Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

1 30/3/2015 Λήψη Αποφάσεων Λήψη Αποφάσεων Διαίσθηση ή Ορθολογισμός; Εισηγητής : Γεωργίου Ανδρέας Αναπληρωτής Καθηγητής ΟΔΕ Πανεπιστήμιο Μακεδονίας.

Παρόμοιες παρουσιάσεις


Παρουσίαση με θέμα: "1 30/3/2015 Λήψη Αποφάσεων Λήψη Αποφάσεων Διαίσθηση ή Ορθολογισμός; Εισηγητής : Γεωργίου Ανδρέας Αναπληρωτής Καθηγητής ΟΔΕ Πανεπιστήμιο Μακεδονίας."— Μεταγράφημα παρουσίασης:

1 1 30/3/2015 Λήψη Αποφάσεων Λήψη Αποφάσεων Διαίσθηση ή Ορθολογισμός; Εισηγητής : Γεωργίου Ανδρέας Αναπληρωτής Καθηγητής ΟΔΕ Πανεπιστήμιο Μακεδονίας

2 2 30/3/2015 Διαίσθηση  Η ζήτηση για το προϊόν θα ανέβει (πεποίθηση)  Είναι αναγκαία τρία ταμεία ανοικτά (εμπειρία)  Να επενδύσουμε σε πάγιο εξοπλισμό (αύξηση δυναμικότητας παραγωγής)  Ο ανταγωνιστής μας θα αποσυρθεί από την αγορά αυτή (το έχει ξανακάνει σε παρόμοια περίπτωση)  Να επενδύσουμε στο κλάδο πληροφορικής (γενική εικόνα περιβάλλοντος)  Το συγκεκριμένο μείγμα προϊόντων είναι κερδοφόρο (έτσι ήταν τα τελευταία τρία τρίμηνα)  Η συγκεκριμένη πρώτη ύλη είναι πολύ σημαντική για την παραγωγή μας (ήταν πάντα απαραίτητη)

3 3 30/3/2015 Ορθολογισμός  Η επεξεργασία των στοιχείων δείχνει ότι η ζήτηση έχει ανοδική τάση  Με βάση την αναμενόμενη εισροή πελατών τις ώρες αιχμής θα χρειαστούν υποδομές για τρία ταμεία  Η αναδιάρθρωση της γραμμής παραγωγής θα απαιτήσει επένδυση σε πάγιο εξοπλισμό συγκεκριμένου τύπου για αποφυγή στενώσεων στην παραγωγική διαδικασία  Με βάση τις στρατηγικές που συνήθως εφαρμόζει ο ανταγωνιστής μας, είναι «μεγάλη» η πιθανότητα να αποσυρθεί από τη συγκεκριμένη αγορά  Τα θεμελιώδη στοιχεία του κλάδου πληροφορικής δείχνουν μεσοπρόθεσμη τάση για υψηλό ρυθμό ανάπτυξης  Με βάση το κόστος των παραγωγικών συντελεστών, τη ζήτηση, το λειτουργικό κόστος και τη χρησιμοποιούμενη τεχνολογία ένα συγκεκριμένο μείγμα παραγωγής φαίνεται να είναι πιο κερδοφόρο  Η οριακή αξία του συγκεκριμένου παραγωγικού συντελεστή είναι μεγαλύτερη από τους υπόλοιπους και κατά συνέπεια είναι πιο σημαντικός για την επιχείρηση

4 4 30/3/2015 Η Επιχειρησιακή Έρευνα  Έρευνα σε επιχειρήσεις;  Έρευνα Μάρκετινγκ;  Operations (Operational) Research  Management Science (Διοικητική Επιστήμη?)  Decisions Science  Optimization – Βελτιστοποίηση  Η Επιχειρησιακή Έρευνα είναι παντού

