Содержание к диссертации
Введение
Глава 1. Особенности моделирования агропромышленного производства ...15
1.1. Особенности агропромышленных предприятий и объединений как объекта моделирования 15
1.2. Состояние использования экономико-математических методов для анализа и планирования АПК .. 34
Глава 2. Построение эконометрических моделей для анализа и прогнозирования сводных показателей АПК региона 60
2.1. Модели для анализа связей, зависимостей и динамических тенденций сводных экономических показателей аграрного сектора Республики Дагестан 60
2.2. Прогнозирование сводных показателей предприятий аграрного сектора Республики Дагестан с помощью эконометрических моделей .77
Глава 3. Разработка оптимизационных моделей для анализа и прогнозирования показателей производства продукции аграрных и перерабатывающих предприятий .95
3.1. Разработка моделей оптимизации производства продукции на агропредприятиях 95
3.2. Разработка моделей для анализа и прогнозирования производственной программы агропромышленных предприятий .114
Заключение 129
Библиографический список 134
- Состояние использования экономико-математических методов для анализа и планирования АПК
- Прогнозирование сводных показателей предприятий аграрного сектора Республики Дагестан с помощью эконометрических моделей
- Разработка моделей оптимизации производства продукции на агропредприятиях
- Разработка моделей для анализа и прогнозирования производственной программы агропромышленных предприятий
Введение к работе
Актуальность и недостаточная изученность вопросов, связанных с разработкой инструментария поддержки принятия решений, направленных на совершенствование процессов, протекающих в отраслях АПК, определили цель и задачи диссертационного исследования.
Цель и задачи исследования. Цель диссертационного исследования состоит в разработке экономико-математических моделей для анализа и прогнозирования показателей деятельности хозяйств агропромышленного комплекса.
Поставленная цель потребовала решения следующих задач:
изучить и проанализировать существующие подходы, модели и методы математического моделирования процессов, происходящих в агропромышленном секторе экономики, с целью систематизации особенностей АПК как объекта моделирования;
разработать регрессионные модели анализа зависимостей между основными показателями производства сельскохозяйственной продукции;
- построить комплекс моделей прогнозирования сводных показателей
производства продукции АПК на основе анализа временных рядов;
- разработать комплекс моделей оптимального сочетания отраслей,
включающий экономико-математические модели отдельных
сельхозорганизаций с учетом имеющихся наличных ресурсов и
координирующую блочную модель;
- разработать модели производственной программы предприятий различных отраслей АПК, позволяющие проводить ее оценку и обоснование на основе имитационно-оптимизационного подхода.
Объект и предмет исследования. Объектом исследования выступают предприятия регионального агропромышленного комплекса. Предметом исследованияявляются количественные характеристики экономических явлений и процессов, протекающих в сельскохозяйственном производстве и в пищевой промышленности, изучение их взаимосвязей и зависимостей.
Работа выполнена в соответствии с паспортом специальности 08.00.13. – Математические и инструментальные методы экономики (экономические науки): п. 1.4. – Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений; п. 1.9. – Разработка и развитие математических методов и моделей анализа и прогнозирования развития социально-экономических процессов общественной жизни: демографических процессов, рынка труда и занятости населения, качества жизни населения и др.
Рабочая гипотеза диссертационного исследования заключается в следующем: для эффективного функционирования и развития отдельных отраслей и агропромышленного комплекса в целом необходимо применение адаптивного инструментария поддержки принятия решений, включая проведение детального анализа состояния и использования потенциала АПК, а также базирующуюся на его результатах последующую оптимизацию всех протекающих в нем процессов.Разработкаданного инструментария может быть реализована путем построения и использования экономико-математических моделей, позволяющих осуществить комплексный анализ и прогнозирование всех важнейших экономических показателей для выработки стратегии эффективного развития АПК в условиях импортозамещения.
Теоретическо-методологическая база исследования. Теоретическую
основу исследования составили труды ведущих отечественных ученых,
публикации в сборниках научных трудов, материалы научных конференций.
Исследование также опиралось на современные публикации в периодической
печати по рассматриваемой теме, в частности, в таких журналах как «АПК:
экономика, управление», «Экономические науки», «Экономика
сельскохозяйственных и перерабатывающих предприятий», «Виноградарство и виноделие», «Достижения науки и техники АПК», «Пищевая промышленность» и др.
