Cтраница 3
Мы не моделировали ситуации, в которых получающий прибыль методом обучения ищет свой путь к оптимальным условиям. Причина отчасти в том, что наша имитационная модель непригодна для исследования этого метода. При отсутствии сдвигов функции прибыли хорошо разработанный метод уверенно достигает оптимума, как это вскоре будет показано. Накопленный опыт аналогичных математических операций, таких как метод Ньютона для приблизительного определения корней уравнения, позволяет предположить, что они будут обладать довольно высокой сходимостью. Только модели с частыми и непредсказуемыми сдвигами функций затрат и прибыли пригодны для серьезного испытания метода обучения, потому что только так мы можем увидеть, движется ли он к оптимуму быстрее, чем устаревает прошлая информация, использованная для его построения. Хорошая имитация метода обучения, построенная на функции фиксированной прибыли, в длительной перспективе должна почти наверняка оказаться эффективнее, нежели любые другие типы эмпирических методов, но будет ли так происходить на практике, полностью зависит от изменчивости соответствующих функций. [31]
Относительно хорошее качество метода 1, особенно в сериях 1 и 6, становится понятным ввиду того, что ожидаемая функция прибыли является достаточно плоской в районе р и: например, при цене 14 дол. Ситуация может быть представлена более наглядно с помощью графика. Рисунок представляет нашу моделированную функцию прибыли. [32]
Представляется, что возможности анализа, необходимые для проектирования с использованием ЭВМ, сейчас доступны. Следующей задачей, к которой следует затем обратиться, является вопрос о том, как понимать термины наилучший, или оптимальный. Мысль о наилучшем возникает весьма естественно при попытке технического проектирования. В отраслях промышленности, ориентированных на доходы, а также в государственных лабораториях целью проектирования является максимизация некоторой функции прибыли при ограничениях на ресурсы, качество и условия работы людей. Коль скоро выбрана некоторая функция или мера оценки и определены ограничения, то проектировщику системы желательно иметь метод, при помощи которого он может найти оптимальные проекты. Здесь следует особо указать на то, что в настоящее время не существует методики автоматической оптимизации, которая могла бы давать решение любой поступившей задачи. Однако существует возможность регулярного подхода К оптимальному проекту, который может помочь инженеру в осуществлении его идей и вести его в направлении, которое, будучи продолженным неопределенно долго, приведет к математическому оптимуму. [33]
Прибыль, измеряемая в денежных единицах, важна почти во всех промышленных контекстах. Способ ее определения меняется для различных проектируемых систем. Иногда от новой системы ожидают немедленной и крупной прибыли за весьма короткий период. Иногда хотят умеренной прибыли в течение долгого времени. Для полного задания функции прибыли во времени могут назначаться еще различные частные условия. [34]
Мы не моделировали ситуации, в которых получающий прибыль методом обучения ищет свой путь к оптимальным условиям. Причина отчасти в том, что наша имитационная модель непригодна для исследования этого метода. При отсутствии сдвигов функции прибыли хорошо разработанный метод уверенно достигает оптимума, как это вскоре будет показано. Накопленный опыт аналогичных математических операций, таких как метод Ньютона для приблизительного определения корней уравнения, позволяет предположить, что они будут обладать довольно высокой сходимостью. Только модели с частыми и непредсказуемыми сдвигами функций затрат и прибыли пригодны для серьезного испытания метода обучения, потому что только так мы можем увидеть, движется ли он к оптимуму быстрее, чем устаревает прошлая информация, использованная для его построения. Хорошая имитация метода обучения, построенная на функции фиксированной прибыли, в длительной перспективе должна почти наверняка оказаться эффективнее, нежели любые другие типы эмпирических методов, но будет ли так происходить на практике, полностью зависит от изменчивости соответствующих функций. [35]
Вторым обстоятельством, интересующим нас, является смещение самой точки критического соотношения. Если она передвинулась вправо, это значит, что предприятие должно полнее использовать производственную мощность для того, чтобы дело себя оправдало. Принимая решения, предприятие должно учитывать оба критерия в их взаимной связи. На рис. 29.9 нанесены две линии прибыли, соответствующие двум различным вариантам производства. Вариант А характеризуется более низким положением точки критического соотношения, чем вариант В. Применительно к данному критерию это обстоятельство делает вариант А более желательным, чем вариант В. Однако функция прибыли при варианте В соответствует большей маржинальной прибыли после того, как точка критического соотношения достигнута. [36]
Объективная функция может выглядеть более сложной, чем в наших примерах. Так, было сделано допущение о том, что показатель прибыли от производства единицы конкретной модели не изменяется. На практике же фактическая прибыль может изменяться по мере увеличения объема производства. Кроме того, существуют и переменные затраты, в частности эксплуатационные расходы по оборудованию и дополнительные затраты по содержанию рабочей силы. Часто дополнительный объем выпуска приводит к экономии. Так, маловероятно, что прибыль от модели А470 будет всегда равна 70 долл. Если эти холодильники производятся в небольших количествах, то, скорее всего, прибыль на единицу будет значительно ниже. Фактически при снижении объема производства за определенный уровень возникнут убытки. Все вышеперечисленное делает функцию прибыли гораздо более сложной, и может в реальности оказаться так, что в таких случаях методы линейного программирования, которые мы описали в этой главе, непригодны. [37]