5 5 30/3/2015 Παραδείγματα εφαρμογής  Εύρεση βέλτιστου μείγματος προϊόντων  Κατανομή πρώτων υλών σε ανταγωνιστικές δραστηριότητες  Κατάρτιση χαρτοφυλακίων  Διαφημιστικά σχέδια  Σχεδιασμός δυναμικότητας συστημάτων  Χωροθέτηση  Προγραμματισμός Παραγωγής  Προγραμματισμός Έργων (χρόνος, κόστος, ποιότητα)  Ρύθμιση κυκλοφορίας  Βελτιστοποίηση δικτύων  Εφαρμογές στην παροχή υπηρεσιών  Συστήματα αναμονής και εξυπηρέτησης  Δημόσιος και Ιδιωτικός Τομέας

6 6 30/3/2015 Η επιστήμη της βελτιστοποίησης  Η Επιχειρησιακή Έρευνα είναι η εφαρμογή επιστημονικής (scientific) προσέγγισης για την παροχή συμβουλών στους λήπτες αποφάσεων για την επίλυση «πολύπλοκων» επιχειρησιακών προβλημάτων σε συστήματα  τα οποία λειτουργούν υπό συνθήκες  αβεβαιότητας (uncertainty),  ανταγωνισμού (conflict) και  κινδύνου (risk),  στα οποία εμπλέκονται ανθρώπινο δυναμικό, πρώτες ύλες, κεφάλαια, εξοπλισμός, μεθοδολογίες κλπ  Ανεπάρκεια Πόρων  Επιστημονική ??

7 7 30/3/2015 Πού, Πώς, Ποιός, Πότε ?  Πού θα πρέπει να εγκατασταθεί ένας ΧΥΤΑ; Ένα νέο εργοστάσιο; Ένα κέντρο διανομής; (κριτήρια;)  Πώς θα πρέπει να σχεδιαστεί μία νέα γραμμή παραγωγής; Πώς θα πρέπει να σχεδιαστεί ένα κατάστημα γρήγορου φαγητού; Ένα κατάστημα τράπεζας; (κριτήρια;)  Ποιο (Πόσο) είναι το κατάλληλο επίπεδο δυναμικότητας για μια χειρουργική κλινική; Ποιο είναι το μέγιστο πλήθος αεροσκαφών που μπορεί να χειριστεί ο πύργος ελέγχου;(κριτήρια;)  Πότε θα πρέπει να επεκταθεί η δυναμικότητα της χειρουργικής κλινικής ώστε να καλύψει εγκαίρως τη ζήτηση; (κριτήρια;)

8 8 30/3/2015 Ιστορικά στοιχεία  Β’ παγκόσμιος πόλεμος  Ραγδαία βιομηχανική ανάπτυξη  G. Dantzig μέθοδος simplex  Μεταλλουργία, Σιδηροδρομικά δίκτυα, Μεταφορές, βιομηχανία τροφίμων, διύλισης, δίκτυα, υπηρεσίες (τράπεζες, ασφάλειες) κ.ά.  Βελτίωση μεθόδων  Ανάπτυξη Η/Υ

9 9 30/3/2015 Τα βασικά στάδια  Καθορισμός του προβλήματος  Συλλογή στοιχείων – δεδομένων από το σύστημα  Ανάπτυξη μαθηματικού μοντέλου  Σκιαγράφηση εφικτών λύσεων  Επίλυση του μοντέλου – αξιολόγηση εφικτών λύσεων  Εφαρμογή των συμπερασμάτων και της άριστης λύσης στο σύστημα  Ανατροφοδότηση

10 10 30/3/2015 Επιχειρησιακά Συστήματα  Σύνολο οργανωμένων οντοτήτων (ανθρώπινο δυναμικό, μηχανές, εξοπλισμός,πρώτες ύλες, πληροφορίες, κ.ά) οι οποίες αλληλεπιδρούν και συνεργάζονται σε διαδικασίες (διεργασίες) που αποσκοπούν στην επίτευξη κάποιων στόχων, ανάλογα με την είσοδο (inputs) που δέχονται  Στατικό/Δυναμικό  Προσδιοριστικό/Στοχαστικό  Διακριτό/Συνεχές  Κατάσταση συστήματος

