hỗ trợ quyết định (DSS) là một mô hình, mộtbiểu diễn đơn giản hóa thế giới thực Các mô hình được phân lớp theo mức độ trừutượng

II Nội dung

Một hệ hỗ trợ quyết định là một hệ thống thông tin dựa trên máy tính mà hỗ trợcho các hoạt động ra quyết định kinh doanh hay tổ chức Các DSS cung cấp khả năngquản lý, điều hành và lập kế hoạch các mức của tổ chức và giúp thực hiện ra quyếtđịnh mà có thể thay đổi một cách nhanh chóng và không dễ dàng xác định trước Bathành phần cơ bản của một kiến trúc DSS là: Cơ sở dữ liệu (cơ sở tri thức), Mô hình vàGiao diện người sử dụng

Trong tiểu luận này giới thiệu thành phần chính thứ hai của DSS là cơ sở và việc quản lý mô hình Nội dung gồm có:

1 Mô hình hóa trong MSS

2 Mô hình tĩnh và mô hình động

3 Xử lí chắc chắn, không chắc chắn và nguy cơ

4 Phân tích quyết định một vài phương pháp thay thế (Alternatives)

5 Tối ưu hóa thông qua lập trình toán học

6 Mô phỏng

7 Lập trình Heuristic

8 Các sơ đồ tác dụng

9 Dự báo

10 Mô hình hóa không định lượng

11 Ngôn ngữ và bảng tính mô hình hóa

12 Mô hình hóa đa chiều

II.1 Mô hình hóa trong MSS

Mô hình hóa trong MSS có thể được thực hiện bằng nhiều cách Để hiểu mô hìnhhóa làm việc thế nào trong MSS Hệ hỗ trợ quyết định (DSS) này bao gồm ba kiểu môhình:

1 Mô hình thống kê (phân tích hồi quy), mà được sử dụng cho việc tìm kiếm các

quan hệ giữa các biến Mô hình này được lập trình trước trong công cụ phần mềm pháttriển DSS

2 Mô hình tài chính cho phát triển các báo cáo thu nhập và lập dự án dữ liệu tài

chính trong nhiều năm Mô hình này được bán cấu trúc và được viết với một ngôn ngữDSS đặc biệt được gọi là IFPS

3 Mô hình tối ưu hóa được thực hiện sử dụng một mô hình khoa học quản lý

được gọi là phương pháp lập trình tuyến tính để xác định việc lựa chọn phương tiện

Để sử dụng mô hình này, DSS cần giao tiếp với một phần mềm khác

Trường hợp Frazee chứng minh rằng một DSS có thể được bao gồm bởi nhiều

mô hình, một số là chuẩn và một số là được tùy chỉnh, mà được sử dụng một cách cóchọn lựa để hỗ trợ các quyết định quảng cáo trong công ty Nó còn chứng minh rằngmột vài mô hình có thể được xây dựng trong gói phát triển phần mềm; một số cầnđược cấu trúc; trong khi một số khác cần được truy cập bởi DSS khi cần thiết

Khía cạnh khác của mô hình hóa còn phải được xem xét, như dưới đây:

Xác định bài toán và phân tích môi trường

Một khía cạnh chưa được thảo luận là đề tài quét (scanning) và phân tích môitrường, nó đề cập đến việc quản lý, quét và việc giải thích các thông tin thu thập được

Nó thường xuyên khuyến khích phân tích phạm vi của miền và lực lượng và động lựccủa môi trường Điều đó cần thiết để định danh tổ chức văn hóa và tiến trình thực hiệnquyết định của công ty (ai thực hiện quyết định, mức độ tập trung,…)

Định danh các biến

Việc định danh các biến khác nhau là vô cùng quan trọng cũng như mối quan hệ của

chúng Sơ đồ tác dụng được mô tả ở phần II.8 có thể rất hữu ích trong tiến trình này

Dự báo

Dự báo là thiết yếu cho việc xây dựng và thao tác của các mô hình Dự báo được

mô tả ở phần II.9

Mô hình

Hệ hỗ trợ quyết định có thể bao gồm nhiều mô hình (đôi lúc là hàng tá) Một vài

mô hình này là khá chuẩn và chúng được xây dựng vào trong phần mềm phát triển DSS.Một vài mô hình khác là chuẩn nhưng không có sẵn như các hàm xây dựng trong Thay vào đó chúng có sẵn như phần mềm độc lập mà có thể giao tiếp với DSS.Các mô hình phi chuẩn cần được cấu trúc ngay từ đầu

