Najlepsze ceny Specjalne oferty dla członków klubu książki PWE Najtańsza dostawa

Prognozowanie i symulacja w przedsiębiorstwie

Artur Maciąg, Roman Pietroń, Sławomir Kukla
ISBN: 978-83-208-2061-4
eISBN: 978-83-208-2108-6
Liczba stron: 356
Rok wydania: 2013
Miejsce wydania: Warszawa
Wydanie: I
Oprawa: miękka
Format: B5
64.90 zł
55.17
Najniższa cena z 30 dni: 55.17
54.90
liczba egzemplarzy:

Podręcznik stanowi kompendium wiedzy na temat narzędzi wspomagających zarządzanie przedsiębiorstwem, jakimi są prognozowanie i symulacja. Omówiono w nim między innymi techniki prognozowania na podstawie modelu ekonometrycznego i analizy szeregów czasowych, a także rolę sieci neuronowych w prognozowaniu oraz technik prognozowania heurystycznego, kombinowanego i hybrydowego. Ponadto przedstawiono metodologię modelowania symulacyjnego oraz gry symulacyjne stosowane w kierowaniu przedsiębiorstwem.

Spis treści

 

Wstęp

 

Rozdział 1. Podstawy prognozowania
1.1. Obszary zastosowań prognozowania
1.1.1. Prognozowanie w przedsiębiorstwie
1.1.2. Prognozowanie wielkości sprzedaży
1.1.3. Prognozy gospodarcze
1.1.4. Prognozy społeczne
1.2. Elementy statystyki wykorzystywane w procesie prognozowania
1.2.1. Rodzaje danych statystycznych oraz podstawowe parametry rozkładu cech statystycznych
1.2.2. Estymacja przedziałowa oraz testy statystyczne
1.2.3. Wykorzystanie programów komputerowych
1.3. Podstawowe pojęcia prognostyczne
1.3.1. Metody prognozowania oraz klasyfikacja prognoz
1.3.2. Etapy oraz reguły prognozowania
1.3.3. Błąd ex post oraz ex ante, błąd bezwzględny i względny
1.3.4. Dopuszczalność oraz horyzont prognozy
Zadania i pytania kontrolne

 

Rozdział 2. Prognozowanie na podstawie modelu ekonometrycznego
2.1. Etapy budowy jednorównaniowego modelu ekonometrycznego
2.1.1. Określenie problemu prognostycznego
2.1.2. Dobór zmiennych do modelu
2.1.3. Estymacja i weryfikacja modelu
2.1.4. Prognozowanie
2.2. Modele wielorównaniowe
2.2.1. Postać strukturalna i postać zredukowana
2.2.2. Modele proste
2.2.3. Modele rekurencyjne
2.3. Modele zawierające zmienne jakościowe
2.3.1. Wprowadzenie
2.3.2. Model probitowy
2.3.3. Model logitowy
2.4. Wykorzystanie programów komputerowych
2.5. Przykłady prognoz z wykorzystaniem modeli ekonometrycznych
Zadania i pytania kontrolne

 

Rozdział 3. Analiza szeregów czasowych
3.1. Rodzaje szeregów
3.2. Dekompozycja szeregu czasowego
3.3. Modele adaptacyjne
3.3.1. Metody naiwne
3.3.2. Wygładzenie szeregu czasowego
3.4. Metody analityczne
3.4.1. Prognozowanie na podstawie funkcji trendu
3.4.2. Wahania sezonowe i cykliczne
3.5. Modele autoregresyjne
3.5.1. Procesy stacjonarne i niestacjonarne
3.5.2. Modele ARMA i ARIMA
3.5.3. Metoda Boxa–Jenkinsa
3.6. Wykorzystanie programów komputerowych
3.7. Przykłady prognoz z wykorzystaniem szeregów czasowych
Zadania i pytania kontrolne

 

Rozdział 4. Sieci neuronowe w prognozowaniu
4.1. Podstawowe definicje oraz rodzaje sieci neuronowych
4.1.1. Pojedynczy neuron
4.1.2. Warstwa neuronów
4.1.3. Rodzaje sieci neuronowych
4.2. Architektura sieci oraz metody uczące
4.3. Testowanie sieci
4.4. Wyznaczanie prognoz
4.5. Wykorzystanie programów komputerowych
4.6. Przykłady prognoz z wykorzystaniem sieci neuronowych
Zadania i pytania kontrolne

 

Rozdział 5. Inne metody wyznaczania prognoz
5.1. Prognozowanie heurystyczne i analogowe
5.1.1. Metoda analogowa
5.1.2. Metoda delficka
5.1.3. Testy rynkowe
5.2. Prognozowanie kombinowane i hybrydowe
5.2.1. Metody kombinowane
5.2.2. Metody hybrydowe
5.3. Przykłady prognoz z wykorzystaniem metod heurystycznych, kombinowanych i hybrydowych
Zadania i pytania kontrolne

 

