Имитационное моделирование бизнес-процессов компании

Тип работы:
Курсовая
Предмет:
Экономические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Курсовая работа на тему

«Имитационное моделирование бизнес-процессов компании»

Пояснительная записка

Самара, 2011

Введение

Имитационное моделирование -- это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему и с ней проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация -- это постижение сути явления, не прибегая к экспериментам на реальном объекте).

К имитационному моделированию прибегают, когда:

· дорого или невозможно экспериментировать на реальном объекте;

· невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;

· необходимо сымитировать поведение системы во времени.

Цель имитационного моделирования состоит в воспроизведении поведения исследуемой системы на основе результатов анализа наиболее существенных взаимосвязей между ее элементами или другими словами -- разработке симулятора (англ. simulation modeling) исследуемой предметной области для проведения различных экспериментов.

Имитационное моделирование позволяет имитировать поведение системы во времени. Причём плюсом является то, что временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью. Можно имитировать поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны.

В основе имитационного моделирования лежит статистический эксперимент (метод Монте-Карло), реализация которого практически невозможна без применения средств вычислительной техники. Поэтому любая имитационная модель представляет собой в конечном счете более или менее сложный программный продукт.

На пути разработчика могут возникнуть следующие проблемы:

-- требуется знание предметной области, к которой относится исследуемая система;

-- на разработку специфических процедур обеспечения статистического эксперимента (генерация случайных воздействий, планирование эксперимента, обработка результатов) может уйти времени и сил не меньше, чем на разработку собственно модели системы.

И наконец, еще одна, пожалуй, важнейшая проблема. Во многих практических задачах интерес представляет не только (и не столько) количественная оценка эффективности системы, сколько ее поведение в той или иной ситуации.

В данной работе будет смоделирован бизнес-процесс «Управление инцидентами», с последующим моделированием ее средствами имитационного моделирования.

Краткие сведения о компании:

МегаФон — первый общероссийский оператор мобильной связи стандарта GSM 900/1800, был образован в мае 2002 года.

МегаФон стал первым и пока единственным оператором, развернувшим собственную сеть во всех субъектах России. Компания также первой в России ввела в коммерческую эксплуатацию сеть третьего поколения в стандарте UMTS.

В сети «МегаФон» используются передовые технологии, открывающие клиентам новые возможности общения и работы с информацией.

В 2009 году МегаФон был признан независимым жюри «Абсолютным брендом — 2009». В 2009 году МегаФон стал официальным мобильным оператором Зимних Олимпийских Игр 2014 года.

1 июля 2009 года компания завершила реорганизацию в форме присоединения дочерних обществ — региональных операционных компаний.

Лицензионный портфель Общества и принадлежащих ему филиалов как в стандарте связи GSM 900/1800, так и связи третьего поколения IMT-2000/UMTS, охватывает всю территорию России с населением 142 миллиона человек. МегаФон строит свой бизнес, основываясь на принципах максимального удовлетворения потребностей абонентов, добросовестной конкуренции и информационной открытости. МегаФон использует передовые технологии, открывающие абонентам новые возможности общения и работы с информацией. Уникальный для российского телекоммуникационного рынка спектр услуг качественной мобильной связи адресован как массовому потребителю, так и корпоративным клиентам.

В 2009 году сразу несколько авторитетных международных рейтинговых агентств повысили инвестиционный и кредитный рейтинги «МегаФона». К примеру, международное рейтинговое агентство «Standard & Poor’s» повысило международный долгосрочный кредитный рейтинг Компании с «ВВ+» положительного на «ВВВ-» стабильный. «Standard & Poor’s» так же повысил долгосрочный рейтинг Компании по национальной шкале до «ruAAA» с «ruAA+».

1. Цели и задачи имитационного моделирования

Объектом исследования является отдел «Управление Инцидентами» департамента информационных технологий телекоммуникационной компании.

Целью имитационного моделирования является прогнозирование совокупной стоимость ИТ-сервиса по обслуживанию инцидентов.

Задачей моделирования является определение затрат (или недополученную прибыли) ИТ-сервиса по причине простоев сбоев в ИТ-инфраструктуре, минимизация затрат отдела «Управления инцидентами» при предоставлении ИТ-сервиса при сохранении качестве услуг на должном уровне.

В частности, должны быть зафиксированы такие параметры, как время реакции Службы поддержки пользователей, время восстановления работоспособности ИТ-услуги, максимальная доля инцидентов, для которых время восстановления превышает оговоренное, и другие.

Учетный элемент (Configuration Item, CI) -это компонент инфраструктуры или элемент, связанный с инфраструктурой. Эти элементы могут значительно различаться по сложности, размеру и типу, от всей системы (включая аппаратное и программное обеспечение и документацию) до одного модуля или малого компонента аппаратного обеспечения.

Имитационная модель предназначена для моделирования управления инцидентами внутри компании и имеет прогнозный характер.