Информационно-эмпирической базой исследования послужили данные оперативно-статистической отчетности МСХ РФ и РД, Комитета по виноградарству и регулированию алкогольного рынка РД, информация на официальных сайтах МСХ РФ, Президента РД и др.
Инструментарно-методический аппарат исследования представлен вероятностно-статистическими методами моделирования экономических систем, а также оптимизационными методами и моделями в управлении экономическими системами.
Основные положения диссертации, выносимые на защиту:
-
Для составления экономико-математических моделей для обоснования планов и прогнозов развития АПК необходимо знать технологию, организацию и экономику агропромышленного производства, причем изучение качественных параметров должно являться определяющим при построении модели. Для этого необходимо систематизировать особенности экономических процессов и явлений сферы аграрно-промышленного комплекса как объекта моделирования.
-
Эконометрический анализ по группам сельскохозяйственных предприятий позволяет дать полную и всестороннюю характеристику состояния сельского хозяйства региона. Выделение групп сельхозорганизаций на основе кластерного анализа позволяет не только оценивать основные показатели эффективности производства продукции в
каждой из групп, но и выявить приоритетные направления вложения средств. Стандартные модели регрессии целесообразно дополнить моделями для анализа панельных данных, позволяющих учитывать вариацию в рамках объекта наблюдения.
-
Возрастание роли прогнозирования в АПК обусловлено ускорением научно-технического прогресса, развивающейся интеграцией комплекса с другими отраслями экономики, усилением неопределенности, влиянием множества факторов на развитие сфер АПК и др. Применение экономико-математических методов в прогнозировании позволяет существенно снизить степень неопределенности. Для этого разработаны модели временных рядов и рядов динамики, позволяющие выявить и оценить сложившиеся динамические тенденции изменения показателей предприятий аграрной сферы, комплексное использование которых позволяет обеспечить обоснованные краткосрочные и среднесрочные прогнозы.
-
Правильная специализация и сочетание отраслей сельского хозяйства позволяют наилучшим образом использовать природные факторы, производственные ресурсы и резко повысить эффективность производства. Для решения этой задачи разработаны модели оптимального сочетания отраслей, включающие модели для отдельных предприятий и блочную модель для административного района, позволяющие выявить эффект от специализации и интеграции;
-
Проблема оптимизации производственной программы предприятия является сложной и имеет множество допустимых решений. От выбора одного из вариантов решения зависит степень выполнения производственной программы. С этой целью традиционные методы оптимизации целесообразно дополнить алгоритмом, позволяющим оценивать большое число альтернативных вариантов использования производственных и финансовых возможностей. В работе построены модели для анализа и прогнозирования производственной программы предприятий различных сфер АПК.
Научная новизна диссертационного исследования заключается в разработке математических моделей, позволяющих:
анализировать связи, зависимости и динамические тенденции между основными показателями предприятий АПК и сформировать сценарии их развития;
установить рациональное сочетание отраслей сельского хозяйства на микро- и мезоуровнях и оптимизировать производственные программы предприятий АПК.
В ходе проведенного исследования получены следующие результаты, формирующие приращение научного знания:
1. Осуществлена систематизация особенностей, присущих
экономическим процессам и явлениям в сфере аграрно-промышленного
комплекса как объекта моделирования. Предложенный подход основан на
обобщении результатов различных классификаций особенностей отраслей
АПК.В дополнение к разработанным ранее подходам (Ю. Бинатов, А.
Емельянов, И. Минаков, В. Добрынин, В. Яковлев и др.1), авторский подход
ориентирован на систематизацию тех особенностей, которые в наибольшей
степени обуславливают необходимость применения методов моделирования
и компьютерных технологий для обоснования принимаемых в сфере АПК
управленческих решений.
2. Разработаны регрессионные модели, позволяющие выявить и
оценить взаимосвязи между основными показателями производства
сельскохозяйственных предприятий на основе кластерного анализа и
панельных данных. В развитие ранее полученных научных результатов (Ю.
1Бинатов Ю. Г., Коробейников М.А. Экономика, организация и управление АПК. – М.: Агропромиздат, 1989; Емельянов А. М. Экономика сельского хозяйства. – М.: Экономика, 1982.; Экономика отраслей АПК/ Под редакцией д.э.н., проф. И.А. Минакова. – М.: КолосС, 2004.; Экономика сельского хозяйства / Под редакцией академика ВАСХНИЛ В.А. Добрынина. – М.: ВО «Агропромиздат», 1990.; Яковлев В.Б., Корнев Г.Н. Анализ эффективности сельскохозяйственного производства. – М.: Агропромиздат, 1990.
