Содержание к диссертации
Введение
1. Основные направления совершенствования методологии и инструментария оптимизации управления в фермерском хозяйстве в современных условиях 11
1.1. Современные требования к управлению производственными процессами в сельском хозяйстве 11
1.2. Подходы, модели и методы экономической оптимизации управления производством фермерского хозяйства 16
1.3. Имитационное моделирование как аппарат системного подхода к управлению в фермерском хозяйстве 29
2. Имитационная модель фермерского хозяйства и методы ее численной реализации 40
2.1. Блочная структура модели 40
2.2. Формирование блока динамики капитала, трудовых и земельных ресурсов 43
2.3. Формирование комплексных технологий возделывания сельскохозяйственных культур 47
2.4. Обоснование выбора способов полива 58
2.5. Прогнозирование урожайности сельскохозяйственных культур с учетом случайных факторов 65
2.6. Формирование оптимального состава парка сельскохозяйственных машин 69
2.7. Использование трудовых ресурсов 74
2.8. Имитация рыночной конъюнктуры 76
2.9. Анализ полученных результатов хозяйственной деятельности 79
3. Численная реализация имитационной модели фермерского хозяйства 86
3.1. Формирование блока исходных данных модели 86
3.2. Выбор комплексных технологий возделывания культур 87
3.3. Выбор дождевального агрегата для хозяйства 95
3.4. Расчет прогнозируемой урожайности 98
3.5. Расчет потребности и наличия трудовых ресурсов 106
3.6. Имитация рыночной конъюнктуры 112
3.7. Анализ полученных результатов 114
3.8. Программная реализация имитационной модели 117
Выводы и рекомендации 121
Список использованных источников 124
Приложения 136
- Подходы, модели и методы экономической оптимизации управления производством фермерского хозяйства
- Имитационное моделирование как аппарат системного подхода к управлению в фермерском хозяйстве
- Формирование комплексных технологий возделывания сельскохозяйственных культур
- Программная реализация имитационной модели
Введение к работе
Актуальность темы исследования. Реформирование экономики современной России происходит во всех ее сферах, включая сельское хозяйство. На месте бывших колхозов и совхозов создаются крестьянские (фермерские) хозяйства, их ассоциации и товарищества, играющие все большую роль в снабжении населения страны продуктами питания.
С развитием рыночных отношений возрастает актуальность разработки принципов и организационно-экономических основ формирования новых производственных и обслуживающих структур, определения их рациональных направлений и оптимальных параметров, взаимоотношений, потребностей в необходимых ресурсах.
Рациональную организацию производства фермерских хозяйств во многом определяет сочетание и соотношение культур, трудоемкость их выращивания, возможности имеющегося в хозяйстве парка машин и другие факторы. Для каждого фермера важнейшее значение имеет правильный выбор направления деятельности и обоснование рациональных параметров своего хозяйства, что может быть сделано при помощи экономико-математических моделей крестьянских хозяйств различной специализации.
Решающий вклад в разработку современных оптимизационных методов в сельском хозяйстве внесли такие ученые, как Браславец М.Е., Задков А.П., Кардані В.А., Кравченко Р.Г., Крылатых Э.Н., Милосердов В.В., Мороз В.Н., Платонов В.А., Усенко Л.Н., Чудновский А.Ф. и другие. В последнее десятилетие вопросами оптимизации производственной деятельности фермерских хозяйств занимаются Атаманченко Н.И., Белова Т.Н., Борисенко А.Н., Грядов С, Кудря-шов В.И., Кузнецов В.В., Чешев А.С. и другие.
Основной особенностью сельскохозяйственного производства является высокая степень неопределенности предсказаний результатов его функционирования ввиду зависимости их от погодных факторов. Последние два десятилетия ведутся серьезные исследования погодно-экономического риска, посвященные как теоретическим, так и прикладным аспектам этой проблемы. На основе экономических нормативов, учитывающих погодный риск, разрабатываются механизмы управления, способствующие принятию и реализации оптимальных решений в условиях погодного риска.