Выделяют три групп простоев: сбой операции, процесса либо организации. Принадлежность простоя к той или иной группе определяется длительностью простоя, важностью услуги для бизнеса и другими обстоятельствами, например, временем, когда произошел простой. В частности, для электронной почты последствия простоя определяются его длительностью и важностью неотправленного (и/или непринятого) сообщения. Для бухгалтерской системы последствия простоя вытекают из его длительности и момента инцидента. Например, простой в обычное время работы бухгалтерии ведет к отсрочке ввода проводки или получения отчета, а простой во время подготовки бухгалтерского отчета может привести к срыву сроков сдачи отчетности. В последнем случае влияние простоя на бизнес значительно серьезнее.

Исходные сведения для расчета потерь от простоев -- база данных инцидентов. При учете инцидентов для каждого инцидента фиксируется момент открытия, закрытия и его длительность.

Для каждой ИТ-услуги суммируются простои по категориям воздействия на бизнес. Полученные суммы перемножаются на цену часа простоя каждой категории, которая определена заранее и согласована с бизнесом. Полученные произведения складываются по всем категориям для каждой ИТ-услуги.

Моделирование управление инцидентами сопровождается указанием следующих параметров:

· количество инцидентов с оборудованием

· количество инцидентов с ИС

· количество инцидентов с ПО

· количество инцидентов с телекоммуникациями

· количество инцидентов с БД

· количество инцидентов с сервером

· количество инцидентов с сервером

· время устранения инцидента

· время между инцидентами

· затраты на аутсорсинг

· провести доп. диагностику

· затраты на диагностику

· материальные затраты

· затраты на модификацию ПО

Эти данные являются случайными величинами. Собрана статистика значений этих величин за 100 месяцев, на основании, которой будут идентифицированы их законы распределения. Моделирование значений случайных величин будет производиться при числе итераций, равном 100.

Модель дает исходные данные для расчета влияния повышения качества ИТ-услуги на требования к ресурсам для ее сопровождения и, соответственно, на затраты ИТ-службы. В частности, при расширении согласованного времени обслуживания услуги электронной почты с 8*5 до 24*7, дополнительные требования к ресурсам рассчитываются следующим образом. В ресурсы включается дополнительная смена Service Desk. Далее, по таблице видов деятельности и привязке ресурсов к видам деятельности выясняется, какие специалисты необходимы для сопровождения электронной почты. Уточняется, какие виды деятельности могут осуществляться удаленно, для остальных устанавливается посменное дежурство инженеров. Сумма затрат на посменное дежурство операторов и инженеров составит дополнительные затраты.

2. Схема основных бизнес-процессов компании

Можно выделить следующие основные бизнес-процессы отдела:

— выявление и регистрация инцидента;

— классификация и начальная обработка инцидента;

— исследование и диагностика инцидента;

— устранение инцидента и восстановление сервиса;

Рис. 1 — Обобщенная схема бизнес-процессов компании

3. Выбор, обоснование и детализированная схема моделируемого бизнес-процесса

Рис. 2 — Детализированная схема бизнес-процесса — управление инцидентами

4. Определение состава исходных данных для моделирования

Таблица 1

Наименование параметра имитационной модели

Значение

Затраты от простоя оборудования руб. /ч.

550

Затраты от простоя ИС руб. /ч.

750

Затраты от простоя ПО, руб. /ч.

850

Затраты от простоя телекоммуникаций руб. /ч.

950

Затраты от простоя БД, руб. /ч.

600

Затраты от простоя Сервера, руб. /ч.

1150

Штат ИТ-службы компании

10

Средняя заработная плата ИТ-специалиста, руб

21 000

Количество пользовательских рабочих мест в компании

1500

Среднее количество заявок по инцидентам

300

стоимость обслуживания 1 рабочего места в месяц

420

Час работы специалиста стоит

120

Затраты на ПО в месяц

1000

Затраты на аппаратное обеспечение (зап. Части)

5000

5. Статистическое исследование бизнес-процесса

Таблица 2 — время между инцидентами.