2Капустин Ю. С., Пятницына Е. М. Инновационный потенциал сельскохозяйственных предприятий // Вестник РАСХН. – 2011. - №3.; Нечаев В., Артемова Е., Бурса И. Применение кластерного анализа при исследовании эффективности производства молока в Краснодарском крае // АПК: экономика, управление. – 2011. - № 7.
Капустин, В. Нечаев2) выявлено, что кластерный анализ позволяет значительно повысить адекватность регрессионных моделей. Поэтому до применения аппарата корреляционно-регрессионного анализа следует разбить всю совокупность имеющихся исходных данных на однородные классы и решать поставленную задачу отдельно для каждого из них.
В отличие от широко распространенных моделей, основанных на
использовании стандартных регрессионных моделей для оценки
взаимосвязей между показателями деятельности предприятий АПК (С. Нестеренко, В. Ожерельев, Р. Раджабов и др.3), построены модели анализа панельных данных, учитывающие вариацию в рамках объекта наблюдения.
3. Построены модели временных рядов и рядов динамики, позволяющие выявить сложившиеся динамические тенденции изменения показателей хозяйств аграрного сектора и на их основе выполнить прогнозные расчеты, отличающиеся применением разных видов моделей, взаимодополняющих друг друга.Предлагаемые модели являются развитием применявшихся ранее методик сценарного прогнозирования (В. Нечаев, В. Печеневский4) и в отличие от подходов, основанных на применении отдельных методов (М. Агарагимов, Э. Крылатых, А. Рогачев, Н. Шаланов5),
3Нестеренко С. Многофакторная модель оценки конкурентоспособности предприятий // АПК: экономика, управление. – 2013. – №12.; Ожерельев В. Н., Яловенко Я. В. Влияние параметров макросреды на трансформацию молочного подкомплекса АПК в ЦФО РФ // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2010. - № 4.;Раджабов Р. А. Комплексный статистический анализ взаимосвязи экономических показателей основных виноградарских предприятий Дагестана.// Виноделие и виноградарство. – 2008. - №3.
4Нечаев В., Васильева Н., Резниченко С. Прогнозирование развития аграрного сектора Краснодарского края // АПК: экономика, управление. – 2011. - № 8.; Нечаев В., Васильева Н., Резниченко С., Кравченко Н. Сценарии развития аграрного сектора Краснодарского края на среднесрочную перспективу // АПК: экономика, управление. – 2011. - № 5.; Печеневский В., Филонов В. Методика прогнозирования спроса и потребления продовольственных товаров в регионе на среднесрочную перспективу // АПК: экономика, управление. – 2011. - №3.
5Агарагимов М. Р., Загиров Н. Г., Халамагомедов М. А. Адаптивные методы прогнозирования производства винодельческой продукции Дагестана // АПК: экономика, управление. – 2011. - №3.; Крылатых Э., Чащарина О. Прогнозы развития зернового и мясного рынков ЕС и России // АПК: экономика, управление. – 2013. – №9.; Рогачев А., Тюрякова Н. Экономико-математическое моделирование урожайности зерновых в Нижнем Поволжье // АПК: экономика, управление. – 2008. - №4.; Шаланов Н., Афанасьев Е., Головатюк С., Рудой Е., Григорьев Н. Методика прогнозирования производства зерна с учетом цикличности урожайности на региональном уровне // АПК: экономика, управление. – 2013. – №4.
авторская методика позволяет в оперативном режиме получать качественные и многовариантные прогнозы.
4. Разработаны модели оптимального сочетания отраслей,
апробированные по данным конкретных предприятий Республики Дагестан,
отличающиеся возможностью двухуровневой оптимизации: на уровне
отдельного предприятия и на уровне административного района, - а также
позволяющие выявить эффект от специализации и обеспечить рациональное
использование ресурсов. Предлагаемые модели являются развитием
применявшихся ранее методов (А. Гатаулин, М. Тунеев, Р. Кравченко и др.6)
и обеспечивают гарантированный выход сельскохозяйственной продукции в
целом по административному району в соответствии с принятым критерием
оптимальности, определяя тем самым рациональную специализацию региона.
