Pednka k pedmtu Potaov podpora zen Model x

Přednáška k předmětu: Počítačová podpora řízení Model x Proces Alternativně: Tvorba dynamického modelu Sestavení procesního modelu Sledování výkonnosti procesu Verifikace dynamického modelu Řízení výkonnosti procesů … Předmět : Počítačová podpora řízení K 126 PPR 1 Obor : E LS, 2017, K 126 EKO Přednášky/cvičení : Doc. Ing. P. Dlask, Ph. D. 1

Obsah 1. 2. 3. 4. 5. 6. Rekapitulace, checklisty úloh Dynamický model Fáze tvorby modelu Analogie procesního modelu Rekapitulace dovedností Zkouškové příklady 2

Checklisty zpracování Chybí výchozí legenda k řešení úlohy Desetinná místa upravit např. 6, 25478964123 na 6, 2 Do grafů nedávat 4000 hodnot (přiměřené množství pokud je možné) Chybí legenda všech barevných vstupů/výstupů Legenda symbolů (Rt. Popt, Rt. Prod, …) Nadpisy Řady 1, Řady 2, … pryč Popisy „tlačítko 1“, „tlačítko 2“ pryč Linkování externích zdrojů (data 97. xls) Vysokoškolská úroveň zpracování! Název dodržovat např. jako Matatko 03. xlsm, Klaudova 04. xlsm Není kompletní krycí list Dostatečný popis grafických výstupů Nejsou popisy grafů, osy, nadpis, legenda Široké grafy jsou mimo monitor Není zapojená navigace 3

Tvorba modelu “I'm no model lady. A model's just an imitation of the real thing. ” Mae West, actress 1893 -1980

Množství Výroba tvárnic 0 Co chci zjistit? - Vývoj standardu v čase (výroba) ? ? ? Je dostatečná produkce? Je zajištěn odbyt? Je dostatečná kapacita dopravy? Jsou k dispozici pracovníci? Jsou k dispozici skladové prostory? Je k dispozici technologie? Čas

Množství Multioborová aplikace Výroba ponožek 0 Vývoj standardu v čase (výroba) 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? Čas

Proces tvorby modelu (Circle of Model Life) Realita Phases of the model creation Kalibrace Formalizace Modelář 1. Intelligence phase + 2. Design phase Počítač Výsledky 3. Running phase Phases of the DSS Formální 1. Intelligence phase model 2. Design phase 3. Choice phase Vstupy Verifikace dále viz Modelová při řízení, str. 36

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

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

Procesní teorie, tvorba modelu

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)

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.

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: http: //engineeringgirl. com/ … mathematical-modeling/

Another Steps in Model Creation 1. 2. 3. 4. 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. 5. Begin with a simple model. 6. Identify the parameters of the equations and develop a plan how to estimate the parameters from the data. 7. Validate your model against a data set that you have not used to build the model. 8. Constantly test your model and update your equations based on new data and information. http: //www. wikihow. com/Make-a-Mathematical-Model

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: http: //engineeringgirl. com/ … mathematical-modeling/

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 16

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) 17

Měření výkonnosti pro tvorbu strategií 1. 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 2. Klíčové ukazatele výkonnosti • • Key Performance Index (KPI) Key Goal Index (KGI)

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. Příklad porovnávání. aplikace: - měření skutečné produkce KPI by měly splňovat podmínky SMART. měření cíle, zmetkovosti KPI měří výkonnost procesů pomocí kterých se- realizují - vytíženost linky KGI měří, jak se daří cíle dosahovat. 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 - vytíženost skladu registrace objednávek náklady na externí sklad náklady na subdodávky … managementmania. com

Praktické důvody

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? ? ? ?

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

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

Proces tvorby modelu

Vlastnosti dynamického modelu 1. 2. 3. 4. Obsahuje prvky modelu Obsahuje vazby mezi prvky Obsahuje počáteční podmínky Obsahuje podporu řízení (řídicí mechanismy) 5. Poskytuje informace o budoucím chování modelu 6. Nabízí analýzu chování modelu 7. Umožňuje ověřování strategií

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

Algoritmizace metody

Analogie k procesnímu modelu 1. Obsahuje prvky modelu Produkce, Poptávka, Sklad poč. , Sklad kon. , Externí nákup, Sklad mimo 2. Obsahuje vazby mezi prvky Produkce-Poptávka, Sklad poč. -Sklad kon. , Sklad kon. -Externí nákup, Sklad kon. -Sklad mimo 3. Obsahuje počáteční podmínky Historická data produkce, počáteční produkce 4. Obsahuje řídicí mechanismy (podporu řízení) Řízení kapacity skladu, Řízení externích dodávek 5. Poskytuje informace o budoucím chování modelu Odhad vývoje produkce, poptávky 6. Nabízí analýzu chování modelu Měření KPI, analýza scénářů, předvídatelnost modelu

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

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

Rekapitulace dovedností 31

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 32

Magic Charts 33

Zkouškové příklady 34

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? , e. griffiths@shef. ac. uk http: //dssresources. com 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, 433467. Kos, Z. , Dočkal, M. , Rozhodovací procesy v ŽP, Systémy pro podporu rozhodování (DSS), 2009 Tichý, M. Ovládání rizika, C. H. Beck, 2006 35

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