Содержание к диссертации
Введение
1 Особенности идентификации экономико-социальных систем стекольного производства 10
1.1 Особенности экономического развития стекольных производств 10
1.2 Методы идентификации экономико-социальных систем 17
1.2.1 Прогностические модели описания и развития экономико-социальных систем 18
1.2.2 Математические модели поддержки принятия управленческих решений в экономико-социальных системах 21
1.3 Выводы 29
2 Методика идентификации процессов экономико-социальных систем 30
2.1 Особенности идентификационного моделирования микроэкономических бизнес-процессов стекольного производства 30
2.2 Основные положения метода группового учета аргументов 33
2.2.1 Комбинаторный алгоритм идентификации 40
2.2.2 Многорядный алгоритм идентификации 43
2.3 Методика идентификации процессов стекольного производства 47
2.4 Многорядный алгоритм структурной идентификации экономических процессов 53
2.5 Программные средства идентификации процессов экономико-социальных систем
2.6 Выводы
3 Анализ финансового-экономического состояния предприятия стекольной промышленности
3.1 Анализ финансовой деятельности стекольного предприятия
3.2 Оценка устойчивости экономического развития стекольного производства на основе анализа финансовых показателей экономического состояния предприятия
3.3 Выводы
4 Системный анализ экономико-социальной системы ОАО ОЗС «ЭВИС» с целью эффективного управления бизнес - процессами
4.1 Идентификация микроэкономических бизнес-процессов стекольного производства
4.1.1 Идентификация прогностической модели микроэкономического бизнес-процесса «Выручка от реализации» экономико-социальной подсистемы представительства ОАО ОСЗ «Эвис» «Воронежское»
4.1.2 Идентификация прогностической модели микроэкономического бизнес-процесса «Выручка от реализации» экономико-социальной подсистемы представительства ОАО ОСЗ «Эвис» «Столица»
4.1.3 Идентификация прогностической модели микроэкономического бизнес-процесса «Выручка от реализации» экономико-социальной подсистемы представительства ОАО ОСЗ «Эвис» «Владимир» 111
4.1.4 Идентификация прогностической модели микроэкономического бизнес-процесса «Выручка от реализации» экономико-социальной системы ОАО ОСЗ «Эвис» 121
4.2 Выводы 130
5 Управление бизнесс-процессами предприятий стекольной промышленности 132
5.1 Прогноз развития бизнес-процесса «Выручка от реализации» для экономико-социальных подсистем «Воронежское», «Столица», «Владимир» 133
5.1.1 Прогноз развития бизнес-процесса «Выручка от реализации» для экономико-социальных подсистем «Воронежское» 133
5.1.2 Прогноз развития бизнес-процесса «Выручка от реализации» для экономико-социальных подсистем «Столица», «Владимир» и экономико-социальной системы ОАО ОСЗ «Эвис» 137
5.2 Выводы 142
Заключение 144
Список используемых источников 147
Приложение 158
- Прогностические модели описания и развития экономико-социальных систем
- Основные положения метода группового учета аргументов
- Оценка устойчивости экономического развития стекольного производства на основе анализа финансовых показателей экономического состояния предприятия
- Идентификация прогностической модели микроэкономического бизнес-процесса «Выручка от реализации» экономико-социальной системы ОАО ОСЗ «Эвис»
Введение к работе
Актуальность работы. Современные стекольные предприятия являются сложно организованной системой взаимосвязанных объектов, осуществляющих производственную, управленческую и торговую деятельность.
Предприятия стекольной промышленности можно отнести к субдинамическим экономическим системам, особо чувствительным к изменению покупательского спроса, тенденций на сырьевом рынке и таможенных тарифов.
В настоящее время в практике управления стекольным производством используются традиционные методы анализа (регрессионные, дисперсионные и корреляционные), основанные на субъективных критериях оценки качества моделей, что снижает эффективность управленческих решений. Современный уровень компьютеризации предприятий и использование новейших методов математического моделирования позволяют повысить уровень объективности анализа и оптимизировать прогноз производственно-экономической деятельности стекольного предприятия.
