Статистический анализ финансового состояния предприятия ООО "Инфора" на основе имитационной модели

Традиционно различают аналитическое и имитационное моделирование.

Аналитическая модель, как правило, статическая (ее выходы функционально зависят от входов) и поэтому в ряде практических случаев может быть реализована даже с помощью электронных таблиц.

К имитационным моделям прибегают тогда, когда объект моделирования настолько сложен, что адекватно описать его поведение математическими уравнениями невозможно или затруднительно. Имитационное (динамическое) моделирование рассматривает модель как совокупность правил, которые определяют, в какое состояние в будущем перейдет моделируемый объект из некоторого предшествующего состояния.

Если рассматривать современное предприятие в виде сложной кибернетической системы (у которой системообразующим фактором является прибыль как результат деятельности), то на передний план выходит задача максимального соответствия архитектуры предприятия целям его деятельности. Указанная архитектура не просто объединяет воедино все подсистемы предприятия (производство, финансы, снабжение, сбыт, информационное обеспечение и т. д.) -- она агрегирует знания о бизнес-процессах, бизнес-правилах, всех видах потоков (материальных, энергетических, финансовых, информационных, людских), организационной структуре. Соответственно, все подсистемы в рамках эффективной архитектуры должны работать на общий результат; в противном случае подсистема - «дезорганизатор» должна быть максимально ограничена в своих степенях свободы.

Отсюда следует важнейшая черта имитационного моделирования деятельности предприятий (организаций): инструментальная поддержка анализа функционирования во всех мыслимых аспектах (технологическом, экономическом, организационном и пр.) в целях совершенствования производственных и управленческих процессов, скоординированной и контролируемой работы всех подсистем. В конечном итоге это будет способствовать повышению монолитности предприятия, формированию единого целостного организма, способного в кратчайшие сроки мобилизовать все свои ресурсы. Увидеть не только сегодняшние «узкие места», но и предвосхитить с помощью имитационной модели их появление в будущем -- вот путь к полному пониманию собственного бизнеса, когда в любой момент времени можно получить ответ на вопрос о том, что, почему и как происходит в каждой из подсистем предприятия.

Реструктуризация производства, повышение качества продукции, снижение производственных и логистических расходов, моделирование жизненного цикла новой продукции, максимальный учет требований и пожеланий клиентов -- вот далеко не исчерпывающий перечень проблем, полноценное решение которых вряд ли возможно без использования имитационных моделей.

При имитационном моделировании, которое применяется для изучения очень сложных систем, реализующий модель алгоритм воспроизводит на ЭВМ процесс функционирования систем, причем имитируются элементарные явления и, составляющие процесса с сохранением их логической структуры и последовательности протекания во времени.

Различие между аналитическими и имитационными моделями достаточно условно и определяется возможностями математического аппарата.

Следует особо отметить метод кибернетического моделирования, который был предложен Н. Винером в виде схемы так называемого «черного ящика». В нем отсутствует непосредственное подобие процессов, происходящих в моделях, реальным физическим процессам. В этом случае рассматривают объект-модель как «черный ящик», имеющий ряд входов и выходов, и моделируют некоторые связи между ними.

Чаще всего при использовании кибернетического метода проводят анализ поведенческой стороны объекта при различных воздействиях внешней среды.

В современном имитационном моделировании сформировались и наиболее широко применяются три основных подхода -- дискретно-событийное моделирование, системная динамика и агентное моделирование.

Аппарат системной динамики обычно оперирует непрерывными во времени процессами, а дискретно-событийное и агентное моделирование чаще всего используются для дискретных во времени процессов. С другой стороны, системная динамика предполагает максимальный уровень абстракции модели, дискретно-событийное моделирование отражает абстракции низкого и среднего уровня. Агентное моделирование может применяться на любом уровне модели любого масштаба.

Дискретно-событийное моделирование Румянцев М., журнал "Корпоративные системы". - 2007. -№2,.

Дискретно-событийное моделирование обязано своим рождением Дж. Гордону, который в начале 1960-х спроектировал и реализовал на мэйнфреймах IBM систему GPSS. Основной объект в этой системе -- пассивный транзакт (заявка на обслуживание), который может определенным образом представлять собой работников, детали, сырье, документы, сигналы и т. п. «Перемещаясь» по модели, транзакты становятся в очереди к одноканальным и многоканальным устройствам, захватывают и освобождают эти устройства, расщепляются, уничтожаются и т. д. Таким образом, дискретно-событийную модель можно рассматривать как глобальную схему обслуживания заявок. Аналитические результаты для большого количества частных случаев таких моделей рассматриваются в теории массового обслуживания.