Bộ xây dựng DSS thương phải đối mặt với tình thế tiến thoái lưỡng nan của các

mô hình để bao gồm trong DSS Sau đó, việc quyết định phải được thực hiện như việcxây dựng chúng, sử dụng các mô hình “sẵn sàng thực hiện” hay sửa đổi các mô hình

đã tồn tại

Bảng 2.1 tóm tắt phân loại các mô hình được sử dụng trong DSS thành 7 nhóm

Nó còn liệt kê một số kỹ thuật đại diện trong mỗi nhóm và chỉ ra số phần trong mỗinhóm

Mỗi kỹ thuật có thể xuất hiện trong một hình thức hoặc là mô hình tĩnh hoặc là

mô hình động (Phần II.2) và nó có thể được cấu trúc dưới các giả định chắc chắn,không chắc chắn hay nguy cơ (Phần II.3)

Bảng 2.1 Các loại mô hình

Phân loại Tiến trình và mục tiêu Kỹ thuật đại diện

Tối ưu bài toán với một số

cách khác (phần II.4)

Tìm giải pháp tốt nhất từmột số nhỏ quan hệ của các

Mô hình lập trình tuyếntính hoặc toán học khác,

Một số mô hình kiểm kê

Mô phỏng (phần II.6) Tìm giải pháp “đủ tốt”

hoặc tốt nhất giữa các cáchkhác được đánh dấu, sửdụng thử nghiệm

Một vài kiểu mô phỏng

Heuristics (phần II.7) Tìm giải pháp “đủ tốt” sử

dụng các quy tắc Chương trình heuristic, cáchệ thống chuyên giaCác mô hình mô tả khác

(phần II.15)

Tìm “Cái gì-Nếu” sử dụngmột công thức

Mô hình tài chính, cáchàng đợi (waiting lines)Các mô hình tiên đoán

(phần II.9) Tiên đoán tương lai chomột kịch bản đã cho Phân tích Markov, mô hìnhdự báo

Ví dụ, một quyết định để tạo ra hay mua một sản phẩm hay không là tĩnh trong tựnhiên Một báo cáo thu nhập từng quý hay hàng năm là tĩnh Trong quá trình phân tíchtĩnh nó được giả định rằng nó có tính ổn định

Phân tích động

Mô hình động thường đánh giá các kịch bản mà thay đổi theo thời gian Một ví

dụ đơn giản sẽ là một kế hoạch lợi nhuận 5 năm, nơi mà dữ liệu vào, như là chi phí,giá cả và các số lượng được thay đổi từ năm này đến năm khác

Mô hình động là phụ thuộc thời gian Ví dụ, trong việc quyết định nên đặt baonhiêu quầy thanh toán tiền ở một siêu thị, nó cần thiết để xem xét thời gian trong ngày

Đó là bởi vì có nhiều sự thay đổi về số người đến siêu thị vào các giờ khác nhau

Mô hình động là quan trọng bởi vì chúng cho thấy các xu hướng và các mẫu theothời gian Chúng còn chỉ ra bình quân cho mỗi giai đoạn, trung bình di chuyển và phântích so sánh (vd: lợi nhuận quý này so với lợi nhuận trong quý cùng kỳ năm ngoái).

II.3 Xử lí chắc chắn, không chắc chắn và nguy cơ

Khi xây dựng các mô hình, bất kỳ những điều kiện này có thể xảy ra Dưới đây làmột vài vấn đề liên quan đến mỗi điều kiện:

Mô hình chắc chắn (Certain models)

Mọi người thích mô hình chắc chắn bởi vì họ dễ làm việc với nó và có thể manglại những giải pháp tối ưu Quan tâm đặc biệt một số vấn đề mà có vô hạn hay một sốlượng rất lớn các giải pháp khả thi Chúng được nhắc đến ở phần II.5 và II.7 Nhiều

mô hình tài chính được cấu trúc dưới sự chắc chắn giả định

Mô hình không chắc chắn (Uncertainty Models)

Các nhà quản lí cố gắng tránh sự không chắc chắn càng nhiều càng tốt Thay vì

họ cố gắng yêu cầu nhiều thông tin để bài toán có thể được xử lý với nguy cơ có thểtính toán được Nếu ta không thể yêu cầu nhiều thông tin được ta phải xử lí bài toánnhư một bài toán không chắc chắn