Устойчивое развитие стекольного предприятия как сложного объекта в условиях динамически меняющегося рынка и жесткой конкуренции возможно только с использованием научно обоснованных алгоритмов принятия решений, базирующихся на современных методах формализации задач управления и обработки информации с учетом отраслевых особенностей и меняющейся экономической ситуации.
Рассматривая экономические системы стекольных предприятий как сложные образования, открытые внешним воздействиям, следует научно-обоснованно подходить к принятию управленческих решений. Предлагаемая работа характеризуется направленностью на разработку современных методик, алгоритмов и программного обеспечения идентификации моделей
описания задач управления предприятий стекольной отрасли с целью выработки оптимальных управленческих решений. Такой подход, базирующийся на теории самоорганизации, раскрывается на примере стекольного предприятия ОАО ОСЗ «Эвис» Владимирской области и его торговых представительств в городах Москва, Воронеж и Владимир.
Диссертация выполнена в соответствии с межвузовской научно-технической программой И.Т.601 «Перспективные информационные технологии в высшей школе» и научному направлению ВФ РГСУ -«Мониторинг состояния и разработка технологий эффективного управления социально - экономическим развитием на региональном и местном уровнях».
Цель и задачи исследования. Целью диссертационного исследования является разработка моделей, методов и алгоритмов решения задач управления микроэкономическими бизнес-процессами экономико-социальных систем стекольных предприятий.
Эта цель достижима при проведении целого комплекса исследований, который включает следующие задачи:
Определить особенности функционирования стекольных производств, рассмотрев технологию управления, методы принятия управленческих решений, применяемые в процессе производства и роль прогнозирования и планирования в системах управления.
Провести мониторинг финансово-экономической деятельности стекольного предприятия ОАО ОСЗ «Эвис» Владимирской области на основании которого сформировать банк исходной статистической и оперативной информации для анализа финансового состояния предприятия, его производственного потенциала, уровня устойчивого развития и проведения эксперимента по идентификации микроэкономических бизнес-процессов.
Разработать методику моделирования микроэкономических бизнес-процессов стекольных производств, основанную на теории самоорганизации и ее приложении - методе группового учета аргументов
(МГУА).
Создать эффективный алгоритм и базирующийся на нем программный комплекс, реализующие основные положения методики структурной идентификации микроэкономических бизнес-процессов стекольных производств.
Провести эксперимент по идентификации моделей описания бизнес-процессов «Выручка от реализации» экономико-социальной системы ОАО ОСЗ «Эвис» и ее структурных подсистем представительств «Воронежское», «Владимир», «Столица».
На основе системного анализа разработать критерии и модели описания бизнес-процессов «Выручка от реализации» в экономико-социальной системе ОАО ОСЗ «Эвис» и ее структурных подсистем и получить среднесрочные и долгосрочные прогнозы с целью оптимизации управления на основе принятия эффективных управленческих решений.
На основе анализа среднесрочных и долгосрочных прогнозов развития бизнес-процессов «Выручка от реализации», рассмотреть различные направления развития экономико-социальной системы ОАО ОСЗ «Эвис» и ее подсистем представительств «Воронежское», «Владимир», «Столица» с целью устойчивого развития предприятия.
Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной:
оригинальная методика идентификации микроэкономических бизнес-процессов на предприятиях стекольной отрасли на базе теории самоорганизации, отличающаяся совмещением комбинаторного и многорядного алгоритмов МГУА, с возможностью реализации ситуационных управленческих решений;
алгоритм идентификации микроэкономических бизнес-процессов, отличающийся возможностью выбора в реальном режиме времени с помощью трехрядной процедуры оценивания независимых параметров в
условиях неопределенности влияющих факторов оптимальной модели на основе нелинейного класса моделей;
модели и алгоритм принятия управленческих решений для устойчивого развития стекольных производств, отличающийся планированием развития бизнес-процессов на основе среднесрочного и долгосрочного прогнозирования;
структура интегрированного программного комплекса, реализующего постоянно действующие математические модели микроэкономических бизнес-процессов предприятий стекольной отрасли, с целью эффективного управления производством.