Сегодня существует целый ряд инструментов, поддерживающих такой подход в моделировании: GPSS/PC, GPSS/H, GPSS World, Object GPSS, Arena, SimProcess, Enterprise Dynamics, Auto-Mod и др.

GPSS World -- типичный современный представитель GPSS-семейства, реализованный для работы в среде MS Windows. Наличие встроенных инструментов статистической обработки результатов моделирования, встроенного языка программирования расчетов PLUS и др. позволяет создавать средствами GPSS World не только простые обучающие модели, но и более полезные приложения.

Несмотря на изначальную ориентацию GPSS на моделирование систем массового обслуживания, система оказалась удивительно долгоживущей и способной к развитию. Трудоемкость описания моделируемых систем в терминах бизнес-процессов может быть снижена за счет применения таких продуктов, как Object GPSS или ISS 2000. В частности, созданный в НТУУ «КПИ» под руководством В. Н. Томашевского пакет ISS 2000 представляет собой лингвистический процессор, с помощью которого пользователь в диалоговом режиме создает автоматически GPSS-программу и запускает ее на выполнение.

Системная динамика.

Системная динамика как методология была предложена в 1961 году Дж. Форрестером в качестве инструмента исследования информационных обратных связей в производственно-хозяйственной деятельности, для того чтобы выяснить, каким образом взаимодействуют организационная структура, усиления и задержки (в принятии решений и действиях), оказывая влияние на эффективность предприятия. Процессы, происходящие в реальном мире, в системной динамике представляются в терминах накопителей (фондов) и потоков между ними. Системно-динамическая модель описывает поведение системы и ее структуру как множество взаимодействующих обратных положительных и отрицательных связей и задержек. Математически такая модель выглядит как система дифференциальных уравнений.

Методы системной динамики поддерживаются такими инструментами, как DYNAMO, Stella, Vensim, PowerSim, iThink, ModelMaker и др.

Рисунок 2.2 - Пример моделирования в Vensim

Пакет Vensim представляет собой инструмент для визуального моделирования, поддерживающий разработку концептуальной модели, документирование, собственно моделирование, анализ результатов и оптимизацию моделей динамических систем. Он позиционируется на рынке программных продуктов как простое и гибкое средство для построения имитационных моделей систем с причинно-следственными связями, фондами и потоками. Следует отметить, что Vensim существует и в версии для академического использования в образовательных целях. Пакет имеет графический редактор для построения с помощью мыши классических «форрестеровских» моделей, Equation Editor для завершения формирования модели, а также развитые средства визуализации поведения модели.

Программные комплексы Stella и iThink предназначены для преобразования моделей принятия решений в имитационные модели. Основной упор делается на формирование у пользователя умения принимать решения, необходимые для исследования систем со сложными взаимозависимыми связями между подсистемами. Указанные программы широко используют графические функциональные элементы для графического изображения потоков, фондов, эффектов влияния неформализованных факторов. Динамика процессов и объектов выражается с помощью пяти типов базовых параметров: увеличение фондов, исчерпание фондов, рабочий процесс, соединение потоков, адаптация фондов. Соответственно, модели представляются тремя иерархическими уровнями: блок-схемы, базовые потоковые схемы, формальные спецификации.

Одна из наиболее показательных сфер применения аппарата системной динамики -- имитационное моделирование финансово-кредитной деятельности. Так, существует ряд моделей банковских и страховых учреждений, выполненных с помощью PowerSim и iThink, обеспечивающих расчет показателей текущего и будущих периодов, прогнозы состояния отдельных сделок и состояния финансового учреждения в целом, оценку привлекательности направлений инвестиционной деятельности, оценку эффективности кредитного и депозитного портфелей банка и т. п. Накоплен положительный опыт оптимизации структуры холдингов с помощью имитационного моделирования в среде iThink.

Агентное моделирование.

Агентное моделирование предполагает работу с децентрализованной моделью. В такой модели нет единой точки, определяющей поведение системы в целом. Агентная модель состоит из множества индивидуальных объектов (агентов) и их окружения. Поведение системы описывается на индивидуальном уровне; глобальное поведение рассматривается как результат совокупной деятельности агентов, каждый из которых действует сообразно собственному «уставу», существует в общей среде, взаимодействует со средой и другими агентами. Для описания поведения агентов используются карты состояний, являющиеся стандартным инструментом UML.