Трудами таких ученых, как Бусленко Н.П., Юдин Д.Б., Кардаш В.А., Дынкин Е.Б., Юшкевич А.А., Гольштейн Е.Г., Ермольев Ю.М. и других были расширены возможности оптимизации сложных систем за счет органичного соединения методов имитационного моделирования и стохастической оптимизации. Эти исследования относятся в основном к АПК в целом или крупным сельскохозяйственным предприятиям - колхозам и совхозам.
Изучение влияния погодно-экономического риска для малых форм хозяйствования, прежде всего фермерских хозяйств нашей страны, и в частности -Северо-Кавказского региона, практически не проводилось. В связи с этим оптимизация структуры и функционирования сельскохозяйственного производства фермерских хозяйств с учетом погодного и рыночного риска, является актуальной задачей, направленной на повышение их экономической устойчивости.
Цель и задачи исследования. Целью исследования является совершенствование моделей и методов экономической оптимизации стратегии развития сельскохозяйственного производства фермерских хозяйств на основе имитационного моделирования с учетом хозяйственного риска. Для достижения поставленной цели необходимо было решить следующие задачи:
- провести подробный анализ современных подходов, моделей и методов экономической оптимизации сельскохозяйственной деятельности фермерских хозяйств в условиях современной рыночной экономики;
- сконструировать структуру модели для решения задачи выбора оптимальной стратегии развития фермерского хозяйства, позволяющую сочетать оптимизационные задачи в стохастической и детерминированной постановке;
- разработать имитационную модель фермерского хозяйства, учитывающую влияние погодного и экономического риска на сельскохозяйственное производство;
- выполнить программную реализацию модели на ЭВМ и провести экспериментальные расчеты для проверки работоспособности разработанного математического инструментария.
Теоретическую и методологическую базу исследований составили труды отечественных и зарубежных ученых, в частности Новосибирской, Ростовской, Тамбовской, Ставропольской школ по проблемам системной оптимизации производства сельскохозяйственной продукции в условиях рьшочной экономики, а также работы в области экономико-математического моделирования сложных систем, линейного, нелинейного и стохастического программирования и информационных технологий. В качестве инструментов исследований применялись методы теории вероятностей и математической статистики, методы линейного, нелинейного и стохастического программирования в решении экономических задач.
На защиту выносятся следующие результаты и положения:
1. Фермерскому хозяйству, функционирующему в условиях рыночной экономики, присущи признаки, характерные для сложной системы, что позволяет выбрать имитационное моделирование в качестве инструментария для решения задач оптимизации управления.
2. Использование разработанной блочной стохастической модели дает возможность получить адекватные реальным производственным и коммерческим процессам, протекающим в фермерском хозяйстве растениеводческого направления, результаты в течение заданного числа лет.
3. В стохастической модели фермерского хозяйства случайную составляющую предлагается определять:
• при прогнозировании динамики урожайности сельскохозяйственных культур - на основе теории марковских процессов;
• при оптимизации наличных трудовых ресурсов - с помощью случайного коэффициента потерь рабочего времени по нетрудоспособности работников;
• при имитации рыночной конъюнктуры - с учетом недельного диапазона колебания цен на сельскохозяйственную продукцию.
4. Имитационная модель дает возможность принимать стратегические решения по приобретению кредитов, посевных земель, техники, выбору состава культур и технологий их возделывания, рынков сбыта продукции и корректировать их в зависимости от результатов хозяйственной деятельности за предыдущий год.
5. Использование модельного, алгоритмического и программного инструментария позволяет повысить обоснованность и эффективность расчетов бизнес-планов сельскохозяйственного производства растениеводческой продукции в фермерском хозяйстве, а также в других предприятиях малых форм хозяйствования.
Объектом исследования является фермерское хозяйство растениеводческого направления.
Предмет исследования - процессы бизнес-планирования производства сельскохозяйственной продукции в фермерских хозяйствах.
