Методы и модели внутрифирменного управления

В табл. 6 отражены показатели по труду и заработной плате.

Таблица 6.

Показатели труда и заработной платы ООО «Чай» за 2012 - 2014 гг.

Показатели	2012 г.	2013 г.	2014 г.	Изменение (+, -)	Темп роста, %
				2013 г. к 2012 г.	2014 г. к 2013 г.	2013 г. к 2012 г.	2014 г. к 2013 г.
Выручка от реализации продукции, работ, услуг, тыс. руб.	17352	18419	19578	1067	1159	106,15	106,29
Среднесписочная численность, чел.	40	36	33	-4	-3	90,00	91,67
Фонд заработной платы, тыс. руб.	1149	1468	1724	319	256	127,76	117,44
Производительность труда, тыс. руб./чел.	433,8	511,6	593,3	77,8	81,7	117,93	115,97

Данные табл. 6. свидетельствуют об изменениях выручки от реализации продукции, работ, услуг. Ежегодный рост объемов продаж составляет 6%.

Однако, несмотря на расширение деятельности предприятия, численность работников сокращается.

Увеличение производительности труда в 2014 году по сравнению с 2012 годом составляет 36,8%, рост отдачи труда связан как с ростом объемов продаж предприятия, так и со снижением численности работников.

Положительным моментом является рост производительности труда и рост среднемесячной заработной платы. Темпы прироста свидетельствуют о значительных увеличениях по всем показателям, что является положительным моментом в деятельности ООО «Чай»

Коллектив ООО «Чай» в основном стабильный, длительное время работающий на предприятии. А постоянные кадры совершенствуют свою квалификацию, быстро ориентируются в любой нетипичной обстановке и активно влияют на уровень производительности труда. Рациональное использование трудовых ресурсов, высокий уровень производительности труда имеют большое значение для увеличения объемов продукции и повышения эффективности производства.

3.3 Направленный вычислительный эксперимент

Направленный вычислительный эксперимент (НВЭ) - целенаправленное исследование модели с целью получения информации, необходимой для принятия решения; его содержание определяется на основе предварительного аналитического анализа, а полученные результаты обрабатываются с использованием различных математических методов и вычислительных процедур с целью установления их достоверности и их обоснования.

Целью направленного вычислительно эксперимента является оптимизация работы системы, а также выработка правильной управленческой политики.

До недавнего времени дистрибьюторские компании стремились к быстрому расширению клиентской базы, территориальной экспансии и увеличению доли рынка. В условиях мирового финансового кризиса их внимание сместилось в сторону более детального подхода к работе с уже имеющимися клиентами, их удержанию, повышению лояльности, улучшению качества и эффективности обслуживания заявок Клиентов.

Функционирование имитационной модели опирается на статистические данные и структуру отдела закупок и продаж ООО «Чай» г. Стерлитамак.

С помощью имитационной модели можно проанализировать и оптимизировать следующие показатели:

- количество заявок к оператору;

- количество заявок к специалисту;

- величина возможных, но обработанных заявок к оператору;

- величина возможных, но не обработанных заявок к специалисту;

- максимальная длина очереди к оператору;

- максимальная длина очереди к специалисту;

- средняя длина очереди к оператору;

- средняя длина очереди к специалисту;

- количество обслуженных заявок оператором;

- количество не обслуженных заявок оператором;

- количество обслуженных заявок специалистом;

- количество не обслуженных заявок специалистом;

- вероятность отказа заявки;

- коэффициент простоя обслуживаемого канала;

- коэффициент простоя обслуживаемого объекта;

- среднее время обслуживания заявки;

- среднее время ожидания обслуживания;

- среднее время нахождения заявки в отделе;

- «узкие места» работы отдела;

а также оптимизировать такие параметры как:

- количество обслуживающих каналов(количество операторов);

- график работы сотрудников отдела.

Проведем серию экспериментов с целью оптимизации количества

операторов, и как следствие улучшение финансово-экономических

показателей предприятия.

На основании статистических данных таблиц 10 - 11 (Приложение), исходные данные модели приведены в таблице 8.