Rozdział 6. Podstawy modelowania symulacyjnego
6.1. Etymologia symulacji
6.1.1. Rys historyczny symulacji
6.1.2. Źródła filozoficzne symulacji
6.2. Podstawowe definicje z zakresu modelowania i symulacji
6.3. Wprowadzenie do modelowania symulacyjnego systemów
6.3.1. Specyfikacje formalne w modelowaniu symulacyjnym systemów
6.3.2. Hierarchia specyfikacji w modelowaniu symulacyjnym systemów
6.3.3. Relacje podobieństwa w modelowaniu symulacyjnym systemów
6.4. Opis formalny metod symulacyjnych
6.4.1. Formalizmy modelowania i algorytmy symulacji
6.4.2. Zasady projektowania modeli symulacyjnych
6.4.3. Środowisko symulacji
6.5. Podstawowe problemy metodologiczne symulacji
6.5.1. Etapy modelowania, przebiegu eksperymentu symulacyjnego i wykorzystania wyników symulacji
6.5.2. Weryfikacja i walidacja modeli symulacyjnych
6.5.3. Agregacja i upraszczanie modeli symulacyjnych
6.5.4. Aspekty komunikacyjne w symulacji
6.5.5. Wnioskowanie z wyników badań symulacyjnych
6.6. Planowanie eksperymentu symulacyjnego
6.7. Przegląd narzędzi stosowanych w symulacji
6.7.1. Wykorzystanie arkuszy kalkulacyjnych w symulacji
6.7.2. Języki programowania
6.7.3. Specjalistyczne oprogramowanie symulacyjne
6.7.4. Dobór narzędzi symulacyjnych
6.8. Znaczenie symulacji w przedsiębiorstwie
6.8.1. Badania stanu zastosowań symulacji w przedsiębiorstwach
6.8.2. Zakres zastosowań symulacji w przedsiębiorstwie
6.9. Przykłady sukcesów metod symulacyjnych w przedsiębiorstwach
Zadania i pytania kontrolne

 

Rozdział 7. Symulacja ciągła
7.1. Podstawy formalne symulacji ciągłej
7.1.1. Opis formalny modelu w symulacji ciągłej
7.1.2. Zdarzenie, zachowanie systemu, struktura systemu
7.1.3. Historia, założenia i paradygmaty metody Dynamiki Systemów
7.1.4. Elementy konstrukcyjne modeli Dynamiki Systemów
7.2. Proces modelowania symulacyjnego w metodzie Dynamiki Systemów
7.2.1. Etapy i wyniki modelowania w metodzie Dynamiki Systemów
7.2.2. Odwzorowanie upływu czasu w symulacji ciągłej
7.2.3. Projektowanie równań w metodzie Dynamiki Systemów
7.2.4. Algorytm obliczeniowy w metodzie Dynamiki Systemów
7.3. Struktura systemu a jego zachowanie się — relacje wzajemne
7.3.1. Wzorce zachowań systemów dynamicznych
7.3.2. Polaryzacja i dominacja sprzężeń zwrotnych
7.3.3. Własności dynamiczne modeli w symulacji ciągłej
7.4. Narzędzia modelowania w metodzie symulacji ciągłej — przykłady
7.4.1. Język modelowania DYNAMO
7.4.2. System modelowania IThink/Stella
7.4.3. System modelowania Vensim
7.4.5. System modelowania Powersim
7.5. Przykłady zastosowania Dynamiki Systemów w symulacji przedsiębiorstw
Zadania i pytania kontrolne

 

Rozdział 8. Symulacja dyskretna
8.1. Podstawy formalne symulacji dyskretnej
8.1.1. Opis formalny modelu w symulacji dyskretnej
8.1.2. Zdarzenie, czynność, proces — relacje wzajemne
8.1.3. Założenia i paradygmaty metod symulacji dyskretnej
8.1.4. Elementy konstrukcyjne modeli w symulacji dyskretnej
8.2. Proces modelowania w symulacji dyskretnej
8.2.1. Etapy i wyniki modelowania w symulacji dyskretnej
8.2.2. Odwzorowanie upływu czasu w symulacji dyskretnej
8.2.3. Projektowanie równań w symulacji dyskretnej
8.2.4. Metoda Monte Carlo w symulacji dyskretnej
8.2.5. Algorytmy obliczeniowe w symulacji dyskretnej
8.3. Analiza danych w symulacji dyskretnej
8.3.1. Analiza danych wejściowych symulacji
8.3.2. Analiza danych wyjściowych symulacji
8.3.3. Własności statystyczne modeli w symulacji dyskretnej
8.4. Narzędzia modelowania w metodzie symulacji dyskretnej—przykłady
8.4.1. Język modelowania GPSS (GPSS World)
8.4.2. System modelowania ExtendSim
8.4.3. System modelowania Arena
8.5. Przykłady zastosowania symulacji dyskretnej w modelowaniu przedsiębiorstw
Zadania i pytania kontrolne

 