Научная новизна диссертационной работы. Новыми являются:
1. Универсальная структура модели, позволяющая решать оптимизационные задачи в стохастической и детерминированной постановке, включая задачу выбора оптимальной стратегии развития фермерского хозяйства.
2. Имитационная модель для исследования процесса функционирования фермерского хозяйства растениеводческого направления, позволяющая учесть влияние случайных факторов погодного и экономического риска на развитие фермерских хозяйств в условиях орошаемого и богарного земледелия.
3. Построенная с использованием метода главных компонент модель для оптимального (рационального) выбора малой дождевальной техники для фермерских хозяйств с учетом экономических и технических характеристик дождевальных агрегатов.
4. Методика имитации динамики трудовых ресурсов фермерского хозяйства и рыночной конъюнктуры, дающая возможность учесть случайный харак тер потерь рабочего времени по нетрудоспособности и ценообразования на сельскохозяйственную продукцию.
5. Автоматизированная система поддержки принятия решений, имитирующая производственный процесс фермерского хозяйства на любой стадии его развития, отличающаяся простотой и удобством использования.
Обоснованность и достоверность научных положений, выводов и рекомендаций подтверждается корректным применением теоретических положений теории вероятности и математического программирования. Доказательство существования оптимальных решений рассматриваемых стохастических задач опирается на теоретические результаты и соответствующие теоремы стохастического программирования. Практическая эффективность разработанного автором инструментария подтверждается численными экспериментами, проведенными с применением средств вычислительной техники.
Практическая значимость работы. Предложенный в диссертации экономико-математический инструментарий (модель, алгоритмы и программы) может быть использован экономистами консалтинговых компаний и фирм для разработки бизнес - проектов вновь создаваемых фермерских хозяйств и для выбора оптимальной структуры производства растениеводческой продукции и эффективных технологий возделывания культур в действующих фермерских хозяйствах.
Разработанные автором алгоритмы и методика прогнозирования урожайности сельскохозяйственных культур на основе имитационной модели функционирования фермерского хозяйства были использованы в научно-исследовательском и проектно-технологическом институте агроресурсов Украинской академии аграрных наук при разработке методики долгосрочного прогнозирования урожая с учетом специфики ведения фермерского хозяйства на Украине.
Автоматизированная система поддержки принятия решений использовалась для выполнения многовариантных технико-экономических расчетов при
составлении бизнес-плана фермерского хозяйства "Виктория" Кущевского района Краснодарского края.
Материалы диссертационного исследования вошли в учебное пособие "Основы землепользования и землеустройства крестьянских хозяйств", предназначенное для студентов вузов, обучающихся по специальностям 310900 - "Землеустройство", 311000 - "Земельный кадастр", 311100 - "Городской кадастр". Разработанная имитационная модель включена в учебную программу дисциплины "Экономико-математические методы в землеустройстве" для студентов специальности 310900 "Землеустройство" и может быть использована студентами других специальностей, изучающими экономико-математические методы и модели.
Апробация работы. Результаты и основные положения работы докладывались и получили положительную оценку:
- на научно-технической конференции молодых ученых и студентов (г, Новочеркасск, НГМА, 1998 г.);
- на научно-практической конференции, посвященной 65-летию со дня рождения академика Б.Б. Шумакова (г. Новочеркасск, НГМА, 1998 г.);
- на III и IV Всероссийских симпозиумах "Математическое моделирование и компьютерные технологии" (г. Кисловодск, КИЭП, 1999,2000 гг.);
- на научно-практической конференции "Актуальные вопросы повышения эффективности оросительных мелиорации в южном Федеральном округе" (г. Новочеркасск, НГМА, 2000 г.).
- на II Международной научно-практической конференции "Компьютерные технологии в науке, производстве, социальных и экономических процессах" (г. Новочеркасск, ЮРГТУ, 2001 г.).
Публикации. По теме диссертации опубликовано 10 печатных работ общим объемом 2,1 п. л.