11 11 30/3/2015 Επιχειρησιακές Δραστηριότητες  Διεργασία  Δραστηριότητες  Προστιθέμενης Αξίας (μεγιστοποίηση αξίας με τον πλέον αποδοτικό τρόπο)  Μετάβασης / Μεταφοράς οντοτήτων (ελαχιστοποίηση πόρων που απαιτούν)  Ελέγχου (κανένα σύστημα δεν είναι τέλειο, κόστος/όφελος για την εισαγωγή και ενσωμάτωση)  Ενεργητικές – Παθητικές

12 12 30/3/2015 Επιχειρησιακά Μοντέλα  Αναπαράσταση (απομίμηση) συστήματος με κάποιο στόχο  Φυσικά - εικονικά (κατασκευές)  μετάδοση εικόνας, πειραματισμός, εκπαίδευση  Αναλογικά  χάρτες, διαγράμματα, όργανα μετρήσεων  Συμβολικά  προφορικά/γνώμης/εννοιολογικά  Μαθηματικά μοντέλα

13 13 30/3/2015 Διάκριση Μοντέλων  Σκοπός  περιγραφή, βελτιστοποίηση, πρόβλεψη  Μέθοδος ανάλυσης  αναλυτικό, μη αναλυτικό  Διαχείριση Μεταβλητότητας  στοχαστικό, προσδιοριστικό  Γενικότητα εφαρμογής

14 14 30/3/2015 Παράδειγμα 1 ο Διαίσθηση ή ορθολογισμός;;

15 15 30/3/2015 Το γραμμικό μαθηματικό μοντέλο  Min 25x x x x x x 8 Με περιορισμούς : 1. x 1 +x 2 + x 3 + x 4 + x 5 + x 6 + x 7 + x 8 = ,04x 1 + 0,052x 2 + 0,071x 3 + …+ 0,125x 8  0,075 (x 1 +x 2 +x 3 + … + x 8 ) 3. x 1 + x 2 + x 5 + x 7  x 1 + x 3 + x 4 + x 7 + x 8  x 1 + x 2  x 1, x 2, …, x 8  0

16 16 30/3/2015 Η Επίλυση

17 17 30/3/2015 Γραμμικός Προγραμματισμός  Ευρέως διαδεδομένη τεχνική  Γραμμικές σχέσεις  Διοίκηση Παραγωγής  Μάρκετινγκ  Προγραμματισμός έργων  Προγραμματισμός εργασίας  Ανάμειξη πρώτων υλών, τρόφιμα, ποτά, καύσιμα  Επενδύσεις  Μέτρηση απόδοσης  Βελτιστοποίηση Δικτύων  Χρηματοοικονομική Διοίκηση  Αγροτική παραγωγή κ.ά.

18 18 30/3/2015 Παράδειγμα 2 ο (Diet problem)

19 19 30/3/2015 Το Μοντέλο  Min 180x x x x 4 Με περιορισμούς 1. 80x x x x 4  80 (βιταμίνη Α) x x x x 4  100 (βιταμίνη C) 3. 50x x x x 4  60 (βιταμίνη E) x x x x 4  260 (πρωτεΐνες) x x x x 4  (θερμίδες) 6. x 1 + x 2 + x 3 + x 4 = 1 (κονσέρβα ενός κιλού) x 1, x 2, x 3, x 4  0

20 20 30/3/2015 Η Επίλυση

21 21 30/3/2015 Παράδειγμα 3 ο

22 22 30/3/2015 Διαισθητική Λύση (Κοινή Λογική;)  Τα κιόσκια πρέπει να τοποθετηθούν στο κέντρο το ένα δίπλα στο άλλο (?)  Όσο πιο κοντά, τόσο άμεσα ανταγωνίζονται και κανένας δεν μπορεί να βελτιώσει τη θέση του έναντι του άλλου  Υπάρχει τέλεια πληροφόρηση (αρχή της κοινής γνώσης)