Таблица 7. Исходные данные модели

Параметр	Значение параметра
Интенсивность прибытия заявок в систему	0,6
Среднее время обслуживания оператору	15
Среднеквадратическое отклонение обслуживания оператору	0,3
Среднее время обслуживания специалистом	6
Среднеквадратическое отклонение обслуживания специалистом	3,5
Вероятность, что заявка поступила к оператору	0,906
Вероятность, что заявка поступила к специалисту	0,093
Вероятность, что заявка Клиента отклонена на уровне оператора	0,263
Вместимость очереди к оператора	15
Вместимость очереди к специалисту	50
Количество каналов	4
Время обработки заявки оператором	(9,7;10,3)
Время обработки заявки специалистом	(2,5;9,5)

Эксперимент1. Оптимизация количества обслуживающих аппаратов в предположении стационарного входного потока.

Ситуация №1.Для функционирования отделения необходима работа 2

специалистов.

Ситуация №2.Для функционирования отделения необходима работа 3

специалистов.

Ситуация №3.Для функционирования отделения необходима работа 4

специалистов.

Время проведения эксперимента - 720 минут модельного времени или один рабочий день отдела. Максимальная длина очереди в кассы равна 50 заявок или в среднем длина очереди в к одному специалисту не превосходит 15 - 25 заявок.

В таблице 8 представим результаты эксперимента 1.

Таблица 8. Результаты эксперимента 1

Параметр	Количество специалистов
	4	3	2
1	3	4	5
Максимальная длина очереди специалиста	4	21	50
Средняя длина очереди к специалисту	0,31	7,27	33,85
Общее количество заявок, поступившие к специалисту	430	427	432
Количество обслуженных заявок	430	427	384
Количество не обслуженных заявок	0	0	48
Величина возможной, но не обслуженных заявок к специалисту	0	0	78 863
Среднее время обслуживания	6	6	6
Среднее время ожидания обслуживания одного специалиста	0,46	14,57	101,5
Время нахождения в системе	6,5	20,57	107,5
Вероятность отказа обслуживания заявки специалистом	0	0	0,11
Коэффициент простоя обслуживаемого объекта	0,078	0,346	0,677
Коэффициент специалиста	0,58	0,047	0,017
Коэффициент загрузки	0,42	0,95	0,983

Анализируя результаты эксперимента можно сделать выводы:

1) в случае работы 4 специалистов:

- максимальная длина очереди к специалистам не превосходит 4 заявок, или максимальная длина очереди к одному специалисту составляет 1 заявка;

- средняя длина очереди к специалистам составила 0,31 заявок, или средняя длина очереди к одному специалисту составляет 0,077 заявок;

- количество заявок, поступившие за обслуживанием в течение дня, - 430 заявок, при этом все заявки были обслужены, т.е. вероятность отказа обслуживания заявки равна нулю;

- среднее время обслуживания заявки составляет 6 минут, среднее время ожидания обслуживания - 0,46 минут, следовательно, среднее время нахождения заявки в системе равно 4,5 минут;

- коэффициент простоя специалистов равен 0,58;

- коэффициент загрузки равен 0.42;

2) в случае работы 3 специалистов:

- максимальная длина очереди составила 21 заявок, или максимальная длина очереди к одному специалисту составляет 7 заявок;

- средняя длина очереди к специалистам составила 7,27 заявок, или средняя длина очереди к одному специалисту составляет 1,81 заявок;

- количество заявок, поступившие за обслуживанием в течение дня, - 427 заявок, при этом все клиенты были обслужены, т.е. вероятность отказа обслуживания заявки равна нулю;

- среднее время обслуживания заявки составляет 6 минут, среднее время ожидания обслуживания - 14,57 минут, следовательно, среднее время нахождения заявки в системе равно 20,57 минут;

- коэффициент простоя специалистов равен 0,346;

- коэффициент загрузки равен 0,047;

3)в случае работы 2 специалистов:

- максимальная длина очереди составила 50 заявок или максимальная длина очереди к одному специалисту одну составляет 25 заявок;

- средняя длина очереди к специалистам составила 33,85 заявок, или средняя длина очереди к одному специалисту составляет 16,9 заявок;

- количество клиентов, обратившихся за обслуживанием в течение дня, - 432 заявок, из них 48 заявок не дождались обслуживания, поэтому вероятность отказа обслуживания заявки специалистов равна 0,11;

- среднее время обслуживания заявки составляет 6 минут, среднее время ожидания обслуживания - 101,5 минут, следовательно, среднее время нахождения заявки в системе равно 107,5 минут;

- коэффициент простоя специалистов равен 0,017;

- коэффициент загрузки равен 0,983;

Графическая интерпретация результатов эксперимента 1 представлена на рисунках 9-11. На рисунке 9 представлены графики длины очереди к специалистам.