5. Предложены модели для разработки производственных программ
предприятий различных сфер АПК, учитывающие их особенности, технико-
технологические характеристики, ресурсы и результаты производства,
отличающиеся применением различных управляющих параметров,
характеризующих производственные и финансовые возможности, и
позволяющие оценить последствия принимаемых альтернативных решений.
Разработанные модели развивают и адаптируют известные методы
моделирования (К. Багриновский, В. Воронин, А. Аганбегян и др.7) к
современным условиям функционирования АПК, усложненным под
воздействием экономических ограничений со стороны западных стран.
Теоретическая и практическая значимость исследования.
Положения, выдвинутые в работе, развивают теоретические основы
6Гатаулин А. М. Экономико-математические методы в планировании сельскохозяйственного производства. – М., «Колос», 1976. – 224 с.; Тунеев М. М., Сухоруков В. Ф. Экономико-математические методы в организации и планировании сельскохозяйственного производства. – М.: Финансы и статистика, 1986.; Экономико-математические методы в управлении сельским хозяйством в странах-членах СЭВ / [Р.Г. Кравченко, Э.Н. Крылатых, В.В. Милосердов и др.]; Под ред. Р.Г. Кравченко. – М.: Колос, 1980. – 318 с. 7Багриновский К. А. Имитационные модели в народнохозяйственном планировании. – М.: Экономика, 1980. – 199 с.; Воронин В. Г. Экономико-математические методы и модели планирования и управления в пищевой промышленности. – 3-е изд. перераб. и доп. – М.: Агропромиздат, 1986. – 302 с.;Экономико-математические методы в планировании многоотраслевых комплексов и отраслей. Отв. Ред. А.Г. Аганбегян. – Новосибирск: Наука. Сиб. отд-ние, 1988. – 407 с.
применения экономико-математических методов в сельском хозяйстве и пищевой промышленности.
Практическая значимость исследования состоит в том, что основные положения, выводы, рекомендации, методы и модели могут быть использованы предприятиями АПК для планирования и прогнозирования экономических процессов, выработки оптимального плана использования наличных ресурсов, установления рационального сочетания отраслей, оценки альтернативных вариантов использования производственных и финансовых возможностей.
Апробация результатов исследования. Основные положения и выводы диссертационной работы обсуждались на следующих конференциях: VІІ – ХІV региональной научно-практической конференции «Компьютерные технологии в науке, экономике и образовании» (Махачкала, 2006-2014 гг.); ХХХІV Международной конференции и дискуссионном научном клубе «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2009 год).
Разработанные экономико-математические модели используются для оптимизации процесса производства в ОАО «Махачкалинский винзавод» и ГУП «Геджух» РД. Акты внедрения и использования научных результатов прилагаются к диссертации.
Публикации. По теме диссертационной работы опубликовано 13 печатных работ общим объемом 7,3 п.л. (личный вклад автора 5,4 п.л.), из них 5 статьей в рецензируемых научных журналах, рекомендованных ВАК Минобрнауки РФ для публикации основных результатов диссертации на соискание ученой степени кандидата наук.
Структура и объем диссертационной работы. Диссертация состоит из введения, трех глав, заключения, библиографического списка использованных источников, включающего 160 наименований, содержит 5 рисунков, 28 таблиц и 24 приложения.
Состояние использования экономико-математических методов для анализа и планирования АПК
Агропромышленный комплекс (АПК) представляет собой сложную многоотраслевую производственно-экономическую систему. В составе АПК выделяют три основные сферы.
Первая сфера включает отрасли промышленности, обеспечивающие АПК средствами производства: тракторное и сельскохозяйственное машиностроение, машиностроение для пищевой и легкой промышленности, производство минеральных удобрений и химических средств защиты, ремонт оборудования и техники, строительство. Вторая сфера представлена сельским хозяйством и является центральным звеном всего АПК.
Третья сфера включает совокупность отраслей и предприятий, обеспечивающих заготовку, транспортировку, хранение, переработку сельскохозяйственного сырья, а также реализацию конечного продукта (пищевая, легкая, комбикормовая промышленности, заготовительные и торговые организации).