23 23 30/3/2015 Η Ποσοτική Προσέγγιση

24 24 30/3/2015 Θεωρία παιγνίων (1)  Μαθηματική μεθοδολογία για την ανάλυση στρατηγικής αλληλεπίδρασης.  Σε πολλές αναλύσεις υποθέτουμε ότι υπάρχει μεγάλο πλήθος ληπτών αποφάσεων που ακυρώνει την πιθανή άμεση επίδραση των αποφάσεών του ενός στον άλλο και έτσι δύνανται να «αγνοήσουν» τις προθέσεις των άλλων.  Η υπόθεση αυτή μπορεί να είναι παραπλανητική σε αρκετές περιπτώσεις π.χ. όταν μερικές μόνο επιχειρήσεις κυριαρχούν σε ένα κλάδο, οι χώρες συναλλάσσονται και καταλήγουν σε εμπορικές ή άλλες συμφωνίες, όταν γίνονται διαπραγματεύσεις για ασφαλιστικά ή εργασιακά θέματα, όταν γίνεται κρατική παρέμβαση στην αγορά, όταν γίνονται ιδιωτικοποιήσεις ή κρατικοποιήσεις κ.ά.  Τότε οι συμμετέχοντες στη διαδικασία λήψης αποφάσεων φανερά θα πρέπει να λάβουν υπόψη τις στρατηγικές της άλλης πλευράς (αντιδράσεις, προσδοκίες κλπ).

25 25 30/3/2015 Θεωρία Παιγνίων (2)  Μελέτη ανταγωνιστικών καταστάσεων  2 ή περισσότεροι λήπτες απόφασης  Μηδενικού, σταθερού, μη σταθερού αθροίσματος  Με ή χωρίς συνεργασία  Με ή χωρίς διαπραγμάτευση  Σε ένα ή περισσότερα βήματα  Με γνώση ή χωρίς κοινή γνώση  Δίκαιο παιγνίδι  Τυχερά παίγνια ?

26 26 30/3/2015 Παράδειγμα 4 ο

27 27 30/3/2015 The Prisoner’s Dilemma  Η αστυνομία έχει συλλάβει δύο γνωστούς κακοποιούς Α και Β με την υποψία ότι έχουν διαπράξει ένοπλη ληστεία. Παρόλο που βρέθηκαν κλοπιμαία στην κατοχή τους, δεν υπάρχουν πολλά στοιχεία για να καταδικαστούν και η μόνη ελπίδα του εισαγγελέα να τους κλείσει στη φυλακή είναι να ομολογήσει ένας ή και οι δύο.  Υπάρχουν τέσσερα ενδεχόμενα:  Ομολογεί ο Α και ενοχοποιεί τον Β (που δεν ομολογεί)  Ομολογεί ο Β και και ενοχοποιεί τον Α (που δεν ομολογεί)  Ομολογούν και οι δύο αλληλοκατηγορούμενοι  Αρνούνται και οι δύο οποιαδήποτε εμπλοκή στη ληστεία

28 28 30/3/2015 Ποσοτική Προσέγγιση Χρόνια φυλάκισης Β Άρνηση (cooperate) Ομολογία (defect) Α Άρνηση (cooperate) 2, 210, 1 Ομολογία (defect) 1, 105, 5

29 29 30/3/2015 Διλήμματα  Δύο ανταγωνιστικές επιχειρήσεις, η μία μειώνει τις τιμές της και κερδίζει μεγαλύτερο μερίδιο στην αγορά. Αν μπουν σε μία διαδικασία συνεχούς μείωσης των τιμών και οι δύο, θα καταλήξουν στο ίδιο μερίδιο που είχαν πριν αλλά με μικρότερα περιθώρια κέρδους.  Δύο συναλλασσόμενες χώρες ή blocks (π.χ. ΕΕ – ΗΠΑ) μπορεί να θέσουν υψηλά ή χαμηλά επίπεδα δασμών στα προϊόντα η μία της άλλης. Και τα δύο blocks πιστεύουν στο «ελεύθερο εμπόριο» αλλά κάθε μία κερδίζει ανταγωνιστικό πλεονέκτημα αν θέσει υψηλότερες επιβαρύνσεις στα εισαγόμενα της άλλης (βλ. διαπραγματεύσεις της GATT).  Δύο γειτονικές χώρες προσπαθούν να καθορίσουν τις αμυντικές τους δαπάνες. Καμία δεν θεωρεί τον εαυτό της επιθετικό αλλά καθεμία θα προτιμούσε να ήταν η καλύτερα εξοπλισμένη και φυσικά να μην μείνει πίσω. Παγιδεύονται τελικά σε κούρσα εξοπλισμών;