Структура и объем диссертации. Диссертация состоит из введения, трех глав, выводов и рекомендаций, библиографического списка используемой лите ратуры и приложений. Объем диссертации без приложений составляет 135 страниц, 7 рисунков, 19 таблиц. Список используемой литературы составляет 124 наименования отечественных и зарубежных публикаций.
Работа выполнена на кафедре менеджмента и экономико-математических методов НГМА в рамках научной проблемы: "Разработка экономико-математического инструментария (моделей, методов и программ) для решения и анализа задач развития сельского и водного хозяйства в современных условиях" (шифр 3.2.3, государственная регистрация 01.88.0 031218).
Подходы, модели и методы экономической оптимизации управления производством фермерского хозяйства
Во всех экономически развитых странах в сельском хозяйстве преобладают семейные формы предприятий и их модификации. Параметры зарубежных фермерских хозяйств и их формы отражают природные, социальные, экономические и правовые условия стран и регионов. В Европе фермерские хозяйства имеют площадь в основном от 10 до 60 га, в США и Канаде - 185 - 200 га. Размеры ферм молочно-товарного направления колеблются от 10 до 60 голов, откорма крупного рогатого скота - от 30 до 300 голов, откорма свиней - от 50 до 1000 голов в зависимости от кормовой базы, природных условий, оснащенности техникой и оборудованием.
На Западе давно разрабатываются модели, используемые для планирования и управления на уровне ферм. Эти модели позволяют, во-первых, решить проблему выбора отдельных направлений хозяйственной деятельности и, во-вторых, решить проблему распределения ресурсов фермы, таких как земельные угодья, труд, техника, строения и капитал /104/.
Разрабатываемые модели распределения ресурсов на уровне управления фермой принадлежат к одному из двух классов - с учетом факторов риска и неопределенности и без учета этих факторов. Получено большое количество моделей, опирающихся на положения теории принятия решений или математического программирования или на совместное использование этих двух подходов. Такие модели используют функцию полезности, которая отражает интересы отдельного фермера или группы фермеров, поэтому эти модели имеют ограниченное применение в сельскохозяйственной науке и практике /92/.
В /92/ отмечается, что моделей, оказывающих помощь в принятии управленческих решений в растениеводстве, значительно меньше, чем в других видах сельскохозяйственной деятельности. Большинство из них - имитационные модели, позволяющие выбрать оптимальную стратегию управления хозяйством в зависимости от конкретного состояния почвы для достижения максимума прибыли фермера за весь планируемый период. В /107,113,122/ предлагаются модели, имитирующие животноводческую ферму. Эти модели имеют невысокую прогнозирующую способность и ограниченные возможности в моделировании процесса, однако, способствуют созданию четкой логической основы для анализа информации по различным компонентам системы. Модель /107/ имитирует ферму, производящую ягнят в Австралийском регионе с умеренным климатом. В /122/ моделируется система овцеводства для условий Шотландии. Косвенным образом эти модели учитывают климатические условия расположения ферм.
В западной литературе описано множество моделей животноводческих систем и подсистем, причем большинство из них - большие имитационные МО дели/106, 108, 111, 114, 124/.
Холтер и др. /115/ предложили имитационную модель, предназначенную для сопоставления различных стратегий стимулирования фермеров Венесуэлы к преобразованию их хозяйств из традиционных в современные высокорентабельные предприятия. Модель Уайта и др. /117/ является моделью линейного программирования для анализа альтернатив развития животноводства на промышленной основе в Гвиане.
В работах /116,119/ дается обзор целого класса моделей, детально анализирующих факторы неопределенности и риска в сельском хозяйстве. Модели Сандерса и Картрайта /120,121/ имитируют функционирование фермы по производству говядины в широком диапазоне условий внешней среды и форм хозяйствования для различных пород крупного рогатого скота. Модель нашла практическое применение в управлении фермами США, Южной Америки и Африки. Примером стохастической имитационной модели, используемой при принятии решений, является модель, предназначенная для выбора стратегии при ликвидации заболеваний крупного рогатого скота.
