Содержание к диссертации
Введение
1. Проблемы ускорения процесса внедрения новшеств в подразделениях предприятий
1.1. Внедрение новой техники как интенсивная форма развития производства 11
1.2. Экономические противоречия процесса внедрения новой техники 30
2. Прогнозирование хозрасчетных показателей пнї внедрении новой техники 57
2.1. Метод и объект прогнозирования . 57
2.2. Основные методические вопросы построения имитационной модели 76
3. Имитационная система и организация экспериментов с ней 100
3.1. Порядок построения имитационной модели цеха .100
3.2. Проведение теоретических экспериментов и эффективность имитационной системы
Заключение 143
Литература ї47
Приложения 158
- Внедрение новой техники как интенсивная форма развития производства
- Экономические противоречия процесса внедрения новой техники
- Основные методические вопросы построения имитационной модели
- Порядок построения имитационной модели цеха
Внедрение новой техники как интенсивная форма развития производства
В качестве основной задачи на II пятилетку ХХУІ съезд КПСС провозгласил "обеспечение дальнейшего роста благосостояния советских людей на основе устойчивого, поступательного развития народного хозяйства, ускорения научно-технического прогресса и перевода экономики на интенсивный путь развития" .
Поэтому понимание сущности интенсификации имеет особое значение для проведения исследовательских и практических разработок.
Научные категории, отражая ту или иную сущность экономических законов, являются узловыми пунктами познания последних. Каждая категория "представляет собой лишь теоретическое выраже-ние, абстракцию отношений производства" . В свою очередь, отправной точкой изучения любой категории служит установление методологически обоснованной связи ее с конкретным законом. Это общее правило действует в полной мере и в отношении исследования категории интенсификации. Именно поэтому, первое, что необходимо - это выяснить, категорией какого объективного экономического закона она является. В зависимости от этого определяется и само понимание экономического смысла интенсификации. Марксистско-ленинская теория исходит из того, что интенсификация - это одна из категорий экономического закона расширенного воспроизводства. Этим определяется сущность, формы проявления и место интенсификации в системе категорий политической экономии. Именно изучая закон расширенного воспроизводства, К.Маркс приходит к определению ее сущности: "Таким образом через известные промежутки времени совершается воспроизводство, и притом, - если рассматривать его с общественной точки зрения, - воспроизводство в расширенном масштабе: расширенном экстенсивно, если расширяется только поле производства; расширенном интенсивно, если применяются более эффективные средства производства. Такое воспроизводство в расширенном масштабе вытекает не из накопления - не из превращения прибавочной стоимости в капитал, а из обратного превращения стоимости, которая, ответвившись, отделившись в денежной форме от тела основного капитала, превратилась в новый - в добавочный или в более эффективный основной капитал того же рода .
Важность понимания категории интенсификации обусловливает то значительное внимание, которое уделяется ей в трудах советских ученых-экономистов, а сложность рассматриваемого вопроса порождает различия в его толковании. За отправную точку берется марксистское определение, сущность которого в том, что расширение производства происходит на основе применения "более эффективных средств производства". Основной спор идет вокруг того, как выражается эта эффективность, какие показатели эффективности являются основными, определяющими, т.е. относительно признаков проявления интенсификации. Так, в работах Г91,94] высказывается мнение о том, что в качестве критерия, отделяющего интенсивный путь от экстенсивного, выбираются уровень и темпы роста производительности труда. Близкую точку зрения высказывает и В.А.Медведев, который считает, что чем меньше численность персонала при стабильном или возрастающем выпуске продукции, тем выше степень интенсификации производства С75, с.41-43]. Признавая важность показателя производительности труда, нельзя согласиться с тем, что по нему одному можно определять уровень интенсификации производства. Ибо значение уровня производительности труда зависит от многих составляющих. Это, например, используемая методика его вычисления, т.е. что заложено в основу: объем производства по валу, объем реализации товарной продукции, чистая продукция и т.д. Часто производительность труда повышается при расширении производства за счет уже освоенной техники, которая не является новой даже для данного производства. Наконец, рост производительности может быть достигнут и за счет факторов повышения интенсивности самого живого труда, отражающей напряженность труда и определяемую степенью расходования рабочей силы в единицу времени Е92Л. В литературе встречается понимание процесса интенсификации через уровень используемых средств производства. Т.е. чем выше технико-экономический уровень используемой в производстве техники, технологии, организации производства, чем больше они соответствуют современным достижениям науки и техники, тем значительнее степень интенсификации производства [27, с.юЗ. Близкой точки зрения придерживается и А.И.Ноткин, который считает, что отсутствие технического прогресса - экстенсивный путь развития, а наличие -интенсивный Г88, C.97J. Здесь, видимо, также подразумевается внедрение именно высокоэффективных научно-технических разработок.