Практическая значимость и результаты внедрения. На основе разработанного комплекса методов, алгоритмов и программных продуктов произведена переоценка возможностей развития объединения стекольных заводов ОАО «Эвис», а также структурных подразделений, реализующих производимую продукцию. Решение систем уравнений, описывающих микроэкономические бизнес-процессы, основу которых составляют модели, полученные с помощью предложенной методики идентификации, позволило определить оптимальное соотношение в структуре затрат и выработать эффективную методику повышения рентабельности продаж.
Результаты диссертационного исследования одобрены руководством предприятия ОАО ОСЗ «Эвис» и успешно внедрены в представительстве «Воронежское». Экономический эффект составил 50480 рублей в первом квартале 2007 года. Аналогичные работы по внедрению основных результатов исследования проводятся в представительствах «Столица» и «Владимир».
Основные методические и программные разработки диссертации используются для проведения лабораторных занятий по курсам "Компьютерные модели экономики", "Визуальное программирование в экономических расчетах", "Информационные системы в экономике" для студентов III и V курса экономического факультета ВФ РГСУ.
Публикации. По теме диссертации опубликовано 9 работ, в том числе одна в издание, рекомендованном ВАК России. В работах, опубликованных в соавторстве, личное участие автора заключается в определении проблемы, цели и задач; в выполнении научных исследований, включающих теоретические разработки, проведение расчетов на ЭВМ, обработке и анализе их результатов; внедрении результатов в производство.
Прогностические модели описания и развития экономико-социальных систем
Экономико-математическая модель - это математическое описание экономического процесса или объекта. В модели закономерности экономического процесса выражаются с помощью математических соотношений. Таким образом, под моделью понимается образ реального объекта или процесса в материальной или идеальной форме, отражающий существенные свойства моделируемого объекта (процесса) и замещающий его в ходе исследования и управления. Метод моделирования основывается на принципе аналогии, что означает возможность изучения реального объекта не непосредственно, а через рассмотрение подобного ему и более доступного объекта - его модели [45,86,99].
Важнейшим понятием при экономико-математическом моделировании, как и при всяком моделировании, является понятие адекватности модели, т.е. соответствия модели моделируемому объекту или процессу. Модель и ее прототип не могут полностью соответствовать друг другу. Тем не менее, модель должна быть адекватна описываемому процессу. Требование адекватности — одно из важнейших требований, предъявляемых модели. При моделировании имеется в виду не просто адекватность, но соответствие по тем свойствам, которые считаются существенными для исследования. Проверка адекватности экономико-математических моделей является весьма серьезной проблемой, тем более, что ее осложняет трудность измерения экономических величин. Однако без такой проверки применение результатов моделирования в управленческих решениях может не только оказаться малополезным, но и принести существенный вред [61,63,69,77].
Построение математической модели - это центральный этап исследования или проектирования любой системы. От качества модели зависит весь последующий анализ объекта. Построение модели - это процедура не формальная, сильно зависит от опыта и знаний исследователя. Модель должна быть достаточно точной, адекватной и удобной для использования.
Общепризнанной классификации моделей в настоящее время не существует. Разные исследователи выполняют классификацию моделей по различным признакам [41,46,49,100]. По признаку целевого назначения различают теоретические и прикладные модели. Если теоретические модели изучают общие закономерности и свойства рассматриваемой экономической системы, то прикладные модели оценивают параметры функционирования конкретных экономических объектов.