Mô hình nguy cơ (Risk Models)

Hầu hết các quyết định kinh doanh chính đang được thực hiện với nguy cơ giảđịnh Nhiều kỹ thuật có thể sử dụng để xử lý với việc phân tích nguy cơ Chúng đượcxem xét trong phần này và phần II.6

II.4 Phân tích quyết định vài phương án thay thế

Các tình huống quyết định mà liên quan đến một hữu hạn và thường một số khôngquá lớn các phương án thay thế được mô hình bởi một phương pháp mà trong đó cácphương án thay thế được liệt kê trong một bảng hoặc đồ thị với dự báo khả năng đónggóp của chúng cho các mục tiêu và khả năng thực hiện như một sự đóng góp như vậy.Sau đó, một sự đánh giá lấy một vị trí để chọn phương án thay thế tốt nhất

Hai trường hợp đáng chú ý: đơn mục tiêu và đa mục tiêu Tình huống đơn mụctiêu được tiếp cận bằng cách sử dụng các bảng quyết định hoặc các cây quyết định Đamục tiêu (tiêu chuẩn) có thể được tiếp cận bằng nhiều kỹ thuật (được mô tả sau)

Lợi nhuận tùy thuộc vào tình trạng của nền kinh tế mà có thể hoặc là tăng trưởngkinh tế vững mạnh, trì trệ hoặc lạm phát Các ước lượng lợi nhuận hàng năm sau đâyđược thu hút từ các chuyên gia:

1 Nếu tăng trưởng kinh tế vững mạnh, trái phiếu sẽ lời 12%, chứng khoán: 15%

và tiền gởi: 6.5%

2 Nếu sự trì trệ chiếm ưu thế, trái phiếu sẽ lời 6%, chứng khoán: 3% và tiền gởi:6.5%

3 Nếu lạm phát chiếm ưu thế, trái phiếu sẽ lời 3%, chứng khoán sẽ mất 2% vàtiền gởi có thời hạn sẽ lời 6.5%

Vấn đề là lựa chọn phương án đầu tư tốt nhất Lưu ý rằng: đầu tư 50% trái phiếu và50% chứng khoán là một phương án khác và nó có thể được thêm vào như một phương

án thay thế thứ tư Rõ ràng, công ty có thể phải đối mặt với nhiều phương án khác Bài toán đầu tư có thể được tổ chức trong một bảng (bảng 2.2)

Hai trường hợp cần được chú ý: không chắc chắn và nguy cơ Trong trường hợpkhông chắc chắn chúng ta không biết các xác suất của mỗi tình trạng tự nhiên Trongtrường hợp nguy cơ chúng ta giả định chúng ta biết xác suất với mỗi tình trạng tựnhiên có thể xảy ra

Xử lí không chắc chắn

Phản ứng trực quan của bất kỳ nhà quản lý nào là không đưa ra một quyết địnhkhông chắc chắn cho đến khi các cơ hội của nền kinh tế có thể được đánh giá Tuynhiên, nếu không có thông tin để đánh giá các cơ hội (hoặc nếu không có thời gian đểthu thập thông tin), họ có thể sử dụng một trong nhiều phương pháp để thực hiện sựkhông chắc chắn Ví dụ: cách tiếp cận lạc quan liên quan đến việc xem xét khả năngtốt nhất của kết quả của mỗi phương án thay thế và chọn cái tốt nhất trong các cái tốtnhất của chứng khoán Cách tiếp cận bi quan (bảo thủ) liên quan đến việc xem xét khảnăng xấu nhất của kết quả cho mỗi phương án thay thế và chọn cái tốt nhất trong cácCDs

Tất cả các phương pháp của việc thực hiện không chắc chắn có nhiều thiếu hụtnghiêm trọng Do đó, bất kỳ mô hình nào nên cố gắng thu thập các thông tin đầy đủ đểbài toán có thể xử lý chắc chắn hoặc theo nguy cơ giả định

Xử lý nguy cơ.