Экономические противоречия процесса внедрения новой техники
Изучение проблем внедрения новой техники на ряде металлургических предприятий и обзор научной литературы, посвященной данным вопросам, позволяет выделить ряд основных противоречий, возникающих на предприятии в процессе внедрения. Достаточно четко эти противоречия сформулированы, например, в работе [61]-это противоречия между:
1) эпизодическим характером внедрения мероприятий по новой технике и непрерывным характером производственного процесса;
2) планом производства и планом по внедрению новой техники и капитальному строительству;
3) системой материального поощрения по общим хозрасчетным показателям и системой поощрения за изготовление и внедрение новой техники.
Первым рассматриваемым нами противоречием является противоречие между эпизодическим характером внедрения мероприятий по новой технике и непрерывным характером производственного процесса. Данное противоречие является, на наш взгляд, основным и определяющим, так как объективно присуще процессу внедрения. Действительно, внедрение любого новшества является возмущающим фактором, дестабилизирующим установившийся производственный процесс. Б работе Ц61 с.ІбЗ приводится очень важное соображение об отрицательном влиянии неопределенности результатов внедрения новой техники в производство. Сущность которого в том, что на практике мы не можем достаточно четко прогнозировать последствия внедряемого новшества, так как не в состоянии априорно оценить его адаптационные способности. Опыт исследований на целом ряде промышленных предприятий позволил автору Ц6ІІ сделать вывод о том, что упомянутое противоречие особенно характерно для предприятий с преобладанием аппаратурных, непрерывно-поточных процессов производства. В таких условиях стараются не допускать даже незначительных отклонений от установившегося режима на каждом участке поточного производства, так как перебои на одном из участков могут привести к остановке всего процесса и как следствие - невыполнение плановых показателей по выпуску продукции. Поэтому в производствах такого типа внедрение мероприятий по новой технике, модернизацию и реконструкцию оборудования пытаются всячески переносить под различными благовидными и неблаговидными предлогами.
Внедрение новой техники вообще временно ведет к снижению общих показателей работы исследуемого объекта за счет того, что любое нововведение должно пройти период освоения и выхода на проектную мощность, во время которого его технико-экономические показатели могут даже уступать аналогичным показателям заменяемого оборудования. Так, в работе [41, с.329] приводится утверждение, что освоение новой техники ведет к ухудшению общих хозрасчетных показателей. Автор другой работы LII8, с.52] также считает, что чем выше удельный вес выпуска новой продукции и использования новой техники, тем хуже результаты хозяйственной деятельности. Необходимо только учитывать, что ухудшение показателей носит не стабильный, а временный характер и за спадом должен последовать подъем, если, конечно, внедренный вариант новой техники действительно эффективен в данных производственных условиях. То есть при внедрении непременно нужно увидеть перспективу, спрогнозировать те результаты, которые даст мероприятие при выходе на проектную мощность и сопоставить их с предстоящими затратами.