Рис.9.Длина очереди к специалистам

В случае работы 4 специалистов, очередь на обслуживание практически отсутствует. При работе 3 специалистов, длина очереди возрастает до максимального значения 21 заявок через 3,5 часа после начала функционирования отдела, т.е. ближе к 12 часам дня, а потом длина очереди в специалистов принимает значение менее 10 заявок. В случае работы 2 специалистов , через 5 часов функционирования операционного отдела, заявки начинают покидать отдел, поскольку длина очереди к специалистам достигает критического значения 50 заявок. В случае работы 2 специалистов, операционный отдел не справляется с обслуживанием клиентов.

На рисунке 10 представлены графики количества заявок, отказавшихся от обслуживания в кассах.

Рис.10 Количество заявок, отказавшихся от обслуживания к специалистам



В случаях работы 3 и 4 специалистов, все заявки были обслужены. При работе 2 специалистов, через 5 часов после начала функционирования отдела, длина очереди в кассы достигла критического значения - 50 заявок, и заявки начали покидать отдел, не дождавшись обслуживания. Количество не обслуженных заявок за время эксперимента составило 48 заявок.

На рисунке 11 представлены графики величины возможных, но не обработанных заявок к специалистам. В случаях работы 3 и 4 специалистов, все обратившиеся к специалистам заявки были обслужены, поэтому величина возможных, но не обработанных заявок к специалистам равна нулю.

Рис.11.Величина возможных, но не обработанных заявок к специалистам.

При работе 2 специалистов, через 5 часов после начала функционирования отдела, клиенты начинают покидать отдел, а, следовательно, отдел терпит «убытки».

Среднее время ожидания обслуживания имеет значения от 1 до 15 минут при работе 3 или 4 специалистов, а вероятность отказа по заявке равна нулю. В случае работы 2 специалистов 11% заявок остаются не обслуженными.

Коэффициент простоя при работе 4 специалистов равен 0,58, а значит, половину рабочего времени кассы простаивали. В случае работы 3 специалистов, специалисты простаивали 33 минуты за весь рабочий день. В случае работы 2 специалистов, специалисты простаивали лишь 12 минут. В случае работы 3 и 2 специалистов, коэффициент загрузки близок к 1, следовательно, работа специалистов идет непрерывно и равномерно.

Анализируя полученные результаты, оптимальным для отдела будет функционирование 3 специалистов.

На практике, как правило, входной поток заявок не является стационарным, т.е. его интенсивность меняется в течение дня. Учитывая это, проведем серию вычислительных экспериментов с переменной нагрузкой на обслуживающие каналы.

Эксперимент 2. Оптимизация количества обслуживающих аппаратов в предположении нестационарного входного потока.

Ситуация№1. Интенсивность входного потока равна 0,5.

Ситуация№2.Интенсивность входного потока равна 0,7.

Ситуация№3.Интенсивность входного потока равна 0,8.

Время проведения эксперимента - 720 минут модельного времени или один рабочий день отдела.

Максимальная длина очереди в кассы равна 50 заявок или среднем длина очереди к одному специалисту не превосходит 15 - 25 заявок. Максимальная длина очереди к оператору равна 15 заявок.

Количество обслуживающих каналов - 3.

Исходные данные эксперимента приведены в таблице 8.

В таблице 10 представим результаты эксперимента 2.

Таблица 9. Результаты эксперимента 2

Параметр	Интенсивность входного потока (заявок/мин)
	0,5	0,7	0,8
Максимальная длина очереди к специалисту	8	45	50
Средняя длина очереди к специалисту	1,52	24,6	28,7
Максимальная длина очереди к оператору	4	12	15
Средняя длина очереди к оператору	0,67	6,4	7,6
Количество клиентов, обратившихся к специалисту	324	453	518
Количество обслуженных заявок к специалисту	324	453	511
Количество не обслуженных заявок специалисту	0	0	7
Количество заявок, обратившихся к оператору	36	51	58
Количество обслуженных заявок к оператору	36	51	56
Количество не обслуженных заявок к оператору	0	0	2
Среднее время обслуживания	6	6	6
Среднее время ожидания обслуживания одного оператору	3,04	49,2	57
Время нахождения в системе	9,04	55,2	63
Вероятность отказа обслуживания заявки к специалисту	0	0	0,013
Коэффициент простоя обслуживаемого объекта	0,19	0,55	0,57
Коэффициент простоя специалистов	0,069	0,0057	0,007
Коэффициент загрузки	0,93	0,995	0,993