Chúng ta hãy giả định rằng cơ hội phát triển vững mạnh được ước lượng là 50%,trì trệ 30% và lạm phát 20% Trong trường hợp như vậy bảng quyết định được lập ravới thông tin bổ sung (bảng 2.3) Phương pháp chung nhất để giải quyết bài toán phântích nguy cơ là chọn phương án thay thế với giá trị dự kiến lớn nhất Một giá trị dựkiến được tính bằng cách nhân các kết quả bởi xác suất tương ứng của chúng và cộngchúng lại

Ví dụ: với trái phiếu chúng ta lấy: 12(0.5)+6(0.3)+3(0.2)=8.4 (đầu tư trái phiếu với một giá trị trung bình trả về 8.4%)

Phương án

thay thế

Tăng trưởng vững mạnh 0.50

Trì trệ 0.30

Lạm phát 0.20

Các giải pháp khác để xử lý nguy cơ

Nhiều phương pháp khác để xử lý nguy cơ được thảo luân trong cuốn sách này

Cụ thể: sự minh họa, các yếu tố chắc chắn và logic mờ

Đa mục tiêu

Một trường hợp đơn giản của đa mục tiêu được cho ở bảng 2.4 Ba mục tiêu (hoặc tiêu chuẩn) được xem xét: lợi nhuận, độ an toàn và thanh khoản

II.5 Tối ưu hóa thông qua lập trình toán học

Lập trình tuyến tính là kỹ thuật nổi tiếng trong nhóm công cụ được gọi là lậptrình toán học

Lập trình toán học (Mathematical Programming)

Lập trình toán học là tên cho một gia đình các công cụ được thiết kế để trợ giúpgiải quyết các bài toán quản lý trong đó người quyết định phải phân bổ các nguồn tàinguyên khan hiếm (như lao động, vốn, máy móc hoặc nước) giữa các hoạt động khácnhau để tối ưu hóa một mục tiêu có thể đo được Ví dụ, phân bố thời gian sử dụng máymóc (tài nguyên) giữa các sản phẩm khác nhau (các hoạt động) là một bài toán phân

bổ điển hình Bài toán phân bổ thường hiển thị theo sau các đặc tính và các giả địnhthực hiện chắc chắn cần thiết:

3 Có hai hay nhiều cách mà các nguồn tài nguyên có thể được sử dụng Mỗi cáchđược gọi là một giải pháp hay một chương trình.

4 Mỗi hoạt động (sản phẩm hay dịch vụ) mà các nguồn tài nguyên được sử dụngmang lại một kết quả trả về trong các kỳ hạn của mục tiêu đã đặt ra

5 Việc phân bổ thường bị hạn chế bởi nhiều sự giới hạn và các yêu cầu được gọi

4 Tất cả dữ liệu được biết một cách chắc chắn

5 Các nguồn tài nguyên được sử dụng trong các cách tiết kiệm nhất

Bài toán phân bổ có thể được đặt ra chung là: tìm cách phân bổ các tài nguyên bịgiới hạn đến các hoạt động khác nhau để tổng nhận được sẽ được cực đại Các bài toánphân bổ tiêu biểu có một số lớn khả năng các giải pháp thay thế Tùy thuộc vào các giảđịnh, số giải pháp có thể là hoặc vô hạn hoặc giới hạn Thông thường, các giải phápkhác nhau mang lại các kết quả khác nhau Với một vài giải pháp có sẵn, một giảipháp (thỉnh thoảng nhiều hơn một) là tốt nhất, trong ý nghĩa rằng mức độ đạt đượcmục tiêu kết hợp với nó là cao nhất (ví dụ: tổng kết quả thu được là cực đại) Điều nàyđược gọi là giải pháp tối ưu, mà có thể được tìm thấy bằng cách sử dụng một giải thuậtđặc biệt

Việc sử dụng lập trình toán học, đặc biệt là lập trình tuyến tính, là phổ biến màcác chương trình máy tính “đóng hộp” ngày nay có thể được tìm thấy tại tổ chức nào

mà có máy tính

Các công cụ phát triển DSS, như Lotus 1-2-3 hoặc IFPS Plus, có thể được sửdụng để mô hình và giải quyết các tình huống lập trình tuyến tính hoặc có khả nănggiao tiếp với một chương trình LP đóng hộp

Lập trình tuyến tính (Linear programming)

Các bài toán LP điển hình khác được gọi là bài toán pha trộn

Ví dụ: bài toán pha trộn (Cực tiểu hóa)