Рассмотрим сущность проблемы неопределенности результатов внедрения, используя предложенную нами схему управленческого процесса (рис. I.I). Пусть положение нашей производственной системы определяется вектором К-(ftsfKz?Ks,..., /Сп) в /Z -мерном евклидовом пространстве состояний. Для простоты изложения проиллюстрируем его на плоскости (рис. 1.2), не забывая, что все рассуждения ведутся для ҐІ -мерного пространства. Допустим, что управленческая ситуация требует перевода системы в другое состояние, определяемое вектором К { , 2 з г-, ) Для построения нового вектора разрабатывается ряд управленческих стратегий, которые переводят исходный вектор в какую-то область допустимых значений, близких к требуемому состоянию системы. Обозначим траектории перехода буквами Cl u,...fL ...rd . Область, в которую необходимо перевести исходный вектор К t обозначим О . Вектор состояния, в которое согласно полученной оценке должна перейти система в результате реализации некоторой
Основные методические вопросы построения имитационной модели
Довольно полная сводка непрерывных и дискретных законов распределения случайной величины приведена в работе [ИЗ]. Однако далеко не все практически возможные распределения аппроксимируются теоретическими законами. Шэтому возникает проблема: моделировать реальный процесс, основываясь на полученной статистической выборке, или аппроксиглировать ее законом распределения. На сущности этой процедуры мы остановимся ниже, сейчас лишь отметим основные отличия. Хотя статистическая выборка более точно отражает закономерности флуктуации случайной величины, однако, как отмечает автор ЕП5, с.90-913: во-первых, нельзя забывать, что мы оцениваем прошлый опыт, к которому надо относиться критически, во-вторых, представление выборки в табличной форме и работа с ней неэкономна с точки зрения использования памяти и времени работы ЭШ, в-третьих, и это мы считаем основным, при постановке экспериментов с моделью, используя теоретические законы распределения, гораздо легче менять параметры генератора случайных чисел. Авторы EII3, с.300] настаивают на обязательном графическом представлении распределения статистической выборки. Мы считаем это правильным, так как при визуальном контроле исследователь имеет возможность лучше понять сущность моделируемого процесса.
Следующим важным вопросом является проблема выборочной точки или определение результатов моделирования. В работе Г115, с.175J приводится три основных варианта представления выборочной точки:
1) в качестве выборочной точки рассматривается среднее значение переменной отклика, полученное усреднением по всему процессу испытания;
2) использование фиксированного интервала модельного времени, т.е. берется ft интервалов времени моделирования и рассматривается среднее значение переменной отклика на каждом из них;
3) каждая конкретная операция рассматривается как выборочная точка.
В своей работе мы предлагаем использовать значение выборочной точки, определяемое другим путем. В качестве результатов моделирования у нас выступают производственные показатели, которые вычисляются не усреднением, а аддитивно за некоторый интервал времени. Мы считаем, что аддитивный показатель принципиально мало чем отличается от среднего значения.
Большое значение имеет выбор начальных условий моделирования. Модель как бы включается в работу в некоторый момент времени, при этом важно знать состояние объекта в этот момент. Задание начальных условий нулевыми значениями не соответствует истинному положению вещей, так как реальные объекты никогда не бывают пустыми. Автор ІІ5Л рассматривает три основных способа уменьшения влияния начального периода времени на результаты моделирования.
1. Использование достаточно длинных вычислительных прогонов. При этом число данных переходного периода становится незначительным по сравнению с остальными данными.
2. Исключить из рассмотрения начальный период прогона модели.
3. Выбрать для начального состояния условия, близкие к реальным и там самым уменьшить переходный период.
Нам необходимо моделировать объект в условиях равновесного состояния, именно на это направлены методы снижения влияния начального периода. Сторонники каждого из предложенных методов предполагают свои способы их реализации. Автор С122] предлагает самый длинный цикл моделирования повторить несколько раз, чтобы заглушить влияние начальных условий. При этом проблема их выбора теряет смысл. Сторонники второго способа LI2I] предлагают сравнивать число измерений, превосходящее средний уровень, с числом измерений, не достигающих его. В случае равенства этих чисел можно считать, что равновесное состояние достигнуто. Каждый из этих путей имеет свои недостатки. Первый метод требует больших затрат машинного времени и пригоден только для небольших моделей. Второй вариант также, с одной стороны, оборачивается бесполезной тратой машинного времени, а с другой стороны снижает точность результатов (за счет увеличения дисперсии). Наиболее рациональным мы считаем третий способ. Как считает автор ГІ20], любые разумно выбранные начальные условия являются предпочтительными по отношению к нулевым. Основываясь на этих соображениях, мы задаем в своей модели ненулевые начальные условия, подразделяя их на три группы:
1. Данные о состоянии объекта моделирования, которые могут быть легко получены с имеющихся документов и занесены в ЭШ.