3,52

9,27

3,52

0,11

1,44

5,59

6,51

3,40

10,59

0,04

10,06

6,66

1,80

0,50

2,92

10,76

10,24

8,40

2,04

3,66

7,03

1,02

5,53

10,15

1,35

0,78

2,81

7,67

2,81

2,09

5,91

5,92

3,87

9,18

7,84

8,26

2,93

5,05

10,06

4,25

0,09

9,96

10,48

7,47

8,59

2,95

0,11

8,75

3,22

3,33

9,52

5,88

3,51

6,92

2,89

1,69

8,43

10,29

2,19

6,36

6,70

8,59

10,88

6,41

1,31

2,20

7,37

10,46

2,47

2,71

8,14

9,42

4,70

7,51

3,90

9,40

2,92

9,26

2,19

8,94

9,52

9,32

1,28

4,01

7,12

3,67

7,38

7,13

1,39

2,62

2,62

10,89

10,60

7,35

7,12

0,88

9,89

6,18

2,11

5,70

Таблица 3 — материальные затраты

178,98

467,83

248,13

228,54

501,80

122,63

264,61

279,30

133,78

230,70

577,69

681,99

357,86

83,00

459,22

58,07

102,30

574,81

186,60

594,14

229,19

460,82

649,48

150,68

440,24

190,09

150,14

47,12

110,13

668,13

645,89

290,07

480,06

531,46

453,05

354,00

48,07

584,10

34,68

605,83

238,31

625,40

542,63

473,13

389,72

26,19

137,11

11,82

103,93

167,42

70,72

567,89

486,92

77,70

578,89

26,64

198,67

668,09

670,87

545,66

116,20

599,10

210,29

117,46

617,72

196,71

216,42

452,75

553,84

91,92

23,40

230,24

354,62

315,46

333,96

341,13

454,22

433,06

136,05

613,18

307,08

218,06

206,60

152,26

489,28

442,76

88,68

661,68

224,70

563,15

581,52

383,67

568,66

405,23

123,95

560,72

290,64

158,62

42,04

552,73

Таблица 4 — количество инцидентов с сервером

2

0

1

4

1

2

1

4

3

2

3

0

4

3

2

3

1

1

0

1

3

1

0

4

3

2

1

5

2

1

5

1

2

1

2

1

1

1

1

4

1

2

0

2

0

0

0

1

2

1

2

3

2

0

0

1

0

3

0

1

1

2

1

3

1

0

2

0

0

4

2

1

4

3

2

1

3

1

1

4

0

2

1

1

1

3

2

3

3

3

3

2

5

3

2

4

4

2

3

0

6. Идентификация законов распределения случайных величин

6.1 Проверка гипотезы о распределении случайной величины по показательному закону

Количество интервалов — 8

Количество параметров распределения — 1

Уровень значимости — 0,05

Число степеней свободы — 6

Таблица 5 — Эмпирическое распределение время между инцидентами

начало интервала

конец интервала

частота

частость

середина интервала

отклонение от среднего

Xi

Xi+1

Mi

Wi

Xi?

Xi-Xв

1

0,05

1,41

52

0,52

0,73

-1,98

2

1,41

2,78

26

0,26

2,10

-0,61

3

2,78

4,14

10

0,1

3,46

0,75

4

4,14

5,51

7

0,07

4,83

2,12

5

5,51

6,87

0

0

6,19

3,48

6

6,87

8,24

3

0,03

7,56

4,85

7

8,24

9,60

1

0,01

8,92

6,21

8

9,60

10,97

1

0,01

10,29

7,58

Итого:

100

1

Построим гистограмму эмпирического распределения время между инцидентами (рис. 3):

Рис. 3

Вычисление теоретических вероятностейпопадания в заданный интервал экспоненциально распределенной случайной величины (таблица 5):

Таблица 5

вероятность

теоретические частоты

-л*Xi

-л*Xi+1

e^(-л*Xi)

e^(-л*Xi+1)

Pi

Mi'

(Mi-Mi')?

(Mi-Mi')?/Mi'

-0,025

-0,697

0,976

0,498

0,478

47,784

17,777

0,372

-0,697

-1,370

0,498

0,254

0,244

24,384

2,611

0,107

-1,370

-2,043

0,254

0,130

0,124

12,443

5,970

0,480

-2,043

-2,716

0,130

0,066

0,063

6,350

0,423

0,067

-2,716

-3,388

0,066

0,034

0,032

3,240

10,500

3,240

-3,388

-4,061

0,034

0,017

0,017

1,654

1,813

1,096

-4,061

-4,734

0,017

0,009

0,008

0,844

0,024

0,029

-4,734

-5,407

0,009

0,004

0,004

0,431

0,324

0,753

1

6,14

Примем в качестве оценки параметра б показательного распределения величину, обратную средней выборочной:

.

л = 0,49

Выборочная средняя = 2,03

Среднее квадратическое отклонение у = 2,04

Сравним и.

Вывод: так как <, то по данным наблюдений генеральная совокупность имеет экспоненциальный закон распределения.

6.2 Проверка гипотезы о распределении случайной величины по нормальному закону

Количество интервалов — 8

Количество параметров распределения — 2

Уровень значимости — 0,05

Число степеней свободы — 5

Таблица 6 — Эмпирическое распределение материальные затраты

начало интервала

конец интервала

эмпирические частоты

частость

середина интервала

отклонение от среднего

Xi

Xi+1

Mi

Wi

Xi?