Бек, Харрисон и Джонстон /105/ разработали модель, позволяющую прогнозировать прибыли и оценивать вероятности риска для предприятия, специализирующегося по выгульному мясному скотоводству. Особое внимание уделено моделированию влияния на прибыли концентрации скота на пастбищах. Модель применялась к управлению хозяйствами Нового Южного Уэльса (Австралия).
Большинство опубликованных в западной литературе оптимизационных моделей - это большие задачи линейного программирования. В /123/ приводится описание одной из таких ЛП - моделей, предназначенных для оптимизации комплексной системы производства говядины. Модель содержит блоки растениеводства, откорма и селекции, в которых формализуются соответствующие требования к площадям, трудовым ресурсам, помещениям для содержания жи вотных и хранения кормов. Модель использована для анализа трех различных по размеру предприятий в провинции Онтарио.
В работе /118/ предложена модель линейного программирования для управления горным ранчо в условиях Южного Колорадо на предстоящий год. Модель позволяет рассчитывать значение показателей по каждому виду дея тельности, максимизирующих чистую прибыль хозяйства с учетом ограничений на земельные, трудовые и финансовые ресурсы. Целесообразность расширения предприятия оценивается путем исследования оптимального решения методами параметрического программирования. Модель содержит 127 ограничений и 274 переменных.
Имитационное моделирование как аппарат системного подхода к управлению в фермерском хозяйстве
Всякая сложная система, модель которой создается, подчиняется определенным законам - физическим, химическим, биологическим и др., причем не все законы на сегодняшний день известны. Любая модель создается для ответа на множество вопросов о моделируемом объекте. Процесс построения математической модели сложной системы состоит из нескольких этапов /20/: 1. Формулируются основные вопросы о поведении системы, ответы на которые необходимо получить с помощью модели. 2. Из множества законов, управляющих поведением системы, учитываются только те, которые существенно влияют на поиск ответов на поставленные вопросы. 3. При необходимости формулируются определенные гипотезы о функционировании системы. 4. Гипотезы так же, как и законы, выражаются в форме определенных математических соотношений, которые объединяются в некоторое формальное описание модели. На этом оканчивается процесс построения математической модели. Далее выполняется исследование полученного соотношения с помощью аналитических или вычислительных методов, приводящих к отысканию ответов на поставленные вопросы. Критерием адекватности служит практика, которая и определяет, когда может закончиться процесс улучшения модели. Достоинством этого метода является то, что модель представляет собой формализованную запись тех или иных законов природы, управляющих функционированием системы.
Однако определенные трудности возникают, когда осуществляется попытка построить математическую модель очень сложной системы, содержащей много связей между элементами, разнообразные нелинейные ограничения, большое число параметров и т.п. Выписать соотношения модели можно и в этом случае, но отсутствие соответствующего математического аппарата сделает ее бесполезной. В таких ситуациях обычно применяют более гибкий метод моделирования - имитационное моделирование. Имитационное моделирование является экспериментальной и прикладной методологией, имеющей целью: описать поведение системы; построить теории и гипотезы, которые могут объяснить наблюдаемое поведение; использовать эти теории для предсказания будущего поведения системы.