Определение АПК, приводимое в различных литературных источниках в целом сводится к следующему: «АПК – это совокупность отраслей народного хозяйства, связанных между собой экономическими отношениями по поводу производства, распределения, обмена и потребления сельскохозяйственной продукции [146]. На начальном этапе перехода к рынку аграрный сектор сыграл ключевую стабилизирующую роль, выполняя функцию финансового донора. Однако, начиная с 1995 года, роль аграрного сектора коренным образом изменилась. В аграрном секторе был полностью разрушен механизм воспроизводства [107]. В условиях рыночных отношений аграрная экономика нуждалась в реформировании. Основные направления аграрной реформы в РФ были следующие: - земельная реформа. Она связана с нерациональностью использования земельного фонда и предусматривает введение частной собственности на земельные участки и формирование земельного рынка; - утверждение государственной, кооперативной, акционерной, частной форм собственности; - приватизация и демонополизация промышленной и других обслуживающих отраслей АПК; - создание рыночной инфраструктуры в АПК (аграрные биржи, банки, торговые дома и т.д.); - социальное преобразование села (жилищное строительство, возведение объектов культуры, здравоохранения и т.д.) [106]. Но какие изменения произошли в АПК России после этих реформ?
Согласно статистическим данным о социально-экономическом положении России, площадь сельскохозяйственных угодий уменьшилась, снизились валовые сборы продуктов растениеводства и объемы производства основных продуктов животноводства, за исключением мяса птицы.
Сложившаяся система цен на средства производства характеризуется резким ростом цен, нестабильностью и недостаточным приростом объемов производства как в сельском хозяйстве, так и в промышленности.
Таким образом, переход на рыночные методы хозяйствования, повлекший уменьшение роли государства, либерализацию рынка, реорганизацию колхозов и совхозов, развитие частных, коллективных и семейных предприятий, существенно изменил условия деятельности сельских товаропроизводителей, что негативно сказалось на темпах их развития, финансовой устойчивости, рентабельности производства [112, 64].
Факторами, определяющими перспективы выхода из кризисного состояния агросистем РФ, по мнению А.А. Анфиногентовой, являются издержки производства, а также государственные инструменты выравнивания доходов аграрного и индустриального секторов экономики. Роль этих инструментов будет определяющей в процессе преодоления депрессивного состояния отрасли, но должна снижаться или трансформироваться по мере насыщения внутреннего рынка конкурентоспособной отечественной продовольственной продукцией [107]. Сельское хозяйство выполняет важную функцию по обеспечению населения питанием. Поэтому для повышения конкурентоспособности отечественной продукции аграрного сектора экономики и сокращения доли импорта на внутреннем продовольственном рынке необходимо усиление роли государственной поддержки АПК, тем более что многие развитые страны даже изыскивают возможности финансовой, политической, организационной поддержки сельского хозяйства, рассматривая ее как обязательный элемент государственной политики [11].
Главными направлениями повышения эффективности АПК являются: - интенсификация сельского хозяйства; - развитие инновационной деятельности в АПК; - интеграция агропромышленных структур; - кадровое обеспечение АПК. В связи с изъятием земель под жилищно-коммунальное, промышленное и транспортное строительство уменьшаются размеры сельскохозяйственных угодий. Поэтому всемерная интенсификация сельского хозяйства является одним из основных направлений его развития. Она должна обязательно предусматривать совершенствование применения экономико-математических методов моделирования и компьютерных технологий в процессе производства [70, 95, 106].
Прогнозирование сводных показателей предприятий аграрного сектора Республики Дагестан с помощью эконометрических моделей
Для определения качества полученных уравнений определяются основные статистические характеристики, такие как стандартное значение ошибки для коэффициентов регрессии , стандартное значение ошибки для постоянной , коэффициент детерминированности , стандартная ошибка для оценки , – статистика (статистика Фишера). Если найденное значение – статистики Фишера больше критического значения , найденного по таблице при заданном уровне значимости и степенях свободы и , то можно сделать вывод о существенности связи ( – количество наблюдений, – количество факторов). Они приводятся в таблицах 2.2 и 2.3 для каждого вида уравнения: линейного, показательного, степенного.
Оценим значимость отдельных параметров регрессии. Для этого значения коэффициентов регрессии сравнивают с их стандартными ошибками, т.е. определяют фактическое значение - критерия Стьюдента, которое затем сравнивают с табличным значением при определенном уровне значимости и числе степеней свободы . Во всех вариантах рассматриваемой задачи табличное значение критерия Стьюдента равно приблизительно 2 при . Вычисленные критерии при анализе производства мяса позволяют говорить о статистической значимости коэффициентов регрессии линейного вида третьего варианта и степенного – в четвертом варианте.