2. Данные, непосредственное занесение которых в ЭЕМ невозможно в силу значительной трудоемкости операции, однако допускающие их имитацию.
Порядок построения имитационной модели цеха
Довольно полная сводка непрерывных и дискретных законов распределения случайной величины приведена в работе [ИЗ]. Однако далеко не все практически возможные распределения аппроксимируются теоретическими законами. Шэтому возникает проблема: моделировать реальный процесс, основываясь на полученной статистической выборке, или аппроксиглировать ее законом распределения. На сущности этой процедуры мы остановимся ниже, сейчас лишь отметим основные отличия. Хотя статистическая выборка более точно отражает закономерности флуктуации случайной величины, однако, как отмечает автор ЕП5, с.90-913: во-первых, нельзя забывать, что мы оцениваем прошлый опыт, к которому надо относиться критически, во-вторых, представление выборки в табличной форме и работа с ней неэкономна с точки зрения использования памяти и времени работы ЭШ, в-третьих, и это мы считаем основным, при постановке экспериментов с моделью, используя теоретические законы распределения, гораздо легче менять параметры генератора случайных чисел. Авторы EII3, с.300] настаивают на обязательном графическом представлении распределения статистической выборки. Мы считаем это правильным, так как при визуальном контроле исследователь имеет возможность лучше понять сущность моделируемого процесса.
Следующим важным вопросом является проблема выборочной точки или определение результатов моделирования. В работе Г115, с.175J приводится три основных варианта представления выборочной точки:
1) в качестве выборочной точки рассматривается среднее значение переменной отклика, полученное усреднением по всему процессу испытания;
2) использование фиксированного интервала модельного времени, т.е. берется ft интервалов времени моделирования и рассматривается среднее значение переменной отклика на каждом из них;
3) каждая конкретная операция рассматривается как выборочная точка.
В своей работе мы предлагаем использовать значение выборочной точки, определяемое другим путем. В качестве результатов моделирования у нас выступают производственные показатели, которые вычисляются не усреднением, а аддитивно за некоторый интервал времени. Мы считаем, что аддитивный показатель принципиально мало чем отличается от среднего значения.
Большое значение имеет выбор начальных условий моделирования. Модель как бы включается в работу в некоторый момент времени, при этом важно знать состояние объекта в этот момент. Задание начальных условий нулевыми значениями не соответствует истинному положению вещей, так как реальные объекты никогда не бывают пустыми. Автор ІІ5Л рассматривает три основных способа уменьшения влияния начального периода времени на результаты моделирования.
1. Использование достаточно длинных вычислительных прогонов. При этом число данных переходного периода становится незначительным по сравнению с остальными данными.
2. Исключить из рассмотрения начальный период прогона модели.
3. Выбрать для начального состояния условия, близкие к реальным и там самым уменьшить переходный период.
Нам необходимо моделировать объект в условиях равновесного состояния, именно на это направлены методы снижения влияния начального периода. Сторонники каждого из предложенных методов предполагают свои способы их реализации. Автор С122] предлагает самый длинный цикл моделирования повторить несколько раз, чтобы заглушить влияние начальных условий. При этом проблема их выбора теряет смысл. Сторонники второго способа LI2I] предлагают сравнивать число измерений, превосходящее средний уровень, с числом измерений, не достигающих его. В случае равенства этих чисел можно считать, что равновесное состояние достигнуто. Каждый из этих путей имеет свои недостатки. Первый метод требует больших затрат машинного времени и пригоден только для небольших моделей. Второй вариант также, с одной стороны, оборачивается бесполезной тратой машинного времени, а с другой стороны снижает точность результатов (за счет увеличения дисперсии). Наиболее рациональным мы считаем третий способ. Как считает автор ГІ20], любые разумно выбранные начальные условия являются предпочтительными по отношению к нулевым. Основываясь на этих соображениях, мы задаем в своей модели ненулевые начальные условия, подразделяя их на три группы:
1. Данные о состоянии объекта моделирования, которые могут быть легко получены с имеющихся документов и занесены в ЭШ.
2. Данные, непосредственное занесение которых в ЭЕМ невозможно в силу значительной трудоемкости операции, однако допускающие их имитацию.