Xi-Xв

1

6,52

91,27

7

0,07

48,90

342,29

2

91,27

176,02

9

0,09

133,65

1202,84

3

176,02

260,78

16

0,16

218,40

3494,40

4

260,78

345,53

19

0,19

303,15

5759,86

5

345,53

430,28

21

0,21

387,90

8145,92

6

430,28

515,03

13

0,13

472,65

6144,47

7

515,03

599,78

12

0,12

557,40

6688,83

8

599,78

684,53

3

0,03

642,15

1926,46

Итого:

100

1

Продолжение Таблицы 6 — Проверка статистической гипотезы о нормальном распределении СВ

Zi

Zi+1

функция Лапласа

вероятности

теоретические частоты

(Mi-Mi')?/Mi'

Ф (Zi)

Ф (Zi+1)

Pi

Mi'=n*Pi

-2,7 576

-1,54 351

0,189 581

0,61 353 026

0,042

4,239 497

7,6 203 744

-1,54 351

-1,1 127

0,61 353

0,155 944 098

0,095

9,459 107

0,2 107 795

-1,1 127

-0,47 902

0,1 559 441

0,315 961 608

0,160

16,175

3,066E-06

-0,47 902

0,53 225

0,3 159 616

0,521 223 534

0,205

20,52 619

2,3 292 639

0,53 225

0,585 471

0,5 212 235

0,720 884 444

0,200

19,96 609

1,689 677

0,585 471

1,117 717

0,7 208 844

0,868 156 107

0,147

14,72 717

2,9 831 033

1,117 717

1,649 964

0,8 681 561

0,950 524 801

0,082

8,236 869

14,161 152

1,649 964

2,18 221

0,9 505 248

0,985 452 974

0,035

3,492 817

0,2 428 689

1

3,98

Выборочная средняя = 337,05

Среднее квадратическое отклонение у = 159,23

Сравним и.

Вывод: так как <, то по данным наблюдений генеральная совокупность имеет нормальный закон распределения.

Построим гистограмму эмпирического распределения материальные затраты (рис. 4):

Рис. 4

6.3 Проверка гипотезы о распределении случайной величины по закону Пуассона

Количество параметров распределения — 1

Уровень значимости — 0,05

Число степеней свободы — 4

Таблица 7 — Эмпирическое распределение количества потерянных клиентов

Интервал

Частота

Частность

Центр интервала

Среднее выборочное

Отклонение от среднего

Квадрат отклонения

Дисперсия

1

0--0

17

0,17

0

0

-1,83

3,35

0,57

2

1--1

30

0,3

1

30

-0,83

0,69

0,21

3

2--2

22

0,22

2

44

0,17

0,03

0,01

4

3--3

18

0,18

3

54

1,17

1,37

0,25

5

4--4

10

0,1

4

40

2,17

4,71

0,47

6

5--5

3

0,03

5

15

3,17

10,05

0,30

Итого

100

183

1,8011

Среднеквадратическое отклонение — 1,34

Выборочное среднее — 1,83

Дисперсия — 1,8

Построим полигон эмпирического распределения количества потерянных клиентов (рис. 5):

Рис. 5

Вычисление вероятностей попадания в заданный интервал случайной величины, распределенной по закону Пуассона:

Таблица 8

Частота

Pi

Мi'=N*Pi

Мi-Мi'

(Мi-М'i)^2

(Мi-М'i)^2/Мi'

1

17

0,1 604 136

16,4 136

0,958 643

0,918 997

0,57 289

2

30

0,2 935 568

29,35 568

0,644 317

0,415 145

0,14 142

3

22

0,2 686 045

26,86 045

-4,86 045

23,62 397

0,879 508

4

18

0,1 638 487

16,38 487

1,615 126

2,608 631

0,15 921

5

10

0,749 608

7,49 608

2,50 392

6,269 615

0,836 386

6

3

0,274 357

2,743 565

0,256 435

0,65 759

0,23 968

100,00

0,98

хи-кв. набл.

1,970 503

кр

Гипотеза принимается, поскольку.

6.4 Проверка гипотезы о распределении случайной величины по закону Бернулли

Таблица 9 — Статистические данные для случайной величины проведение дополнительной диагностики (распределение Бернулли)

1

0

1

0

0

1

0

1

0

1

0

0

0

1

0

1

0

0

1

0

1

0

0

0

1

0

0

0

1

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

0

0

0

0

0

0

1

0

1

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

1

1

0

0

0

1

0

0

0

1

1

0

0

1

0

1

0

0

1

0

1

0

0

0

P[1] = 26/100 = 0,26

P[0] = (100−26)/100 = 0,74

Вероятность того, что дополнительная диагностика будет проведена, равна 0,26, не будет — 0,74.