По масштабу изучаемого объекта модели можно разделить на макроэкономические и микроэкономические. Макроэкономические модели как единое целое рассматривают экономику государства, а микроэкономические модели описывают поведение отдельных субъектов рынка.
По характеру зависимости от времени модели делят на статические (параметры относятся к одному периоду времени) и динамические (параметры изменяются во времени). Можно также классифицировать модели по используемым математическим методам. Однако такая классификация достаточно условна, так как при построении одной математической модели могут быть использованы разные математические методы. Наиболее эффективными математическими методами являются дифференциальное исчисление, методы линейной алгебры, теория вероятности и математическая статистика, теория игр. По характеру отображения причинно-следственных связей можно выделить следующие виды моделей. Детерминированные модели — предполагается существование жестких функциональных связей. Стохастические модели - предполагается, что исследуемые величины или процессы являются случайными и имеет место вероятностно-статистическая связь между ними. Теоретико-игровые модели — это степень воздействие факторов обладает более высокой степенью зависимости, чем стохастическая. Построение этих моделей основано на дедуктивном подходе. Сущность дедуктивного метода заключается в построении общего суждения и в переходе от него к частным. Дедуктивный подход оптимален при создании моделей простых объектов и процессов с однокритериальной оценкой. Широко распространенный субъективный системный анализ и имитационное моделирование основаны именно на дедуктивном подходе и требуют глубокого изучения моделируемых объектов для развития теоретических представлений автора модели и накопления достаточного объема априорной информации. При этом уровень знаний об объекте моделирования должен быть настолько высоким, чтобы можно было составить достоверные математические уравнения, описывающие все элементы, и выбрать оптимальную область моделирования (число уравнений). К сожалению, при изучении реального экономического объекта обычно достичь такого уровня знаний не удается. Таким образом, при имитационных методах моделирования требуются глубокое изучение объекта моделирования и большой объем априорной информации при высоком ее качестве. Так, часто требуются данные при низком уровне помех, нормальное распределение отклонений, слишком большие выборки данных [2,12,14,63]. При построении моделей можно использовать другой подход — индуктивный. При индуктивном подходе, наоборот, от частных примеров переходят к общему выводу. Индукция обычно реализуется при переборе различных вариантов. Для сложных процессов и систем, когда необходимо учитывать несколько критериев, модель оптимальной сложности лучше строить на основе индукции с помощью перебора большого числа вариантов по принципу самоорганизации. Назовем такие модели индуктивными или самоорганизующимися [24-28]. Таким образом, по тому, какой подход используется при решении задач математического моделирования, модели можно разделить на имитационные, основанные на дедуктивном подходе и индуктивные или самоорганизующиеся.
Основные положения метода группового учета аргументов
Метод группового учета аргументов (МГУА) реализует основные положения теории самоорганизации и позволяет найти математическую модель экономической системы оптимальной степени сложности и решить задачи прогноза и управления экономических систем. Теоретические основы метода разработаны в конце 60-х - 70-х годов прошлого столетия академиком А.Г. Ивахненко [23-31]. В основе метода лежит принцип самоорганизации, по которому оптимальная модель, как в смысле достоверности, так и степени сложности находится по минимальным значениям некоторого числа внешних критериев. Количество и вид критериев зависят от конкретики решаемой задачи. Построение математических моделей по экспериментальным данным осуществляется автоматически методом комбинаторного перебора. Пусть имеется выборка из N наблюдений: где у — зависимая переменная, х — аргумент. В процессе моделирования ставится задача по результатам наблюдений выявить форму зависимости y=f(x) (рисунок 2.1) и определить степень влияния внутренних и внешних факторов на зависимую переменную. При этом структура модели в отличие от регрессионного анализа заранее не фиксируется, а выбирается из множества вариантов по заданным критериям. Наиболее полная зависимость между входами X(i) и выходами Y(i) может быть представлена с помощью обобщенного полинома Колмогорова-Габора.