Основа метода - максимально использовать всю имеющуюся информацию о системе с тем, чтобы получить возможность преодолеть аналитические трудности и найти ответ на поставленные вопросы о поведении системы. Имитационное моделирование целесообразно применять в следующих случаях: аналитические методы имеются, но математические процедуры очень сложны и трудоемки. В этом случае имитационное моделирование дает более простой способ решения задачи; аналитические решения имеются, но их реализация невозможна из-за недостаточной математической подготовки имеющегося персонала; кроме оценки определенных параметров возникает потребность осуществлять на имитационной модели наблюдение за ходом процесса в течение определенного периода; имитационное моделирование является единственной возможностью вследствие трудности постановки экспериментов и наблюдения явлений в реальных условиях; для долговременного изучения действия систем или процессов требуется сжатие временной шкалы. Имитационное моделирование дает возможность полностью контролировать время изучаемого процесса, т.к. явление может быть по желанию замедле но или ускорено /78,96/. Поэтому имитационное моделирование является одним из наиболее распространенных количественных методов, используемых при решении проблем управления как крупных предприятий, так и малых форм хозяйствования, и, прежде всего, фермерских хозяйств. При разработке моделей фермерских хозяйств должны быть учтены следующие обстоятельства /71/: 1. Неопределенность в описании фермерского хозяйства как сложной системы, активное влияние принимающих решения лиц и исполнительного персонала на результаты управления. 2. В связи со сложностью рассматриваемых задач управления модели фермерских хозяйств могут быть созданы лишь на базе использования принципов имитационного моделирования /43,59,61,101/. В /61/ указывается, что: имитационная модель позволяет уточнить перечень необходимых для управления показателей, модели отдельных объектов, оценить объем перерабатываемой информации и требуемые для этого ресурсы; детальное наблюдение имитируемой системы позволяет понять ее лучше и разработать такие предложения по ее улучшению, которые были бы невозможны без имитаций; имитация может служить для предварительной проверки новых стратегий и правил принятия решений перед проведением эксперимента на реальном объекте; имитацию можно использовать для обучения основным навыкам анализа и принятия решений. Все это позволяет принять имитационное моделирование в качестве основного средства при создании АСУ ТП в растениеводстве. Р.Шеннон /101/ в самом общем виде структуру модели представляет математически в виде Е = f (Xj, у;), где Е - результат действия системы; Xj - управ ляемые переменные и параметры; у - неуправляемые переменные и параметры; f - функциональная зависимость между xj и yi, которая определяет величину Е. Таким образом, функционирование системы зависит как от контролируемых, так и неконтролируемых переменных.
Составляющими большинства моделей являются компоненты, переменные, параметры, функциональные зависимости, ограничения, целевые функции. В основу современной классификации моделей вообще и имитационных моделей в частности положены следующие основные группы /101/: статические и динамические; детерминированные и стохастические; дискретные и непрерывные; натурные, аналоговые и символические. В тех случаях, когда речь идет о методах выбора оптимальных проектных, плановых и управленческих решений в условиях хозяйственного риска возникает задача стохастического программирования. Стохастическое программирование - это совокупность моделей и методов решения условных экстремальных задач при неполной (вероятностной) информации в исходных условиях. В стохастических производственных задачах оптимизации случайные параметры (нормативы и общие объемы затрат и выпусков) могут входить в систему ограничений, т.е. определять область допустимости выбора управлений Y. Тогда обычные для детерминированных постановок ограничения по продуктам, ресурсам и технологическим связям зачастую просто не имеют смысла. В таких случаях реальный смысл имеет ограничение в вероятностной форме
Формирование комплексных технологий возделывания сельскохозяйственных культур
В этом блоке фермеру предлагается произвести выбор сельскохозяйственных культур и технологий, по которым будут возделываться эти культуры. При этом решаются вопросы использования севооборотов и выбора количества полей в севообороте.
Севообороты имеют решающее значение в регулировании почвенного плодородия во всех типах хозяйств, в том числе и в фермерских. Они восстанавливают плодородие почвы, обеспечивают стабильную урожайность сельскохозяйственных культур, повышают культуру земледелия, способствуют защите почв от водной эрозии. Рациональное чередование культур в севооборотах позволяет более равномерно распределить «нагрузку» на пашню по годам и в разные периоды вегетации. Чередование культур в полях севооборота способствует уничтожению сорных растений, вредителей сельскохозяйственных растений.
В отличие от крупных многоотраслевых хозяйств, где большей частью используются многопольные плодосменные севообороты, фермерские хозяйства, в большинстве имеющие небольшую площадь, не могут иметь многопольных севооборотов. Это вызвано и тем, что в многопольном севообороте необходимо иметь несколько отдельных систем машин для возделывания различных культур. Однако фермеру в настоящее время это не под силу, набор выращиваемых культур приходится сокращать, что в конечном итоге ведет к севооборотам с короткой ротацией. Более узкая специализация и сокращение количества выращиваемых культур позволит быстрее освоить специфические агроприе-мы и упорядочить использование пестицидов.