6.5 Результаты идентификации законов распределения случайных величин

Таблица 10

СВ

Закон распределения

Параметр распределения

1

количество инцидентов с оборудованием

Нормальный

а = 103,07 у =13,03

2

количество инцидентов с ИС

Нормальный

а = 203,82 у = 28,75

3

количество инцидентов с ПО

Нормальный

а = 168,86 у = 39,40

4

количество инцидентов с телекоммуникациями

Нормальный

а = 67,86

у = 9,67

5

количество инцидентов с БД

Нормальный

а = 34,86 у = 8,13

6

количество инцидентов с сервером

Пуассона

a=1,83

7

время устранения инцидента

Показательный

л = 0,53

8

время между инцидентами

Показательный

0,49

9

затраты на аутсорсинг

Нормальный

а = 3567,12 у = 275,59

10

провести доп. Диагностику

Бернулли

P=0,26

11

затраты на диагностику

Нормальный

а = 700,07 у = 203,34

12

материальные затраты

Нормальный

а = 337,05 у = 159,23

13

затраты на модификацию ПО

Показательный

л = 3,371

7. Разработка и описание математических моделей фрагментов процесса

Целью имитационного моделирования является определение совокупная стоимость ИТ сервиса отдела «Управление инцидентами».

Общая формула определения совокупной стоимости ИТ-сервиса выглядит следующим образом:

StoimIT=Premzat+Koszat (1);

где StoimIT -это затраты связанные компьютерное, телекоммуникационное оборудование, оборудование АСУТП;

Premzat- прямые затраты;

Koszat-косвенные затраты.

Прямые и косвенные затраты также имеют свою градацию, и рассчитываются следующим образом:

Premzat=Oborzat+POzat+Obslzat+Zarbzat (2);

где Oborzat -это затраты на оборудование, включающие затраты на материальные активы (компьютерное, телекоммуникационное оборудование, оборудование АСУТП).

POzat — затраты на нематериальные активы, включающие в себя собственное программное обеспечение, лицензии;

Obslzat -затраты на устранение инцидента;

Zarbzat- затраты на ИТ-персонал.

Koszat=Sboizat+Obychzat+NexPrzat+ Zarbzat (3)

где Sboizat -потери от сбоев и простоев;

Obychzat- затраты связанные с нехваткой знаний у сотрудников для решения инцидента (затраты на обучение);

NexPrzat — затраты связанные с нехваткой персонала.

Zarbzat- затраты на ИТ-персонал.

Расчет суммарных потерь от простоев.

Для каждой Учетной единице суммируются простои по категориям воздействия на бизнес. Полученные суммы перемножаются на цену часа простоя каждой категории, которая определена заранее и согласована с бизнесом. Полученные произведения складываются по всем категориям для каждой ИТ-услуги.

При расчете стоимости сервиса также необходимо рассчитывать стоимость 1 рабочего места.

Учет стоимости ИТ-сервиса дает:

1) значительно более разнообразную информацию для управления затратами, нежели модель прямых затрат. Во-первых, становится известной загрузка ресурсов ИТ-службы. Для сотрудников учитываются человеко-часы работ, для ресурсов инфраструктуры ИТ -- процент загрузки мощностей, исходя из принципа «узкого места». Эти показатели можно представить не только суммарно, но и в расчете на единицу измерения ИТ-услуги. Тем самым упрощается прогнозирование момента, когда даже простое сохранение качества существующих ИТ-услуг потребует наращивания ресурсов ИТ-службы. Более того, можно с большой степенью уверенности указать, какие именно дополнительные ресурсы потребуются.

2) исходные данные для расчета влияния повышения качества ИТ-услуги на требования к ресурсам для ее сопровождения и, соответственно, на затраты ИТ-службы. В частности, при расширении согласованного времени обслуживания услуги электронной почты с 8*5 до 24*7, дополнительные требования к ресурсам рассчитываются следующим образом. В ресурсы включается дополнительная смена Help Desk. Далее, по таблице видов деятельности и привязке ресурсов к видам деятельности выясняется, какие специалисты необходимы для сопровождения электронной почты. Уточняется, какие виды деятельности могут осуществляться удаленно, для остальных устанавливается посменное дежурство инженеров. Сумма затрат на посменное дежурство операторов и инженеров составит дополнительные затраты.

3) становится возможным распределение затрат на ИТ-услуги по подразделениям и пользователям, потребляющим эти услуги. Для каждого подразделения оценивается число единиц потребления ИТ-услуги, что позволяет определить долю затрат на услугу, которую должно компенсировать данное подразделение. Это особенно важно для аутсорсинга или внутреннего хозрасчета ИТ-службы, поскольку становится базой для экономически оправданной тарификации услуг. Мало того, поскольку по стандартам модели ITSM в записи инцидента обязательно указывается пользователь, у которого был прерван сервис, при необходимости можно рассчитывать затраты на отдельных пользователей.

имитационный модель бизнес инцидент

8. Разработка и описание моделирующих алгоритмов для реализации программ имитационной модели

8.1 Разработка моделирующих алгоритмов

Рисунок 6 — Моделирующий алгоритм

Рисунок 6 — Моделирующий алгоритм (продолжение)

Рисунок 6 — Моделирующий алгоритм (окончание)

Рисунок 7 — моделирующий алгоритм генерации случайной величины, распределенной по показательному закону

Рисунок 8 — Моделирующий алгоритм генерации случайной величины, распределенной по закону Пуассона

Рисунок 9 — Моделирующий алгоритм генерации случайной величины, распределенной по нормальному закону

8.2 Описание моделирующего алгоритма

1. Объявление переменных.