30 30 30/3/2015 «Διπλό Παιχνίδι» (Ποσό = 1) Κέρδος ΔΙΠΛΑΜΙΣΑBLOCK ΔΙΠΛΑ 0, 02, 00, 1/2 ΜΙΣΑ 0, 21/2, 1/21/2, 0 BLOCK 1/2, 00, 1/20, 0

31 31 30/3/2015 Είναι η ρουλέτα δίκαιο παίγνιο;

32 32 30/3/2015 Η απάντηση είναι αρνητική  37 κυκλικοί τομείς  Πληρωμή 35 προς 1  (1/37) (κερδίζεις 35)  (36/37) (χάνεις 1)  Μέσο κέρδος παίκτη = (1/37)  35 + (36/37)  (-1) = -1/37  Δηλαδή περίπου +2,27% για του καζίνο

33 33 30/3/2015 Παράδειγμα 5 ο

34 34 30/3/2015 Το πρόβλημα μεταφοράς

35 35 30/3/2015 Το δίκτυο μεταφοράς

36 36 30/3/2015 Η άριστη λύση

37 37 30/3/2015 Προγραμματισμός παραγωγής και πρόβλημα μεταφοράς  H “Sun Ski and Accessories” σχεδιάζει την παραγωγή της για την περίοδο Ιουλίου, Αυγούστου, Σεπτεμβρίου  Η παραγωγική δυναμικότητα και το μοναδιαίο κόστος παραγωγής διαφέρει από μήνα σε μήνα  Η επιχείρηση χρησιμοποιεί μόνιμο προσωπικό σε κανονικό ωράριο και υπερωρίες  Τα επίπεδα παραγωγής πρέπει να ικανοποιούν τις προβλέψεις ζήτησης έγκαιρα από μήνα σε μήνα καθώς και κάποιες απαιτήσεις σε αποθέματα.  Ο στόχος είναι να προγραμματιστεί η παραγωγή με τέτοιο τρόπο ώστε να ελαχιστοποιηθεί το συνολικό κόστος παραγωγής τριμήνου.

38 38 30/3/2015 Άλλα στοιχεία  Αρχικό απόθεμα: 200 τεμάχια  Επιθυμητό τελικό απόθεμα: 1200 τεμάχια  Παραγωγική δυναμικότητα = 1000, 800, 400 regular, 50% overtime.  Κόστος αποθέματος: 3% ανά περίοδο ανά τεμάχιο

39 39 30/3/2015 Το δίκτυο «μεταφοράς»

40 40 30/3/2015 Η άριστη λύση με το Excel

41 41 30/3/2015 Και μια ακόμη σπαζοκεφαλιά

42 42 30/3/2015 Παράδειγμα 6 ο

43 43 30/3/2015 Η «συντομότερη» διαδρομή Αλγόριθμος του Dijkstra

44 44 30/3/2015 Η βέλτιστη λύση

45 45 30/3/2015 Αγορά, συντήρηση, αντικατάσταση παγίων  Κόστος αγοράς εξοπλισμού κατά την έναρξη κάθε περιόδου (ΚΠΑ)  Κόστος διατήρησης (συντήρησης) εξοπλισμού κατά τη διάρκεια μίας περιόδου (ΚΠΑ)  Υπολειμματική αξία εξοπλισμού στο τέλος μίας περιόδου (ΚΠΑ)  Στρατηγικές: Αγορά καινούργιου εξοπλισμού στην αρχή κάποιας περιόδου ή διατήρηση του υπάρχοντος.  Στο τέλος του ορίζοντα προγραμματισμού ο εξοπλισμός πωλείται