Trong việc chuẩn bị bức vẽ Sungold, nó đòi hỏi bức vẽ phải có một tỷ lệ sáng tốithiểu là 300 độ và mức độ màu sắc thối thiểu 250 độ Mức độ sáng và màu được quyếtđịnh bởi hai thành phần, Alpha và Beta Cả hai Alpha và Beta góp phần như nhau cho

tỷ lệ sáng; một ounce (trọng lượng khô) của một trong hai Alpha và Beta tạo ra mộtmức độ sáng trong một mảng tròn của bức vẽ Tuy nhiên, màu sắc được điều khiểntoàn bộ bởi một lượng Alpha; một ounce của nó tạo ra ba mức độ màu sắc trong mộtmảng tròn của bức vẽ Chi phí của Alpha là 45 cents/ounce và chi phí cảu Beta là 12cents/ounce Giả định rằng mục tiêu để cực tiểu hóa chi phí các nguồn tài nguyên, thìvấn đề tìm lượng từ của alpha và Beta được bao gồm trong việc chuẩn bị mỗi mảngtròn của bức vẽ

Công thức của bài toán pha trộn

Các biến quyết định là:

x1=số lượng của Alpha được bao gồm, trong các ounce, trong mỗi mảng tròn củabức vẽ

x2=số lượng của Beta được bao gồm, trong các ounce, trong mỗi mảng tròn củabức vẽ

Mục tiêu cực tiểu tổng chi phí của các thành phần yêu cầu cho một mảng tròn củabức vẽ Khi chi phí của Alpha là 45 cents/ounce, và x1 ounces sẽ được sử dụng trongmỗi mảng tròn, thì chi phí cho mỗi mảng tròn là 45x1 Tương tự, cho chi phí của Beta

là 12x2 Do đó, tổng chi phí là 45x1+12x2 và như hàm mục tiêu của chúng tôi, nó đượccực tiểu đến các ràng buộc của các xác định sau đây:

1 Để cung cấp một tỷ lệ sáng với tối thiểu 300 độ trong mỗi mảng tròn Khi mỗi ounce của Alpha hoặc Beta tăng độ sáng thêm 1 độ, thì tồn tại mỗi quan hệ sau:

Cung cấp bởi Alpha Cung cấp bởi Beta Nhu cầu

z = 45x1 + 12x2 là nhỏ nhất

mà thỏa:

1x1 + 1x2 ≥ 300 (đặc tả độ sáng)3x1 + 0x2 ≥ 250 (đặc tả màu)

Kết quả (được bắt nguồn từ máy tính)

x1 = 83.333

x2 = 216.667Tổng chi phí = 63.50$

Lưu ý: Giải pháp này tốt cho một mảng tròn sẽ đúng cho nhiều mảng tròn khácmiễn là các ràng buộc không bị vi phạm

Công thức và thuật ngữ tổng quát

Bay giờ chúng ta hãy tổng quát hóa công thức Mỗi bài toán LP được soạn cho:

1 Chọn một mục tiêu chính mà có mức là cần cực đại hóa hay cực tiểu hóa

2 Chuyển các mục tiêu khác vào ràng buộc mà phải chỉ đáp ứng

Ví dụ, một cách có thể cố gắng để cực đại lợi nhuận (mục tiêu chính) tùy thuộcvào tỷ lệ phát triển của tối thiểu 12%/năm (mục tiêu thứ hai)

- Tối ưu hóa

Lập trình tuyến tính cố gắng để hoặc cực đại hoặc cực tiểu hóa giá trị của hàmmục tiêu

- Các hệ số của hàm mục tiêu

Hệ số của các biến trong hàm mục tiêu (ví dụ 45 và 12 trong bài toán pha trộn)được gọi là các hệ số lợi nhuận (hay chi phí) Chúng biểu thị tỷ lệ mà giá trị của hàmmục tiêu tăng hoặc giảm bằng cách bao gồm trong những giải pháp của một đơn vịmỗi biến quyết định

- Các ràng buộc

Cực đại hóa (hay cực tiểu hóa) nó được thực hiện phụ thuộc vào một tập các ràngbuộc Do đó, lập trình tuyến tính có thể được định nghĩa như một bài toán tối ưu hóaràng buộc Những ràng buộc này được thể hiện trong hình thức của các bất đẳng thứctuyến tính (hoặc, thỉnh thoảng, các đẳng thức) Chúng phản ánh thực tế là các nguồntài nguyên bị giới hạn hay chúng chỉ rõ một số yêu cầu

- Các hệ số Input/Output

Các hệ số của các biến ràng buộc được gọi là các hệ số input-output Chúng biểuthị tốc độ cạn kiệt hoặc tận dụng của một nguồn tài nguyên được cho Chúng xuất hiệnbên trái của các ràng buộc