2−6. Генерируется случайные величины наступления инцидентов по различным Учетным Элементам каждый день. n — количество дней в месяце,

a — количество инцидентов в день.

7. Рассчитываем общее количество инцидентов по УЭ за n дней

8. В цикле от 1 до a генерируются случайные числа время между поступления инцидентами и время устранения каждого инцидента, которые распределены по показательному закону. С помощью параметров: среднеквадратическое отклонение и математическое ожидание, смоделируем эти величины.

9. Производится расчет времени начала обслуживания инцидента.

10. Если количество сотрудников равно 10, то инцидент рассматривается сторонней фирмой. Генерируется случайная величина затрат на аутсорсинг по устранения инцидента.

11. Если поступления инцидента меньше времени поступления последнего инцидента в предыдущий день, то поступление равно увеличению времени последнего инцидента в предыдущий день на величину T, сгенерированную раннее.

12. Если время окончания предыдущего инцидента больше времени поступления нового, тогда новый инцидент начинает выполняться после того, как выполниться предыдущий.

13. Если в предыдущий день остался невыполненный инцидент, то новый начинает выполняться после его окончания.

14. Если время окончания последнего инцидента меньше или равно времени поступления нового, тогда новый инцидент начинает выполняться сразу, как только поступил.

15. Производится расчет окончание устранения инцидентов. Оно равно сумме времени начала выполнения и времени устранения инцидента.

16. Рассчитывается время провождения инцидента в очереди.

17. Если время провождения заявки в очереди больше установленного лимита, то инцидент посылается на следующий уровень поддержки, иначе рассчитывается время закрытия инцидента с учетом устранения инцидента и ожидания инцидента в очереди.

18. Генерируется случайная величина на проведению дополнительной диагностики, которая имеет значение вероятности наступления того или иного события, моделируется значение 0 или 1.

19. Если получено значение 1, то генерируется случайная величина затрат на дополнительную диагностику.

20. Рассчитывается затраты от простоев.

21. Генерируются случайные величины затрат на запасные части аппаратного обеспечения и затрат на модификацию ПО.

22. Рассчитывается сумма затрат по устранению инцидентов за n дней.

23. Рассчитывается общая сумма затрат

24. Вывод результатов моделирования.

На рисунке 7 представлена генерация случайной величины, распределенной по показательному закону.

1. Генерируется равномерно-распределенная случайная величина на отрезке [0,1].

2. Вычисляется значение по формуле

На рисунке 8 представлена генерация случайной величины, распределенной по закону Пуассона.

1. Вычисляется вероятность p = а/n,

где, а — параметр распределения,

n — достаточно большие числа.

2. Генерируется равномерно-распределенная случайная величина на отрезке [0,1].

3. Если С В меньше p, тогда она увеличивается на 1.

На рисунке 9 представлена генерация случайной величины, распределенной по нормальному закону.

1. Генерируется равномерно-распределенная случайная величина на отрезке [0,1].

2. Вычисляется

3. — нормально-распределенные числа.

4. Нормально-распределенные числа с нужными параметрами

9. Разработка компьютерных программ моделирования бизнес-процесса

После запуска программы Анализ стоимости ИТ-сервиса необходимо ввести исходные данные и случайные величины с параметрами распределения, по которым будут производиться расчет показателей:

· Затраты от простоя;

· Затраты на устранение;

· Затраты на аутсорсинг;

· Затраты на диагностику;

· Постоянные затраты.

Рисунок 9 — Ввод исходных данных в таблицу

Рисунок 10 — Вывод результатов

На основе полученных данных можно выявить, общую стоимость затрат по обслуживанию инцидентов за каждый месяц. С помощью параметров можно регулировать затраты на персонал и рабочие материалы, количество времени необходимое для решения инцидента, количество инцидентов, затраты от простоя по Учетным Элементам. Производя несколько экспериментов, можно выявить, сколько требуется времени, средств и людей для обслуживания инцидентов.

Листинг части программы генерации случайных величин.

Генерация случайной величины распределенной по нормальному закону:

var

sum, mat, sko: real;

a1: real;

R: array [1. 12] of real;

begin

mat:= StrToFloat (LabeledEdit5. Text);

sko:= StrToFloat (LabeledEdit6. Text);

sum: =0;

for j: =1 to 12 do

begin

L[j]: =random;

sum: =sum+L[j];

end;

a1: =mat1+sko1*abs (sum-6);

Генерация случайной величины распределенной по показательному закону:

Var

Lmb, ui: real;

begin

lmb:= StrToFloat (LabeledEdit16. Text);

f1: =random;

ui: =-ln (f)/lmb;

end;

Генерация случайной величины распределенной по закону Пуассона:

mat:= StrToFloat (LabeledEdit15. Text);

n: =100;

P: =mat/n;

a6: =0;

for i: =1 to 100 do

begin

R[i]: =random;

If R[i]<P then a6: =a6+1

end;

Генерация случайной величины распределенной по закону Бернулли:

begin

P: =StrToFloat (LabeledEdit17. Text);

N: =random;

if (N < P) or (N = P) then D: =1

else D: =0;

end;

10. Постановка и разработка оптимизационных задач функционирования моделируемого бизнес-процесса

Основной задачей оптимизации является снижение затрат ИТ-сервиса (сопровождение инцидентов) при сохранении должного уровня качества.