46 46 30/3/2015 Εισροές - Εκροές

47 47 30/3/2015 Το μοντέλο δικτύου

48 48 30/3/2015 Η άριστη λύση

49 49 30/3/2015 Το πρόβλημα της ζεύξης

50 50 30/3/2015 Η άριστη λύση

51 51 30/3/2015 Παράδειγμα 7 ο

52 52 30/3/2015 Ουρές αναμονής (1)  Εμπορικά συστήματα εξυπηρέτησης  Εξυπηρέτηση εξωτερικών πελατών πρατήρια βενζίνης, τράπεζες, ταμεία κοινωφελών οργανισμών, καταστήματα λιανικής, αυτόματοι πωλητές, ΑΤΜs, ταχυδρομεία, supermarkets, υπηρεσίες κλπ  Μεταφορικά μέσα εξυπηρέτησης  Τα μεταφορικά μέσα ως πελάτες σταθμοί διοδίων, σηματοδότες, πλοία σε προβλήτες, φορτηγά αναμένουν για φορτοεκφόρτωση, αεροσκάφη που αναμένουν για απογείωση ή προσγείωση κλπ  Τα μεταφορικά μέσα ως εξυπηρετητές ταξί, λεωφορεία, πυροσβεστικά οχήματα, ασθενοφόρα, ανελκυστήρες, αεροπορικές μεταφορές κλπ

53 53 30/3/2015 Ουρές αναμονής (2)  Εμποροβιομηχανικά συστήματα εξυπηρέτησης  Εξυπηρέτηση εσωτερικών πελατών διακίνηση υλικών σε παραγωγικές διαδικασίες, συντήρηση μηχανών, σταθμοί επιθεώρησης, συστήματα Η/Υ, συστήματα εξυπηρέτησης εργαζομένων (αποθήκες εξοπλισμού, εστιατόρια, κάρτες πρόσβασης κλπ), συστήματα όπου μηχανές αποτελούν θέσεις εξυπηρέτησης κλπ  Κοινωνικά συστήματα εξυπηρέτησης  Εξυπηρέτηση κοινωνικού συνόλου σύστημα δικαιοσύνης, νομοθετικό σύστημα, συστήματα υγείας, κοινωνικές υπηρεσίες (π.χ. στεγαστική πρόνοια, υποστήριξη ανέργων κλπ), παιδεία, δημόσια έργα κλπ

54 54 30/3/2015 Παράδειγμα 7-1 Μία βιοτεχνία παράγει εποχικά προϊόντα για θαλάσσια σπορ και διαθέτει 10 μηχανές επεξεργασίας πλαστικής ύλης. Κάθε μηχανή εμφανίζει βλάβη ή χρειάζεται ρύθμιση, κατά μέσο όρο, κάθε 20 ημέρες. Υπάρχει ένα τεχνικό συνεργείο, το οποίο χρειάζεται κατά μέσο όρο 2 ημέρες για να επιδιορθώσει μία βλάβη ή να συντηρήσει τη μηχανή. Το ημερήσιο κόστος εργασίας ανέρχεται στα 70 ευρώ. Όταν είναι σε λειτουργία λιγότερες από 10 μηχανές, τα διαφυγόντα κέρδη από ποινικές ρήτρες λόγω καθυστέρησης κάλυψης παραγγελιών και από τη μείωση της αξιοπιστίας της επιχείρησης, εκτιμώνται σε 100 ευρώ ημερησίως ανά μηχανή εκτός λειτουργίας. Βασικοί δείκτες απόδοσης; Συνολικό λειτουργικό κόστος; Αν με την χορήγηση αντίστοιχου πριμ παραγωγικότητας βελτιωθεί η παραγωγικότητα του συνεργείου κατά 20%, τι αποτελέσματα αναμένουμε;