- Các khả năng

Các khả năng (hay tính sẵn sàng) của các nguồn tài nguyên khác nhau, thườngđược hiển thị như vài giới hạn trên hoặc giới hạn dưới, được cho ở bên phải của cácràng buộc Bên phải còn biểu thị các yêu cầu cực tiểu

Các hệ số input-output

Các khả năng hay các yêu cầu

thời gian thực nghiệm, điều này nghĩa là có một vài sự đơn giản hóa của thực tế trongcác mô hình mô phỏng hơn là các mô hình khác

Tiếp theo, mô phỏng là một kỹ thuật tiến hành các thực nghiệm Do đó, môphỏng bao hàm việc kiểm tra các giá trị cụ thể của các biến quyết định hoặc các biếnkhông thể điều khiển trong mô hình và đánh giá sự ảnh hưởng đến các biến output

Mô phỏng là một mô tả hơn là một công cụ quy chuẩn; nghĩa là, không có việctìm kiếm tự động cho một giải pháp tối ưu Thay vào đó, một mô phỏng mô tả và/hoặc

dự đoán các đặc tính của hệ thống được cho dưới các tình huống khác nhau Một khicác đặc tính này được biết, phương án tốt nhất trong các phương án lựa chọn sẽ đượcchọn Tiến trình mô phỏng bao gồm nhiều thực nghiệm lặp đi lặp lại nhiều lần để thuđược một ước lượng về hiệu quả tổng thể của các hoạt động chắc chắn Nó có thể đượcthực hiện thủ công trong một vài trường hợp, nhưng một máy tính thường là cần thiết Cuối cùng, mô phỏng thường được gọi cho chỉ khi bài toán dưới sự điều tranghiên cứu là quá phức tạp để xử lý bởi các kỹ thuật tối ưu hóa số học (như lập trìnhtuyến tính) Tính phức tạp ở đây nghĩa là bài toán hoặc không thể được hình thành chotối ưu hóa (vd: bởi vì các giả định không nắm giữ) hoặc việc hình thành quá phức tạp

Các thuận lợi và bất lợi của mô phỏng

Sự chấp nhận của mô phỏng gia tăng có lẽ do 1 số các tác nhân:

1 Lý thuyết mô phỏng là tương đối đơn giản

2 Mô hình mô phỏng đơn giản là tổng hợp nhiều mối quan hệ phần tử và các liênthuộc, phần lớn trong số đó là được giới thiệu từ từ theo yêu cầu của người quản lý vàtheo một cách chắp vá

3 Mô phỏng mang tính mô tả hơn là chuẩn hóa Điều này cho phép người quản líđặt câu hỏi dạng “what-if” Do đó, các người quản lý sử dụng một phương pháp “thử

và lỗi” để việc xử lý bài toán có thể thực hiện nhanh hơn và ít tốn kém hơn, với nguy

cơ thấp, sử dụng hỗ trợ của mô phỏng và các máy tính (đối lập với sử dụng thử và lỗivới hệ thống thực)

4 Một mô hình mô phỏng chính xác đòi hỏi một kiến thức mật thiết của bài toán,

do đó buộc bộ xây dựng của MSS thường xuyên giao tiếp với người quản lý

5 Mô hình được xây dựng từ quan điểm của người quản lý và trong cấu trúcquyết định của họ

6 Mô hình mô phỏng được xây dựng cho một bài toán cụ thể và thường sẽ khônggiải quyết bất kỳ bài toán khác Do đó, không có sự hiểu biết tổng quát là yêu cầu củangười quản lý; mỗi thành phần trong mô hình tương ứng một - một với một phần của

mô hình đời sống thực

7 Mô phỏng có thể xử lý một biến thể cực kỳ rộng trong các loại bài toán như làhàng tồn kho và nhân sự cũng như chức năng cấp quản lý cao hơn như lập kế hoạchdài hạn Do đó, nó là “luôn luôn có” khi người quản lý cần nó

8 Người quản lý có thể thực nghiệm với các biến khác nhau để xác định cái gì làquan trọng và với các phương án chọn khác nhau để xác định phương pháp nào là tốtnhất

9 Nói chung, mô phỏng cho phép bao gồm các phức tạp cuộc sống thực của bàitoán; các đơn giản hóa là không cần thiết Ví dụ: mô phỏng có thể khai thác các phân

bố xác suất cuộc sống thực hơn là các phân bố lý thuyết xấp xỉ