StoimIT=Premzat+Koszat min

Для этого требуется оптимизировать ИТ-ресурсы. Под этим понимают:

§ упрощение инфраструктуры- формирование динамичной инфраструктуры, более простой в управлении и модернизации, менее дорогой в эксплуатации;

§ сокращение затрат — максимально эффективно использовать ИТ-ресурсы и повысить общую производительность;

§ облегчение управления.

Около 60% ИТ-расходов отдела направляются на поддержку эксплуатации, управление системами, их техническое сопровождение и текущие улучшения. Мониторинг и контроль современных многоуровневых приложений сложная задача. Огромное количество времени тратится непродуктивно, на процедуры отслеживания и решения проблем вручную.

Основной причиной роста ИТ-затрат является: загруженность рутинной работой, избыточный штат ИТ-сотрудников, избыточное количество оборудования и лицензий, рост инвестиций в персонал, расходы, связанные с управлением и ротацией персонала и т. д.

Рис. 11

SVT (Sickness, Vacation, Training) — коэффициент отсутствия сотрудника на месте, обычно колеблется от 15% до 25%. Для поддержания сервиса своими силами необходимо привлечение SVT (%) дополнительных инженеров

Для понижения затрат на обслуживания инцидентов предлагается:

1) удаленное разрешение инцидентов силами Service Desk. Большинство инцидентов (45%) требует от специалиста выхода на место инцидента. Внедрение И С Service Desk позволяет удаленно разрешать инциденты методом консультаций конечных пользователей и методами удаленного администрирования. Это позволит сократить затраты на устранение инцидентов, сократить время решения одного инцидента (25%) и следовательно сократить затраты от простоев.

Предположим, что

o Штат ИТ-службы компании 30 человек

o Средняя заработная плата ИТ-специалиста 21 000 рублей

o Количество пользовательских рабочих мест в компании 1500

o Среднее количество заявок по инцидентам 300

o Среднее время, затрачиваемое инженером на закрытие одного инцидента 2 часа тогда

o стоимость обслуживания 1 рабочего места в месяц составляет: (30×21 000)/1500=420 рублей

o Количество заявок, требующих выхода на место инцидента составляет: 300×0,45=135

o Экономия времени при внедрении SD на решение одного инцидента составляет 2×0,25=0,5 часа

o Экономия времени по всем инцидентам за месяц составляет 135×0,5=67,5 часа

o Час работы специалиста стоит: 21 000/22/8=120 рублей

o Экономия времени за месяц стоит 120*67,5= 8100 рублей

o С другой стороны, сокращается время простоев.

67,5 *800=54 100 рублей.

11. Решение поставленных оптимизационных задач. Получение результатов моделирования

Рис. 12 Эксперимент

По данным зарубежных ИТ-аналитиков 45% происходящих на рабочих местах пользователей инцидентов требуют выхода инженера на место инцидента для сбора информации об имуществе, его конфигурации, подключениях к сети, установленном ПО и т. п. Если эта информация будет доступна инженеру со своего рабочего места, то общие затраты от простоев инцидента сокращаются. Это достигается путем автоматизация деятельности, внедрения системы Service Desk.

После проведения эксперимента по оптимизации затрат от простоев за счет уменьшения времени на устранение инцидентов, общие затраты ИТ-сервиса уменьшились в среднем на 12%, что в абсолютном значении составило 63 100 руб.

Разрабатывается план экспериментов с моделью для достижения поставленной цели. При необходимости используют отсеивающий или оптимизирующий эксперименты.

12. Технико-экономическая интерпретация результатов моделирования

Как построить оптимизированную инфраструктуру?

Целью оптимизации является превращение ИТ-инфраструктуры в полностью оптимизированную, тесно интегрированную среду. Процесс оптимизации любой конкретной инфраструктуры следует рассматривать как непрерывный ряд изменений на пути статичной и негибкой инфраструктуры к полностью виртуализированной и интегрированной. Никаких начальных или конечных точек оптимизации не существует, однако можно выделить четыре ее отдельных этапа:

* Упрощение -консолидация и сокращение количества серверов, систем хранения и других ИТ-ресурсов, позволяющие уменьшить сложность ИТ-инфраструктуры и затраты на ее обслуживание и поддержку. Добиться этого можно только путем внедрения технологий виртуализации ресурсов и их выделения различным задачам.

