to represent the operational syster

to represent the operational systern under study. Ihe development of models requires the explicit treatment of system vatiables and forces an integrated approach. The introductioo of electrenic com¬puters to quantitative analysis has allowed the use of approaches heretofore considered unfeasible.
Techniques such as linear programming and input-output analysis afford management scientists an opportunity to deal with large-scale, complex problems. Some problems can be well defined and a state of certainty assumed. Other problems involving un¬certainty require somewhat different techniques of analysis. Sta¬tistics and probability are appropriate tools in many cases. One large class of problems is that of queuing, or walting-line. theory; much work has been done in this area, and man v applications are evident. Monte Carlo techniques can be useful in probleins of un¬certainty to simulate stochastic processes that are a part 3f the sys¬tem model under studv.
Because applications of typical mathematical analysis require explicit determination of all relevant variables in system, sim¬plifying assumptions often must be made in order to carry out analyticai solutions. Such simplifications cut down the usefulness of the techniques since the results may not be applicable in real life. To offset this problem, simulation techniques have been de¬veloped with the goal of describing systems and developing work¬able solutions on the basis of trial-and-error methods. Rather than striving for an optimal solution which may not be applicable be¬cause of simplifying assumptions made in structuring the problem, simulation focuses on describing the system as it exists in order to model it realistically. Polic-y changes can be evaluated in terms of their impact on the simulated system, thus allowing a laboratory for testing managerial decision making without committing the resources of the organization.
Quantitative techniques in general, and simulation in partic¬ular, can be useful in implementing the systems approach. Model buiiding forces decision makers to structure the operation under analysis as an integrated system tied together by a series of equa¬tions. The use of computers in symbolic system simulation allows treatment of large-scaJe, complex systems. Thus the a►alyst can develop a model of a group of subsystems, their interrela!ionships, and the total system. Such an approach provides a framework for Titore detailed analytical examination of various segments of the system.
Managers and scientists/technicians have not achieved an effective working relationship. Problem rather than technique

Hasil (Bahasa Indonesia) 1:

untuk mewakili systern operasional di bawah study. IHE pengembangan model memerlukan pengobatan eksplisit sistem vatiables dan kekuatan pendekatan terpadu. Introductioo electrenic com¬puters untuk analisis kuantitatif telah memungkinkan penggunaan pendekatan yang sebelumnya dianggap tidak layak.Teknik seperti pemrograman linier dan analisis input-output mampu manajemen ilmuwan kesempatan untuk menangani masalah-masalah yang kompleks dan berskala besar. Beberapa masalah dapat didefinisikan dengan baik dan keadaan kepastian diasumsikan. Masalah lain yang melibatkan un¬certainty memerlukan teknik analisis yang agak berbeda. Sta¬tistics dan probabilitas adalah alat yang tepat dalam banyak kasus. Kelas besar satu masalah adalah bahwa antrian, atau walting-line. teori; banyak pekerjaan telah dilakukan di daerah ini, dan laki-laki v aplikasi jelas. Monte Carlo teknik dapat bermanfaat dalam probleins un¬certainty untuk mensimulasikan proses stokastik yang bagian 3f sys¬tem model di bawah studv.Karena aplikasi khas analisis matematika memerlukan eksplisit penentuan semua variabel yang relevan dalam sistem, asumsi sim¬plifying sering harus dilakukan untuk melaksanakan analyticai solusi. Penyederhanaan seperti mengurangi kegunaan dari teknik karena hasil tidak mungkin berlaku dalam kehidupan nyata. Untuk mengimbangi masalah ini, teknik simulasi telah de¬veloped dengan tujuan untuk menggambarkan sistem dan mengembangkan work¬able solusi berdasarkan metode trial-error. Daripada berjuang untuk solusi optimal yang mungkin tidak berlaku be¬cause menyederhanakan asumsi dibuat dalam penataan masalahnya, simulasi berfokus pada menggambarkan sistem seperti yang ada untuk model itu realistis. Polic-y perubahan dapat dievaluasi dalam hal dampaknya terhadap sistem simulasi, sehingga memungkinkan laboratorium untuk pengujian pengambilan keputusan manajerial tanpa melakukan sumber daya dari organisasi.Teknik kuantitatif secara umum, dan simulasi di partic¬ular, dapat berguna dalam menerapkan pendekatan sistem. Model buiiding memaksa para pembuat keputusan untuk struktur operasi di bawah analisis sebagai sebuah sistem terintegrasi yang diikat bersama oleh serangkaian equa¬tions. Penggunaan komputer dalam simulasi sistem simbolis memungkinkan pengobatan besar-scaJe, sistem yang kompleks. Jadi a►alyst dapat mengembangkan suatu model sekelompok subsistem, interrela mereka! ionships, dan total sistem. Pendekatan tersebut menyediakan kerangka kerja untuk Titore rinci analitis pemeriksaan berbagai segmen sistem.Para manajer dan para ilmuwan teknisi belum mencapai hubungan kerja yang efektif. Masalah daripada teknik