Пусть есть X = (х]з.. .хп), тогда такой полином имеет вид: Основную идею самоорганизации можно сформулировать следующим образом: при постепенном увеличении сложности модели значение внутренних критериев уменьшается, а внешние критерии сначала уменьшаются, достигают минимума, а затем или остаются неизменными или начинают увеличиваться. Прохождение внешних критериев через свои минимумы позволяет определить единственную модель оптимальной сложности. Теоретическим обоснованием методики является принцип множественности моделей, теорема неполноты А. Геделя и принцип сохранения свободы Д. Габора [25,60]. Принцип множественности моделей заключается в следующем: существует множество моделей на данной выборке, обеспечивающих нулевую ошибку (достаточно повышать степень полинома модели). Таким образом, если имеется N узлов интерполяции, то можно построить целое семейство моделей, каждая из которых при прохождении через экспериментальные точки будет давать нулевую ошибку є =0. Расчета ошибки приведен далее в формуле 2.6 Обычно степень нелинейности берут не выше п-1, если п - количество точек выборки. Обозначим через S — сложность модели (определяется числом членов полинома Колмогорова-Габора). Значение ошибки є" зависит от сложности модели. Причем по мере роста сложности сначала она будет падать, а затем расти. Нам же нужно выбрать такую оптимальную сложность, при которой с —- mm.
Кроме того, если учитывать действие помех, то можно выделить следующие моменты: - при различном уровне помех зависимость є2 от сложности S будет изменяться, сохраняя при этом общую направленность (имеется в виду, что с ростом сложности она сначала будет уменьшаться, а затем — возрастать). - при увеличении уровня помех величина є2 будет расти. - с ростом уровня помех So=argmin є , є будет уменьшаться (оптимальное значение сложности будет смещаться влево) (рисунок 2.2) Причем s2(S0) 0, если уровень помех не нулевой. Теорему неполноты Гёделя можно сформулировать так - выборка всегда неполна. Один из способов преодоления этой неполноты — принцип внешнего дополнения. В качестве внешнего дополнения используется дополнительная выборка (проверочная), точки которой не использовались при обучении системы (т.е. при поиске оценочных значений коэффициентов полинома Колмогорова-Габора). Поиск наилучшей модели осуществляется таким образом: Вся выборка W делится на обучающую (С=А+В) и проверочную (D): W-C+D. На обучающей выборке определяются оценочные значений коэффициентов полинома Колмогорова-Габора а;, щ, щк. На проверочной выборке отбираются лучшие модели. Принцип свободы выбора (неокончательности промежуточного решения) заключается в следующем: Для каждой пары Xj Xj строятся линейные (2.3) или квадратичные (2.4) частные описания (всего С п ) Определяем коэффициенты этих моделей по МНК, используя обучающую выборку, т.е. находим Далее на проверочной выборке для каждой из этих моделей ищем оценку где Y(k) - действительное значение выходное значение в k-той точке проверочной выборки; Y(\ - выходное значение в k-той точке проверочной выборки в соответствии с s-той моделью; D— проверочная выборка И определяем Fi лучших моделей. На рисунке 2.3 показана схема организации многорядного отбора лучших моделей. Выбранные у; подаются на второй ряд. Ищем Оценка здесь такая же, как на первом ряде. Отбор лучших моделей осуществляется опять так же, но F2 Fj. Процесс конструирования рядов повторяется до тех, пока средний квадрат ошибки є будет падать. Когда на ряде m получим увеличение ошибки, то прекращаем многорядный отбор. Если частичные описания квадратичные и число рядов полинома S, то получаем, что степень полинома k=2 . В отличие от обычных методов статистического анализа, при таком подходе можно получить достаточно сложную зависимость, даже имея короткую выборку. z
Оценка устойчивости экономического развития стекольного производства на основе анализа финансовых показателей экономического состояния предприятия