* Виртуализация -- объединение ИТ-активов в логические пулы ресурсов, которые могут выделяться различным задачам, таким как обработка, хранение и ввод/вывод. Организация логических разделов и/или кластеризация серверов обеспечивают как максимальную гибкость, так и превосходные уровни надежности и готовности. В конечном итоге виртуализация повышает и оптимизирует степень использования ИТ-активов.

* Предоставление ресурсов -автоматизированное, гибкое и динамичное выделение ИТ-активов конкретным задачам с использованием технологий управления ресурсами и рабочей нагрузкой. Это позволяет повысить общую гибкость и сократить расходы на внедрение, упрощая и ускоряя процедуры включения в инфраструктуру новых ИТ-ресурсов.

Кроме того, автоматизированное выделение ресурсов повышает уровень готовности и позволяет сократить время отклика. Этот этап также предусматривает автоматизацию задач конфигурирования и технического сопровождения.

Кроме того, может быть внедрена технология автоматизированного обнаружения и локализации «узких мест», снижающих производительность, чтобы быстрее устранять подобные проблемы.

* Перераспределение ресурсов- обеспечение соответствия ИТ-инфра структуры приоритетам бизнеса и реализация модели вычислений на базе политик. ИТ-ресурсы могут распределяться автоматически, в соответствии с правилами, определяемыми потребностями бизнеса. Таким образом, можно добиться того, чтобы ИТ-ресурсы всегда распределялись с учетом приоритетов организации.

Рис. 13 Оптимизация инфраструктуры

Преимущества оптимизированной ИТ-среды.

Оптимизированные ИТ-инфраструктуры отделяют приложения от ресурсов, необходимых для выполнения этих приложений. Больше нет необходимости выделять весь сервер или все устройство хранения одному приложению. В рамках динамичной инфраструктуры множество приложений могут совместно использовать общий пул ИТ-ресурсов. Функциональность приложения выражается в виде простых в управлении, тесно интегрированных, модульных сервисных компонентов, которые взаимодействуют через четко определенные открытые интерфейсы. Барьеры между приложениями исчезают, размываются информационные островки, и обеспечивается максимально гибкое использование ресурсов.

Имея возможность использовать прежде простаивавшие вычислительные мощности, компании могут быстрее расширять свой бизнес и предлагать дополнительные сервисы, которые прежде были невозможны. Например, учреждения сферы финансовых услуг могут осуществлять углубленный технический анализ различных финансовых инструментов, чтобы определять самые прибыльные варианты инвестиций. Благодаря гибкости, которую дает самоуправляемая и саморегулируемая инфраструктура, предприятия могут более оперативно развертывать новые функциональные возможности, обеспечивая ускоренное получение экономического эффекта от введения новых сервисов.

Кроме того, гибкие, оптимизированные ИТ-инфраструктуры позволяют организациям внедрять модели вычислений на основе политик, с автоматическим распределением ресурсов в соответствии с бизнес приоритетами на основе четко определенных правил и политик. Это позволяет использовать ИТ-ресурсы с учетом приоритетов бизнеса, а также более оперативно и экономически эффективно реализовать инициативы, способствующие успешной реализации бизнес-стратегий.

Заключение

В результате построения имитационной модели бизнес-процесса «Управление инцидентами» была спрогнозирована общая сумма затрат по обслуживанию инцидентов за 6 месяцев. При оптимизации бизнес процесса затраты были уменьшены примерно на 12%, снижено средне-месячное время простоя работы каждого из сотрудников на 22 минуты

Удаленное разрешение части инцидентов при первом обращении силами Service Desk дает снижение среднемесячного времени простоя каждого из сотрудников на ~1,25 часа.

В случае оптимизации числового критерия формулируют гипотезы о выборе наилучших вариантов структур моделируемой системы или режимов ее функционирования, определяют диапазон значений параметров (режимов функционирования) модели, в границах которых осуществляется поиск оптимального решения.

Список используемой литературы

1. Курс лекций «Имитационное моделирование экономических процессов»

2. Курс лекций «Теория вероятностей и математическая статистика»

3. Димов Э. М., Богданова Е. А. Методическое пособие к курсовой работе на тему «Имитационное моделирование бизнес-процессов компании» для студентов специальности 80 801 (прикладная информатика в экономике) — Самара: ПГАТИ, 2007. — 31 с., ил.

4. Гмурман В. Е. Теория вероятностей и математическая статистика. Учеб. пособие для вузов. Изд. 7-е, стер. — М. :Высш. шк., 2000. — 479 с.

5. Димов Э. М., Маслов О. Н., Пчеляков С. Н., Скворцов А. Б. Новые информационные технологии: подготовка кадров и обучение персонала. Часть 2. Имитационное моделирование и управление бизнес-процессами в инфокоммуникациях. Научное издание. — Самара: «Издательство СамНЦ РАН», 2008. — 350 с.: ил.

ПоказатьСвернуть
Заполнить форму текущей работой