Hasil (Bahasa Indonesia) 2:

untuk mewakili systern operasional yang diteliti. Pengembangan IHE model memerlukan pengobatan eksplisit vatiables sistem dan memaksa pendekatan terpadu. The introductioo dari com¬puters electrenic analisis kuantitatif telah memungkinkan penggunaan pendekatan sampai sekarang dianggap tidak layak.
Teknik seperti pemrograman linear dan analisis input-output mampu ilmuwan manajemen kesempatan untuk berurusan dengan skala besar, masalah yang kompleks. Beberapa masalah dapat didefinisikan dengan baik dan keadaan kepastian diasumsikan. Masalah lain yang melibatkan un¬certainty memerlukan teknik yang agak berbeda dari analisis. Sta¬tistics dan probabilitas adalah alat yang tepat dalam banyak kasus. Satu kelas besar masalah adalah bahwa dari antrian, atau Walting-line. teori; banyak pekerjaan yang telah dilakukan di daerah ini, dan aplikasi man v yang jelas. Teknik Monte Carlo dapat berguna dalam probleins dari un¬certainty untuk mensimulasikan proses stokastik yang merupakan bagian 3f model sys¬tem bawah studv.
Karena aplikasi analisis matematis khas memerlukan tekad eksplisit semua variabel yang relevan dalam sistem, sim¬plifying asumsi sering harus dilakukan dalam rangka untuk melaksanakan solusi analyticai. Penyederhanaan seperti mengurangi kegunaan teknik karena hasilnya mungkin tidak berlaku dalam kehidupan nyata. Untuk mengimbangi masalah ini, teknik simulasi telah de¬veloped dengan tujuan menggambarkan sistem dan mengembangkan solusi work¬able berdasarkan metode trial-and-error. Daripada berjuang untuk solusi optimal yang mungkin tidak be¬cause berlaku menyederhanakan asumsi yang dibuat dalam penataan masalah, simulasi berfokus pada menggambarkan sistem seperti yang ada dalam rangka membuat model secara realistis. Perubahan polic-y dapat dievaluasi dalam hal dampaknya terhadap sistem yang disimulasikan, sehingga memungkinkan laboratorium untuk menguji pengambilan keputusan manajerial tanpa melakukan sumber daya organisasi.
teknik kuantitatif secara umum, dan simulasi dalam partic¬ular, dapat berguna dalam menerapkan pendekatan sistem. Model buiiding pasukan pengambil keputusan untuk struktur operasi di bawah analisis sebagai suatu sistem yang terintegrasi diikat bersama oleh serangkaian equa¬tions. Penggunaan komputer dalam simulasi sistem simbolik memungkinkan pengobatan besar scaJe, sistem yang kompleks. Dengan demikian a►alyst dapat mengembangkan model dari kelompok subsistem, mereka interrela! Ionships, dan total sistem. Pendekatan seperti itu menyediakan kerangka kerja untuk Titore pemeriksaan analitis rinci berbagai segmen dari sistem.
Manajer dan ilmuwan / teknisi belum mencapai hubungan kerja yang efektif. Masalah daripada teknik