55 55 30/3/2015 Επίλυση

56 56 30/3/2015 Βελτίωση παραγωγικότητας

57 57 30/3/2015 Παράδειγμα 8 ο Μία επιχείρηση ενοικίασης οχημάτων προγραμματίζει την πρόσληψη μίας συνεργάτιδας για τις Κυριακές και τις αργίες, η οποία θα απασχολείται επί εξάωρο, αποκλειστικά τις ημέρες αυτές. Υπάρχουν τρεις υποψήφιες, η Αντωνία, η Βασιλική και η Γιάννα, καθεμία από τις οποίες έχει σχετική εμπειρία ανάλογης εργασίας. Ο αρμόδιος για την πρόσληψη, απασχόλησε τις υποψήφιες για μία δοκιμαστική περίοδο και συνέλεξε δεδομένα σχετικά με την απόδοσή τους. Διαπίστωσε ότι για την εξυπηρέτηση ενός τυπικού πελάτη οι τρεις υποψήφιες χρειάζονταν, κατά μέσο όρο, 16, 12 και 11 λεπτά αντίστοιχα. Η αμοιβή και γενικά το συνολικό κόστος εργασίας των υποψηφίων για ένα εξάωρο είναι ανάλογο της εμπειρίας τους και ανέρχεται σε 90 ευρώ για την Αντωνία, 114 ευρώ για τη Βασιλική και 150 ευρώ για τη Γιάννα. Ο ρυθμός αφίξεων τις ημέρες αυτές ανέρχεται, κατά μέσο όρο, σε 7 πελάτες ανά δίωρο. Το κόστος για την επιχείρηση από την αναμονή και παραμονή ενός πελάτη στο σύστημα εκτιμήθηκε στα 10 ευρώ ανά ώρα. Ποια υποψήφια θα προταθεί για τη θέση με βάση το κριτήριο του λειτουργικού κόστους?

58 58 30/3/2015 Επίλυση

59 59 30/3/2015 Παράδειγμα 9 ο  Πολύπλοκα συστήματα αβεβαιότητας και δυναμικής συμπεριφοράς  Μαθηματικές σχέσεις δύσκολο να επιλυθούν  Συνεχείς επεμβάσεις στο πραγματικό σύστημα δαπανηρές ή/και επικίνδυνες  Δυνατότητα πειραματισμού με σχετικά χαμηλό κόστος

60 60 30/3/2015 Προσομοίωση  Απομίμηση της συμπεριφοράς ενός συστήματος στον υπολογιστή  Παραγωγή δείγματος με στοιχεία που αναφέρονται στη συμπεριφορά του  Στατιστική δειγματοληψία  Ανάλυση δείγματος  εξαγωγή συμπερασμάτων

61 61 30/3/2015 Κατάστημα τράπεζας (1)

62 62 30/3/2015 Τραπεζικό κατάστημα (2)

63 63 30/3/2015 Συμπεράσματα  Η αβεβαιότητα, ο ανταγωνισμός, ο κίνδυνος και γενικά ο υψηλός βαθμός πολυπλοκότητας που χαρακτηρίζει τις επιχειρησιακές διεργασίες, οδηγούν στην ανάγκη εφαρμογής δομημένων μεθοδολογιών στήριξης αποφάσεων που στηρίζονται σε αξιόπιστα δεδομένα και καλά ορισμένες μεθοδολογίες  Τα τελευταία 50 – 60 χρόνια έχει αναπτυχθεί ένα επιστημονικό πεδίο το οποίο εστιάζει την προσοχή μας στην «επιστημονική» προσέγγιση επίλυσης επιχειρησιακών προβλημάτων χρησιμοποιώντας μαθηματικά (ή/και) λογικά μοντέλα  Το να στηρίξει κανείς την ορθότητα των αποφάσεών του είτε μόνο σε ποιοτικές είτε μόνο σε ποσοτικές μεθόδους θα ήταν (πιθανώς καταστροφικό) σφάλμα


Κατέβασμα ppt "1 30/3/2015 Λήψη Αποφάσεων Λήψη Αποφάσεων Διαίσθηση ή Ορθολογισμός; Εισηγητής : Γεωργίου Ανδρέας Αναπληρωτής Καθηγητής ΟΔΕ Πανεπιστήμιο Μακεδονίας."

Παρόμοιες παρουσιάσεις


Διαφημίσεις Google