Таким образом, в зависимости от первоначального капитала и площади земельных угодий в крестьянском хозяйстве определяется специализация хозяйства и направление его развития. В соответствии со специализацией выбираются основные и сопутствующие культуры и разрабатываются севообороты с короткой ротацией.
Фермер, разумеется, может вести земледелие и без севооборотов. В модели предусмотрена и такая возможность. В таком случае, как правило, выращивается одна монокультура, чаще всего озимая пшеница или ячмень. В первый или второй год можно получить хороший урожай, затем урожайность резко упадет, плодородие почв снизится. Фермер может использовать так называе мый севооборот во времени, когда один год на всей площади высевается одна культура, на следующий год - другая и т.д. Но погодные условия могут быть неблагоприятны для выращиваемой в данный год культуры, что приведет к резкому падению урожайности и банкротству фермера. В то же время набор тех же самых культур в севообороте с короткой ротацией позволит сделать хозяйство более устойчивым к изменению погодных условий. Именно поэтому севооборот во времени так же, как и монокультуру нельзя рекомендовать для фермерского хозяйства.
В фермерских хозяйствах Северного Кавказа, специализирующихся на производстве растениеводческой продукции, рекомендуется возделывать зерновые, технические культуры, картофель и овощи. Среди зерновых преобладают озимая пшеница и ячмень, в группе технических - подсолнечник.
Рекомендуется использовать типы севооборотов, предложенные в рекомендациях ВНИИЭиН АПК /56/, а также С.Н. Волковым /15/.
В имитационной модели фермеру предоставляется возможность в соответствии с выбранной специализацией хозяйства самому задать тип севооборота, ввести количество полей, состав культур и порядок их чередования. Алгоритм блока модели по использованию севооборотов представлен в виде блок-схемы на рис. 2.3.
Но не только оформление земель в севообороты обеспечивает расширенное воспроизводство плодородия почв. Важное значение в увеличении продуктивности пашни имеет оптимальный уровень насыщения севооборотов удобрениями. Внесение удобрений в системе севооборота намного эффективнее, чем при хаотичном, бессистемном чередовании культур. Это происходит потому, что удобрения оптимально распределяются по культурам, посевы меньше засорены, улучшается водный режим. Без внесения удобрений при сравнительно благоприятных погодных условиях возможно получение более низких урожаев, при которых фермер не только не окупит затрат, но и останется в долгах /24/.
Программная реализация имитационной модели
На основании разработанных алгоритмов и математического инструментария, используемого в имитационной модели, создана автоматизированная система, включающая пакет программ на языке программирования Pascal. Пакет включает следующие основные программы: - capital - программа, осуществляющая ввод исходных данных (начальный капитал, наличные трудовые ресурсы семьи фермера, число комплектов приобретаемой сельскохозяйственной и поливной техники, площадь наличных или приобретаемых сельскохозяйственных угодий, размер долгосрочного кредита), задание числа лет имитации, выбор состава сельскохозяйственных культур; - perevod - программная реализация алгоритма, позволяющего при необходимости производить трансформацию сельскохозяйственных угодий из одной категории в другую; - sevoob - программа позволяет выбрать вариант севооборота (общее количество полей, число полей, занимаемое каждой культурой); - pogoda - осуществляет случайным образом выбор погодных условий для имитируемого сельскохозяйственного года; - urog - позволяет с различной степенью вероятности прогнозировать урожайность сельскохозяйственных культур фермерского хозяйства, учитывая реализацию выбранных погодных условий для всех лет имитации; - valsbor - производит расчет валового сбора сельскохозяйственной продукции с учетом оптимального размера площадей и прогнозируемой урожайности культур; - trudl - программа, производящая расчет количества требующихся