Одним из критериев оценки качества модели является величина коэффициента детерминации. Он меняется от 0 до 1. Чем больше доля объясненной вариации, тем соответственно меньше роль прочих факторов и, следовательно, модель хорошо аппроксимирует исходные данные. Так, в таблицах 2.2 и 2.3 коэффициент детерминации уравнений регрессии достаточно высокие.
Таким образом, на основе анализа статистических характеристик и из таблицы 2.1 можно сделать выводы о том, что в 2012 году увеличение поголовья скота на 1 гол. и среднесуточного привеса на 1 гр. приводит к одинаковому увеличению объема производимого мяса на 0,5-0,6 ц. А в 2013 году (согласно степенной зависимости четвертого варианта таблицы 2.1) при увеличение каждого из показателей отдельно на 1% объем произведенного мяса увеличивается на 1 и 0,8 % соответственно. Т.е. отзывчивость выбранного результативного показателя на изменение выбранных показателей-факторов почти одинакова. Часто из-за технических, организационных или иных причин в некоторые периоды времени не удается собрать сведения для всех объектов, включенных в выборку первоначально. Поэтому при построении уравнений по панельным данным, отбираются те хозяйства, по которым имеются данные с 2010 по 2013 гг., остальные исключаются из рассмотрения. Таким образом строится сбалансированная панель.
Классической моделью для анализа панельных данных является модель с фиксированными эффектами, которая имеет вид: , где – результативный показатель, – зависимая переменная, – константа (параметр местоположения), – наклон (параметр влияния), – индекс наблюдения, – индекс времени. При этом параметр один для всех объектов наблюдения во все моменты времени. Для построения данной модели необходимо найти для всех входящих в модель переменных средние значения для каждого объекта за весь период наблюдения. Вычесть групповые средние из исходных данных. При этом получается уравнение с поправкой на среднее: . По этому уравнению оценивается параметр m и эта оценка называется оценкой с учетом вариации в рамках объекта наблюдения. Найденные средние по объектам наблюдения и сами могут быть данными для построения регрессии: . Данное регрессионное уравнение называется регрессией с учетом вариации между объектами наблюдения. По этому уравнению и определяются индивидуальные эффекты для каждого объекта наблюдения отдельно. В результате эконометрического анализа зависимости объема произведенного мяса от количества скота и среднесуточного привеса получены следующие стандартные регрессионные модели: - по двухпериодной панели; - по четырехпериодной панели, где – объем произведенного мяса, ц; – количество скота, гол; – среднесуточный привес, гр. В результате построения модели с учетом вариации в рамках объекта наблюдения получены следующие коэффициенты: – для двухпериодной панели и – для четырехпериодной панели. Основные статистические
Разработка моделей оптимизации производства продукции на агропредприятиях
Согласно оптимальным планам таблицы 3.4, полученным по единой блочной задаче как в случае минимизации суммарных производственных затрат, так и в случае максимизации товарной продукции, МУП «Чинар» является единственным среди рассматриваемых хозяйств, который сохраняет производство мяса наряду с другими видами сельскохозяйственной продукции. ЗАО им. Ш.Алиева следует развивать производство продукции растениеводства, причем это хозяйство является одним из крупных производителей винограда в республике. МУП «Зидьян», согласно второму и третьему вариантам следует производить виноград, зерновые культуры, а также молоко.
Таким образом, переход от административных методов управления к экономическим методам актуализировал проблему определения специализации муниципального образования, то есть выявления конкурентоспособных возможностей и ресурсов производства сельскохозяйственной продукции, составляющей наибольшую долю в общем объеме производимой на этой территории продукции. Углубление специализации сельхозорганизаций на производстве одного вида растениеводческой продукции возможно только на лучших по качеству земельных угодьях. Это позволяет им получать дифференцированный доход, прежде всего за счет собственного ресурсного потенциала, то есть естественного плодородия земли. Углубление специализации на производстве мяса и молока характерно для организаций, расположенных на худших по качеству землях, поскольку там производятся фуражное зерно, многолетние травы и силосные культуры [139, 94, 68]. Решение этой проблемы возможно с помощью экономико-математических методов. Задача заключается в определении оптимального размещения и специализации каждого сельскохозяйственного предприятия и их группы внутри района.