Rozdział 9. Symulacja hybrydowa
9.1. Podstawy formalne symulacji hybrydowej
9.1.1. Opis formalny modelu w symulacji hybrydowej
9.1.2. Założenia i paradygmaty metod symulacji hybrydowej
9.1.3. Elementy konstrukcyjne modeli w symulacji hybrydowej
9.2. Proces modelowania w symulacji hybrydowej
9.2.1. Etapy i wyniki modelowania w symulacji hybrydowej
9.2.2. Odwzorowanie upływu czasu w symulacji hybrydowej
9.2.3. Projektowanie modelu w symulacji hybrydowej
9.2.4. Algorytmy obliczeniowe w symulacji hybrydowej
9.3. Narzędzia modelowania w metodzie symulacji hybrydowej — przykłady
9.3.1. Symulacja hybrydowa w języku GPSS (GPSS World)
9.3.2. Symulacja hybrydowa w systemie modelowania ExtendSim
9.3.3. Symulacja hybrydowa w systemie modelowania Arena
9.4. Przykłady zastosowania symulacji hybrydowej w modelowaniu przedsiębiorstw
Zadania i pytania kontrolne

 

Rozdział 10. Gry symulacyjne
10.1. Podstawy gier symulacyjnych
10.1.1. Krótki rys historyczny
10.1.2. Opis formalny modelu w grze symulacyjnej
10.1.3. Określenie i cechy gier symulacyjnych
10.1.4. Typy i taksonomie gier symulacyjnych
10.2. Zasady organizacji rozgrywki w grze symulacyjnej
10.2.1. Przebieg rozgrywki w grze symulacyjnej
10.2.2. Rola arbitra w grze symulacyjnej
10.2.3. Czynności realizowane przez graczy w grze symulacyjnej
10.2.4. Zasady projektowania scenariusza w grze symulacyjnej
10.3. Skuteczność i efektywność gier symulacyjnych
10.3.1. Cele zastosowania gier symulacyjnych w przedsiębiorstwie
10.3.2. Założenia i sposoby oceny gier symulacyjnych
10.4. Przykłady zastosowań gier symulacyjnych w przedsiębiorstwie
Zadania i pytania kontrolne

 

Rozdział 11. Modelowanie i symulacja systemów produkcyjnych
11.1. Wprowadzenie
11.2. Obszary wykorzystania modelowania i symulacji systemów produkcyjnych
11.3. Etapy przebiegu eksperymentu symulacyjnego w projektowaniu i doskonaleniu systemów produkcyjnych
11.3.1. Definiowanie problemu
11.3.2. Zebranie i opracowanie danych
11.3.3. Budowa modelu symulacyjnego
11.3.4. Testowanie i weryfikacja modelu
11.3.5. Planowanie doświadczeń symulacyjnych
11.3.6. Przeprowadzenie doświadczeń symulacyjnych i analiza wyników
11.3.7. Wdrożenie wyników symulacji w systemie rzeczywistym
11.4. Korzyści płynące z wykorzystania modelowania i symulacji systemów produkcyjnych
11.5. Przykłady wykorzystania modelowania i symulacji systemów produkcyjnych
Zadania i pytania kontrolne

 

Rozdział 12. Komputerowe wspomaganie symulacji w przedsiębiorstwie
12.1. Formy integracji symulacji i sztucznej inteligencji
12.2. Technologia agentowa w symulacji
12.3. Symulacja webowa i rozproszona
12.3.1. Symulacja webowa
12.3.2. Symulacja rozproszona
12.4. Symulacja i analiza procesów
12.5. Wizualizacja systemów
12.6. Przykłady komputerowego wspomagania symulacji w przedsiębiorstwie
Zadania i pytania kontrolne

 

Tablice

 

Bibliografia

 

Słownik ważniejszych pojęć

 

Indeks

Artur Maciąg

Prof. Politechniki Świętokrzyskiej, dr hab. Artur Maciąg jest pracownikiem naukowych Katedry Matematyki. Jego zainteresowania obejmują między innymi metody numeryczne rozwiązywania zagadnień inżynierskich oraz metody prognozowania i zastosowania statystyki w zagadnieniach ekonomicznych. Jest autorem lub współautorem wielu publikacji naukowych w renomowanych czasopismach. W latach 2002-2003 odbył staż naukowy w Karlsruhe w ramach programu stypendialnego NATO. Jako analityk statystyczny brał udział w projektach współfinansowanych przez UE.

Roman Pietroń

Dr inż. Roman Pietroń jest pracownikiem naukowym Instytutu Organizacji i Zarządzania Politechniki Wrocławskiej. Jego zainteresowania obejmują problematykę modelowania symulacyjnego i biznesowego, zarządzania procesami, zarządzania logistycznego oraz ubezpieczeń gospodarczych. Jest autorem lub współautorem ponad 70 publikacji naukowych i prac badawczych oraz dwóch podręczników akademickich. W latach 1991-1999 uczestniczył w realizacji projektów edukacyjnych programu TEMPUS dla Politechniki Wrocławskiej. W ramach współpracy uczelni z praktykami gospodarczymi uczestniczy jako wykładowca, trener i analityk w wielu przedsięwzięciach szkoleniowych i rozwojowych.

Inpost Paczkomaty 14 zł
Kurier Inpost 14 zł
Kurier FedEX 14 zł
Odbiór osobisty 0 zł
Darmowa dostawa od 250 zł
Darmowa dostawa w Klubie Książki od 200 zł
Polecamy