Для систем, содержащих большое количество активных объектов с отчетливо выраженным индивидуальным поведением, агентное моделирование является более универсальным подходом, т. к. позволяет учесть структуру и поведение любой сложности.

Другое важное достоинство агентного моделирования -- возможность разработки модели даже в отсутствие априорной информации о глобальных зависимостях. Зная индивидуальную логику поведения участников процесса, можно построить агентную модель и спрогнозировать ее глобальное поведение. Помимо этого, агентная модель проще в сопровождении, поскольку уточнения вносятся на локальном уровне по мере накопления данных.

Концепция агентного моделирования позволяет осуществить переход от моделей системной динамики и дискретно-событийных моделей к агентным моделям с помощью процедуры конвертации. Для системно-динамических моделей может потребоваться деагрегация накопителей на множества агентов (при условии активности и различимости этих агентов). В дискретно-событийных моделях индивидуальные объекты - транзакты также могут стать агентами (при условии децентрализации логики прохождения транзактов).

Другие подходы

Так, группа зарубежных исследователей, усматривая аналогии между фундаментальными процессами взаимодействия молекул (перераспределение импульсов и энергии) и взаимодействия участников рынка (перераспределение денег и товаров), применили методы статистической физики к исследованию колебания цен на фондовом рынке. Более того, сравнительно давно было отмечено, что закономерности процессов обмена в экономических системах сходны с закономерностями равновесных состояний в термодинамике.

Существуют и узкоспециализированные методологии, предназначенные исключительно для моделирования и анализа бизнес-процессов, например, ARIS (Architecture of Integrated Information Systems). Организация в ARIS рассматривается с четырех точек зрения: организационной структуры, функциональной структуры, структуры данных, структуры процессов. Для описания бизнес-процессов предлагается около 80 типов моделей, каждая из которых отражает тот или иной аспект моделирования. Развитая репрезентативная графика делает модели в ARIS особенно удобными для представления руководству и принятия стратегических решений.

ARIS хорошо стыкуется с известными ERP-системами, в частности, позволяет описать структуру SAP R/3 в терминах управления бизнес-процессами и провести реинжиниринг (импортировав в ARIS текущие описания бизнес-процессов из R/3). Есть возможность проверки создаваемых моделей на соответствие методологии SAP и тестирования проекта на соответствие требованиям стандарта качества ISO 9000.

Как показывает практика, внедрению ARIS должна предшествовать серьезная «безмашинная» проектно-аналитическая подготовка. Обычно ARIS используется либо для формирования бизнес-структуры с самого начала, либо для ее крупномасштабной комплексной перестройки. Методики оптимизации, предлагаемые ARIS, представляют собой только первичный этап оптимизации бизнес-процессов (т. к. стандартные алгоритмы анализа могут быть реализованы и без использования ARIS, а более сложные алгоритмы могут быть воплощены с помощью сервисной надстройки «Поиск решения» в MS Excel).

Для полномасштабного документирования бизнес-процессов организации средних размеров требуется, по оценкам некоторых специалистов, как минимум пять человеко-лет. Если учесть, что расходы по внедрению ARIS составляют в среднем 1,5 тыс. долларов на одно рабочее место, то становится понятно, что, в отличие от рассмотренных выше программных продуктов, успешность применения ARIS сильно зависит от наличия профессиональных бизнес-аналитиков и высокой управленческой культуры на предприятии.

Относительно имитационного моделирования в рамках ARIS отметим, что модуль ARIS Simulation может быть использован для проведения динамических экспериментов в целях определения узких мест в реализации процессов (несогласованность параллельно выполняемых процессов, нехватка ресурсов и т. п.). Для этого предварительно требуется формализовать временные характеристики исследуемых бизнес-процессов. Возможно, более удобным в этом плане является программный комплекс MATLAB/Simulink, специально предназначенный для моделирования динамических систем.

Таким образом, в сфере современных информационных технологий имитационное моделирование приобретает в мировых научных исследованиях и практической деятельности крайне весомое значение. С помощью имитационного моделирования эффективно решаются задачи самой широкой проблематики:

· в области стратегического планирования;

· бизнес - моделирования;

· менеджмента (моделирование различного рода финансовых проектов, управление производством);

· реинжиниринга;

· проектирования (актуально применение имитационного моделирования в области инвестиционно-технологического проектирования);

· моделирования и прогнозирования социально-экономического развития региональных и городских систем.

§2.2 Разработка статистической имитационной модели по оценке и анализу финансового состояния предприятия