и наличных трудовых ресурсов с учетом случайного фактора потерь рабочего времени по болезни работников и другим причинам в доуборочный период; - trud2 - аналогично trudl производит расчет трудовых ресурсов в уборочный период работы фермерского хозяйства; - rinok - осуществляет имитацию рыночной конъюнктуры с учетом средних предполагаемых и фактических цен на ближнем и дальнем рынке реализации сельскохозяйственной продукции; - result - выполняет расчет денежной выручки от реализации пгюдукции фермерского хозяйства; - zatr - производит расчет издержек производства, в состав которых включаются отчисления на заработную плату наемных работников, отчисления в пенсионных фонд, на медицинское и социальное страхование; затраты на семена, удобрения, оросительную воду; отчисления по кредитам; затраты на амортизацию сельскохозяйственной и оросительной техники, на текущий ремонт и обслуживание техники; затраты на ГСМ и аренду уборочной техники; - pribil - подводятся итоги финансовой деятельности фермерского хозяйства за имитируемый год. В автоматизированную систему оптимизации управления фермерским хозяйством, имитирующую производство растениеводческой продукции, включен стандартный пакет прикладных программ LPX88, позволяющий оптимизировать структуру посевных площадей хозяйства. Разработанная автоматизированная система может быть усовершенствована путем введения блоков, выполняющих расчет оптимального состава ма-шинотракторного парка и малой поливной техники для фермерского хозяйства. Структуру входящих и выходящих параметров по блокам имитационной модели можно проиллюстрировать следующей схемой (рис. 3.1).
Структура входящих и выходящих параметров блоков модели: 0.1 - собственный капитал фермера; 0.2 - число членов семьи; 0.3 - стоимость с/х, поливной техники и земельных ресурсов по категориям; 0.4 - состав культур; 0.5 - нормативы труда, удобрений, семян, воды; 0.6 - технико-экономические показатели дождевальных агрегатов (проюводительность, трудоемкость подачи 100 м3 воды, потребляемая мощность, стоимость маш.-смены, удельные капиталовложения); 0.7 - динамический ряд урожайности культур; 0.8 - технико-экономические показатели с/х техники (производительность, текущие экс плуатационные затраты, стоимость); 0.9 - средние цены за продукцию в предыдущем году; 0.10 - нормативные коэффициенты отчислений; 0.11 - размер зарплаты наемных работников; 0.12 - стоимость аренды уборочной техники, ГСМ, ремонтов; 1.1 - земельные ресурсы по категориям; 1.2 - размер долгосрочного кредита; 1.3 - количество поливной техники; 1.4 - величина оборотного капитала; 1.5 - наличные трудовые ресурсы; 2.1 - оптимальные площади под культурами; 2.2 - оптимальный объем воды для орошения; 2.3 - величина краткосрочного кредита; 3.1 - вид дождевальной техники; 4.1 - расчетные урожайности; 5.1 - комплекты с/х техники; 6.1 - данные о потребности и наличии трудовых ресурсов; 7.1 - цены реализации; 7.2 - валовой сбор культур; 8.1 - прибыль; 8.2 -уровень прибыльности. Проведенный численный эксперимент, результаты которого изложены в третьей главе, позволяет сделать следующие выводы: - подтверждена работоспособность разработанной имитационной модели функционирования фермерского хозяйства растениеводческого направления; - учет погодного риска позволяет прогнозировать с высокой степенью вероятности урожайность сельскохозяйственных культур на ряд лет имитации производственной деятельности хозяйства; - выполненный расчет по подбору дождевальной техники для фермерского хозяйства показал эффективность применения метода главных компонент для решения этой задачи; - разработанная методика расчета потребности фермерского хозяйства в трудовых ресурсах по месяцам сельскохозяйственного года с учетом случайного фактора потерь рабочего времени по болезни работников и другим причинам позволяет оптимизировать наличные трудовые ресурсы хозяйства; - расчет рыночной конъюнктуры подтвердил обоснованность учета хозяйственного риска в имитационной модели функционирования фермерского хозяйства.