При проведении эксперимента были установлены следующие параметры:

1)при интенсивности входящего потока 0,5 заявок/мин:

- максимальная длина очереди к специалистам составила 8 заявок, или максимальная длина очереди к одному специалисту составляет 2,6 заявки;

- средняя длина очереди к специалистам составила 1,52 заявки или средняя длина очереди к одному специалисту составляет 0,5 заявки;

- максимальная длина очереди к оператору составила 4 заявки;

- средняя длина очереди к оператору составила 0,67 заявки;

- количество клиентов, обратившихся к специалисту - 324 заявки, при этом все заявки были обслужены, т.е. вероятность отказа обслуживания заявки к специалистам равна нулю;

- количество заявок, обратившихся к оператору - 36 заявки, все заявки были обслужены;

- среднее время обслуживания заявки составляет 6 минут, среднее время ожидания обслуживания - 3,04 минуты, следовательно, среднее время нахождения заявки в системе равно 9,04 минут;

- коэффициент простоя специалистов равен 0,069;

- коэффициент загрузки равен 0,93;

2)при интенсивности входящего потока 0,7 заявки/мин:

- максимальная длина очереди к специалистам составила 45 заявок, или максимальная длина очереди в к одному специалисту составляет 15 заявок;

- средняя длина очереди к специалистам составила 24,6 заявок, или средняя длина очереди к одному специалисту составляет 8,2 заявок;

- максимальная длина очереди к оператору составила 12 заявок;

- средняя длина очереди к оператору составила 6,4 заявок;

- количество заявок, обратившихся к специалистам - 453 заявки, все заявки были обслужены, поэтому вероятность отказа обслуживания заявки к специалистам равна нулю;

- количество заявок, обратившихся к оператору - 51 заявки, все заявки были обслужены;

- среднее время обслуживания заявки составляет 6 минут, среднее время ожидания обслуживания - 49,2 минуты, следовательно, среднее время нахождения заявки в системе равно 55,2 минут;

- коэффициент простоя специалистов равен 0,0057;

- коэффициент загрузки равен 0,995;

3)при интенсивности входящего потока 0,8 заявок/мин:

- максимальная длина очереди к специалистам составила 50 заявок, или максимальная длина очереди к одному специалисту составляет 17 заявок;

- средняя длина очереди к специалистам составила 28,7 заявок, или средняя длина очереди к специалистам составляет 9,5 заявок;

- максимальная длина очереди к оператору составила 15 заявок;

- средняя длина очереди к оператору составила 7,6 заявок;

- количество заявок, поступившие в кассы - 518 заявок, 7 из них не были обслужены, поэтому вероятность отказа обслуживания заявки у специалистов равна 0,11;

- количество заявок, обратившихся к оператору - 58 заявок, 2 из них не были обслужены, поэтому вероятность отказа составляет 0,34;

- среднее время обслуживания заявки составляет 6 минут, среднее время ожидания обслуживания - 57 минут, следовательно, среднее время нахождения заявки в системе равно 63 минуты;

- коэффициент простоя специалистов равен 0,007;

- коэффициент загрузки равен 0,993;

Графическая интерпретация результатов эксперимента 2 представлена на следующих рисунках 12-15. На рисунке 12 представлены графики длины очереди к оператору.

Рис.12. Длина очереди к оператору.

В первой ситуации при интенсивности потока очередь меняется от 1 до 4 заявок. На промежутке длительного времени очередь вообще не формируется. Во второй ситуации, среднее значение длины очереди равно 6,4 заявок. Только в третьей ситуации длина очереди достигает критического значения, и 2 заявки покидают отдел, как видно из рисунка 13:



Рис.13.Количество заявок, не дождавшихся обслуживания у оператора.

В первой и второй ситуациях все заявки были обслужены. В третьей ситуации 2 заявки не дождались обслуживания.

На рисунке 14 представлены графики длины очереди к специалистам.

Рис.14. Длина очереди к специалистам.