Для связующего блока, как правило, нужна информация, которая позволяет решать задачу как единую и помогает установить наиболее целесообразное размещение капитальных вложений в сельскохозяйственное производство по зонам (хозяйствам, районам и т.д.), определяя тем самым специализацию каждой зоны. В качестве такой информации могут использоваться гарантированные объемы основных видов товарной продукции, как это реализовано в рамках задачи настоящей главы, также общая сумма вложений, объемы дефицитных ресурсов (минеральные удобрения и т.д.) в целом по планируемому участку.
Экономико-математические методы позволяют проводить глубокий анализ не только самих моделей, но и оптимальных решений. Цель экономико-математического анализа оптимальных решений следующая: дать общую оценку полученному решению и выявить переменные, вошедшие и не вошедшие в план и значение целевой функции; сопоставить полученное решение с рассчитанным традиционными методами и определить эффект оптимизации плана; выявить возможности и резервы развития моделируемого объекта для выработки управленческого решения; определить общие экономические показатели развития объекта в планируемом периоде; установить пределы возможностей для корректировки оптимального решения и получения новых вариантных решений при изменении первоначальных параметров задачи.
А возможность подобного анализа заложена в особенностях метода линейного программирования [8, 134].
Известно, что к каждой прямой задаче линейного программирования можно составить и двойственную задачу. Прямой, как правило, считается задача, которая обеспечивает расчет оптимального плана, двойственной – оптимальных оценок.
Матрица двойственной задачи строится путем транспонирования матрицы прямой задачи, то есть столбцы матрицы прямой задачи становятся строками двойственной задачи, а строки столбцами. Коэффициенты при целевой функции становятся свободными членами, а свободные члены – коэффициентами целевой функции. Вместо неизвестных вводятся неизвестные , которые называются оценками ресурсов и их количество равно количеству ограничений по ресурсам прямой задачи. Поскольку прямая задача решается на максимум, то двойственная – на минимум. В соответствии с этим меняется и характер ограничений: в прямой задаче ограничения типа , в двойственной - .
Для получения двойственных оценок решение двойственных задач необязательно – достаточно получить окончательную симплексную таблицу прямой задачи, которая и будет содержать двойственные оценки [66; 134]. Проиллюстрируем это на следующем примере.
Составим оптимизационную модель на примере сельскохозяйственных предприятий Дербентского района РД.
По данным оперативно-статистической отчетности МСХ РД за 2012 год [37] в данном районе функционируют 31 сельскохозяйственное предприятие. Основными видами продукции данных хозяйств являются зерно, виноград, мясо и молоко. Слабо развито садоводство, овощеводство и производство шерсти. Площадь зерновых культур в 2012 году в Дербентском районе составила 2508 га, виноградников – 2648 га. Данные о наличии скота следующие: КРС – 1168 гол (в т. ч. коров – 337 гол), МРС – 349 гол. Объем производства каждого вида продукции, нормы их выхода (с 1 га, 1 гол), себестоимость и цены в расчете на 1 ц продукции заданы в таблицах 3.5 и 3.6.
Разработка моделей для анализа и прогнозирования производственной программы агропромышленных предприятий
В качестве контрольного варианта принять вариант, включающий ограничения 1, 2, 3, 4. Первый вариант предусматривает добавление к ограничениям контрольного варианта ограничений (5), второй вариант – ограничений (5) и (6).
В качестве критерия оптимальности в контрольном, 1-м, 2-м вариантах принять показатель минимум материальных затрат.
Варианты 3, 4, 5 отличаются от контрольного, первого и второго критерием оптимальности, в качестве которого принимается показатель минимума производственных затрат (себестоимости всей продукции). В вариантах 6, 7, 8 в качестве критерия выступает максимум стоимости всей продукции. В вариантах 9, 10, 11 – максимум прибыли. Объем производства продукции по оптимальным планам для всех вариантов приведены в приложении 11.
Согласно контрольному варианту следует производить только водку «Махачкалинскую», водку особую «Махачкалинская хлебная» и коньяк «5 ». Если критерием оптимальности является минимум суммарных производственных затрат (третий вариант), то среди рассматриваемых пяти видов продукции необходимо остановиться на производстве водки «Махачкалинская», водки настойки «Махачкалинская перцовочка» и коньяка «5 ». Если конечной целью предприятия является увеличение товарной продукции, то она достигается сохранением двух видов продукции: водки особой «Махачкалинская хлебная» и коньяка «5 » в объеме 19 и 244,8 тыс. дал соответственно (шестой вариант приложения 23). Для увеличения прибыли (девятый вариант) целесообразно производить водку «Махачкалинская», водку настойку «Махачкалинская перцовочка» и коньяк «5 ».