В первой ситуации очередь почти не возникает. Во второй ситуации, среднее значение длины очереди равно 24,6 заявок. В третьей ситуации длина очереди достигает критического значения, и 7 заявок покидают отдел, как видно из рисунка 15:



Рис.15.Количество заявок, не дождавшихся обслуживания у специалистов.

В первой и второй ситуациях все заявки были обслужены. В третьей ситуации 7 заявок за все время эксперимента не дождались обслуживания.

В первой и второй ситуациях вероятность отказа по заявке равна нулю. В третьем ситуации 13% заявок остаются не обслуженными. Коэффициент простоя специалистов в первой ситуации равен 0,069, а значит, 49 минут специалисты простаивали. Во второй и третьей ситуации, специалисты простаивали около 5 минуты за весь рабочий день. Во всех трех ситуациях, коэффициент загрузки близок к 1, следовательно, работа специалистов идет непрерывно и равномерно.



ЗАКЛЮЧЕНИЕ

В работе рассмотрена базовая модель внутрифирменного управления. Использование таких механизмов в практике управления фирмой позволит выявить их внутренние резервы, что позволит достичь более высоких результатов с меньшими затратами. Естественно, что описанные здесь механизмы не охватывают все моменты, необходимые для управления фирмой, однако их применение может служить основой для принятия правильных решений.

Обоснованность принимаемых управленческих решений существенно повышается, если при этом используется метод имитационных игр, позволяющий, с одной стороны, проверить на модели правильность принятого решения, а с другой, служит средством обучения..

Одной из задач дальнейших исследований является развитие базовых моделей и механизмов на более сложные и реальные ситуации.

На основании проведенного исследования можно сделать вывод, что отдел закупа и продаж ООО ЧАЙ является основным источником общей информации о дистрибьюторской деятельности компании на территории республике Башкортостан, с ее помощью осуществляется контроль за мерой труда и потребления, он используется как важнейший экономический рычаг управления частными предпринимателями.

В данной работе рассмотрена имитационная модель деятельности и общая характеристика отдела. В процессе исследования был изучен процесс работы с персоналом и подчиняющих филиалов организаций, и создана имитационная модель работы принятия заявок. Таким образом, преддипломная практика в отделе закупа и продаж ООО Чай, показала всю работу персонала по реализации товара.

В процессе исследования данного предприятия можно сделать выводы, что деятельность компании ООО «ЧАЙ» связана с рисками, которые оказывают непосредственное влияние на трудовые ресурсы. Экономические - конкуренция на внутреннем рынке;. Социальные - возможным в будущем увеличение рыночного уровня заработной платы и отсутствие возможностей его обеспечить. Как следствие, отток специалистов и нарушение социального климата на предприятии. В целях снижения перечисленных рисков предлагаю осуществить мероприятия по предотвращению недоработки в рациональности использования фонда оплаты труда:

1. Усовершенствовать процесс принятия заявок внедрением современных новейших программ.

2. Отправлять перспективных работников на курсы повышения квалификации.

3. Все расчеты оплаты труда, пособий и удержаний на предприятии производить в соответствии с действующим законодательством и Положением об оплате труда.

5. Усилить внутренний контроль учета за деятельностью персоналом организации.

Предложенные рекомендации принесут практическую пользу и помогут обеспечить более полное, удобное отражение учетной информации, а также снизят трудоемкость работы специалистов, тем самым повысив профессионализм и достойный уровень принятия заявок от сельскохозяйственных предприятий. На сегодняшний день ООО «ЧАЙ» района занимает твердые позиции среди дистрибьюторских компаний Российской Федерации тем, самым увеличивает объемы чайной продукции, а также развивает новые направления деятельности (реализация новой продукции).



СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Балдин К.В., Башлыков В.Н., Рокосуев А.В. Математические методы и модели в экономике. Учебник. - М.: Флинта, 2012. - 328 с.

2. Воронин А.А. Математические модели организаций - М.: Ленанд, 2008. - 359с

3. Вентцель Е.С. Исследование операций. М: Наука, 1980

4. Вентцель Е.С., Овчаров Л.А. Теория вероятностей и её инженерные приложения. М: Наука, 1988

5. Гмурман В.Е. Теория вероятностей и математическая статистика. М: Высшая школа, 2001.

6. Замков О.О., Толстопятенко А.В., Черемных Ю.Н. Математические методы в экономике. - М.: Дело и Сервис, 2001. -- 368 с.