Но на практике остановить производство нескольких или отдельных видов продукции невозможно. Поэтому были определены условия-ограничения по гарантированному производству каждого вида продукции, и таким образом определены оптимальные планы производства первого, четвертого, седьмого и десятого вариантов для различных критериев оптимальности.
Кроме того, определено как изменились оптимальные планы при наложении ограничений на рентабельность предприятия в зависимости от принятого критерия оптимальности – второй, пятый, восьмой и одиннадцатые варианты.
При этом общий объем продукции по вариантам колеблется от 246,3 в третьем варианте до 263,8 тыс. дал в шестом варианте. Итоговые экономические показатели, а также показатели эффективности производства по всем вариантам приводятся таблице 3.14. Таблица 3.14 – Величины экономических показателей по вариантам, рассчитанным на ПЭВМ с помощью модели по оптимизации производственной программы винодельческого предприятия, построенный по данным ОАО «Махачкалинский винзавод» за 2013 г.
Согласно таблице 3.14, товарная продукция максимальна в шестом варианте. В этом случае она больше среднего значения по остальным вариантам на 27 млн. руб. Но достигается этот уровень товарной продукции, как было описано выше, за счет производства только двух видов продукции: водки особой «Махачкалинская хлебная» и коньяка «5 ».
Рентабельность максимальна в третьем варианте, хотя этот вариант не предусматривает ограничения на уровень рентабельности, как во втором, пятом, восьмом и одиннадцатом вариантах, в которых она строго равна 60%. Аналогичная задача была решена по данным за 2005 год [Агаева (Касимова) Т.М. Оптимизация производственной программы предприятия пищевой промышленности. Материалы седьмой региональной научно практической конференции «Компьютерные технологии в науке, экономике и образовании». – Махачкала: ИПЦ ДГУ, 2006.]. Величины итоговых показателей и показателей эффективности по оптимальным планам, рассчитанным на ПЭВМ по данным ОАО «Махачкалинский винзавод» за 2005 год приводятся в приложении 12.
В таблице 3.15 представлен прогноз основных показателей эффективности на 2017 год, построенный на основе 22 вариантов решения задачи оптимизации производственной программы предприятия. Проведение эксперимента с моделью оптимизации позволило исследовать ряд характеристик функционирования объекта, получение которых невозможно в результате проведения чисто экономического анализа. Результаты расчетов по экспериментальной модели могут использоваться при прогнозировании, в текущем планировании и управлении.
Итак, экспериментирование оптимизационными моделями позволяет, во-первых, понять все возможные последствия принимаемых решений; во вторых, рассмотреть большое число альтернативных вариантов использования производственных и финансовых возможностей; в-третьих, сделать рациональный выбор из множества вариантов решений [5]. Использование оптимизационно-имитационной модели в разработке планов позволяет коренным образом изменить всю систему планирования за счет того, что специалисты подразделений занимаются только вводом информации о текущем состоянии организации. Методика же плановых расчетов, которыми они пользуются, заложены модель, с которой работает аналитический отдел или аналитики, включенные в состав экономических или финансовых служб. В этом случае процедура принятия решения значительно упрощается, лишается субъективности и сокращается во времени.
Однако практика использования таких систем российскими организациями явно недостаточна, что объясняется в первую очередь слабой разработкой методологии создания и использования АСУ организациями [135]. Таким образом, если оптимизационная модель малочувствительна к внешним или внутренним возмущающим воздействиям, точность результатов моделирования не удовлетворяет практику, то следует переходить к оптимизационно-имитационному моделированию. Такую модель не следует понимать как уже установившуюся, фиксированную форму, скорее, наоборот, она служит исходным материалом для своего собственного усовершенствования и уточнения. В каждом конкретном случае построение подобных моделей основано на изучении действительного хода процесса и его представлении с помощью некоторой избранной системы показателей. Конечно, во время разработки модели в силу неполноты знаний и представлений о процессе из описания могут выпасть некоторые существенные элементы, но само экспериментирование с оптимизационными моделями открывает путь к математическому анализу процессов и последующей оценке различных построенных моделей.