7. Ильченко А.Н., Практикум по экономико-математическим методам. - М.: Финансы и статистика, 20

8. Компьютерное моделирование в системе Mathcad: В. А. Охорзин -- Санкт-Петербург, Финансы и статистика, 2006 г.- 144 с.09. - 288 с

9. Кузнецов Б. Т. Математические методы финансового анализа. Учебное пособие. - М.: Юнити-Дана, 2012. - 160 с.

10. Лифшиц А.Л. Статистическое моделирование СМО. М., 1978.

11. Лычкина Н.Н. Имитационное моделирование экономических процессов. Учебное пособие. - М.: Академия Айти, 2005. - 164 с.

12. Мельников А. В., Попова Н. В., Скорнякова В. С. Математические методы финансового анализа. М.: Анкил, 2006. - 440 с.

13. Работы по математической теории массового обслуживания: А. Я. Хинчин -- Москва, Либроком, 2010 г.- 240 с.

14. Росс С.И.. Математическое моделирование и исследование национальной экономики. Учебное пособие. - СПб.: Издательство СПб ГУ ИТМО, 2006. - 74 с.

15. Студенческий научный форум по конференции «Применение математических методов в естествознании» [http://www.scienceforum.ru/ 2013/129/1576]

16. Советов Б.А., Яковлев С.А. Моделирование систем. М: Высшая школа, 1985

17. Теория сетей массового обслуживания: В. А. Ивницкий -- Санкт-Петербург, Физико-математическая литература, 2004 г.- 772 с

18. Устав ООО «Чай».

19. Что такое теория массового обслуживания: В.Я. Розенберг -- Москва, Книга по Требованию, 2012 г.- 255 с.

20. Фомин Г.П. Математические методы и модели в коммерческой деятельности. М: Финансы и статистика, 2001.

21. Элементы теории массового обслуживания и ее приложения: Т. Л. Саати -- Санкт-Петербург, Либроком, 2010 г.- 520 с.



ПРИЛОЖЕНИЯ

Исходные данные для моделирования

В таблице 10 представлена статистика количества заявок, обслуженных в отделе закупок и продаж за месяц:

Таблица 10

Статистика количества заявок, обслуженных в отделении Банка

Дни	Число заявок, обслуженных в отделе	Число заявок, обслуженных у специалистов	Число заявок, обслуженных у операторов
1	2	3	4
1.	630	579	51
2.	618	556	62
3.	537	490	47
4.	366	310	56
5.	723	660	63
6.	659	600	59
7.	672	620	52
8.	656	603	53
9.	628	578	50
10.	661	596	65
11.	620	560	60
12.	590	531	59
13.	601	538	63
14.	578	524	54
15.	606	555	51
16.	598	541	57
17.	591	534	57
18.	599	549	50
19.	615	564	51
20.	603	538	65
21.	582	517	65
22.	645	585	60
23.	584	535	49
24.	600	538	62
25.	613	556	57
26.	597	544	53
27.	586	526	60
28.	598	548	50
29.	601	541	60
30.	605	549	56
Итого:	18162	16465	1697
Вероятность обращения Клиентов		0,906	0,093

Таким образом, вероятность обращения заявок к специалистам составляет 90,6%, а вероятность поступления заявок к операторам составляет 9,3%.

В таблице 11 представлена статистика количества заявок, обслуженных оператором в отделе за месяц:

Таблица 11. Статистика числа заявок, обслуженных оператором

Дни	Число заявок, обслуженных у
	всего	специалисты	отказ на уровне кредитного инспектора
1	2	6	7
1	51	2	15
2	62	6	14
3	47	3	11
4	56	5	14
5	63	7	12
6	59	6	11
7	52	2	13
8	53	4	15
9	50	6	13
10	65	8	11
11	60	6	14
12	59	8	12
13	63	6	14
14	54	4	15
15	51	2	15
16	57	6	11
17	57	4	12
18	50	1	16
19	51	4	16
20	65	7	14
21	65	8	16
22	60	7	13
23	49	6	11
24	62	8	11
25	57	7	11
26	53	6	17
27	60	4	14
28	50	2	15
29	60	9	12
30	56	6	13
Итого:	1697	160	401
Вероятность поступления заявки		0,094	0,263

Размещено на Allbest.ur