Эффективная деятельность предприятий в долгосрочной перспективе, обеспечение высоких темпов развития и повышения конкурентоспособности организаций в условиях перехода к рыночной экономике, в значительной степени определяются уровнем их финансового потенциала и качеством управления финансовой деятельностью. Для оценки эффективности работы предприятия важна оценка его финансового состояния, которое характеризуется обеспеченностью финансовыми ресурсами, необходимыми для нормального функционирования предприятия, целесообразностью их размещения и эффективностью использования, финансовыми взаимоотношениями с другими юридическими и физическими лицами, платежеспособностью и финансовой устойчивостью [91,92,93]. Финансовое состояние предприятия характеризуется составом и размещением средств, структурой их источников, скоростью оборота капитала, способностью предприятия погашать свои обязательства в срок и в полном объеме, а также другими факторами. Оценка финансового состояния предприятия в основном основывается на оценке четырех уровней показателей: рентабельность, рыночная устойчивость, ликвидность баланса и платежеспособность [3,5,47,48,89]. Исходя из оценки этих показателей, финансовое состояние может характеризоваться устойчивым, неустойчивым и кризисным положением. Финансовое положение предприятия так же можно оценивать с точки зрения краткосрочной и долгосрочной перспектив.
В первом случае критерии оценки финансового положения - ликвидность и платежеспособность предприятия, т.е. способность своевременно и в полном объеме произвести расчеты по краткосрочным обязательствам. Рассмотрим основные показатели, позволяющие оценить ликвидность и платежеспособность предприятия. При оценке платежеспособности рассматриваются следующие коэффициенты [47]. 1) Коэффициент текущей ликвидности, который дает общую оценку ликвидности коммерческой организации, показывает, в какой мере текущие кредиторские обязательства обеспечиваются оборотными средствами, и представляет собой отношение текущих активов к краткосрочным пассивам. где условные обозначения согласно таблице 3.4. Коэффициент текущей ликвидности показывает, сколько рублей текущих активов приходится на один рубль текущих обязательств. Логика исчисления данного показателя заключается в том, что предприятие погашает краткосрочные обязательства в основном за счет текущих активов, следовательно, если текущие активы превышают по величине текущие обязательства, предприятие теоретически может рассматриваться как успешно функционирующее. Значение показателя можно варьировать по отраслям и видам деятельности, а его разумный рост в динамике обычно рассматривается как благоприятная тенденция. В западной учетно-аналитической практике приводится нижнее критическое значение показателя - 2, однако это лишь ориентировочное значение, указывающее на порядок показателя, но не на его точное нормативное значение [45]. Динамика показателей коэффициента текущей ликвидности ОАО ОСЗ "Эвис" показана в таблице 3.1. Полученные величины коэффициента текущей ликвидности находятся ниже положенных норм и не имеют ярко выраженной тенденции увеличения или снижения от одного года к другому, что говорит о его не стабильном положении. Таблица 3.1 - Динамика показателей коэффициента текущей ликвидности ОАО Рисунок 3.1 - Коэффициент текущей ликвидности ОАО ОСЗ "Эвис" ОСЗ "Эвис"
Идентификация прогностической модели микроэкономического бизнес-процесса «Выручка от реализации» экономико-социальной системы ОАО ОСЗ «Эвис»
Для проведения вычислительного эксперимента были использованы фактические данные, приведенные в таблицах 4.23 и 4.24. Экспериментальные данные включают поквартальные экономические показатели работы предприятия за период с 2001 по 2006 год. Кроме того, в таблицу включены статистические данные развития Владимирской области за этот же период.
В качестве зависимой переменной (Y) был выбран микроэкономический бизнес-процесс «Выручка, от реализации». При проведении вычислительного эксперимента по идентификации прогностической модели микроэкономического процесса «Выручка от реализации» экономико-социальной системы ОАО ОСЗ «Эвис» были рассмотрены варианты, приведенные в (4.1). В таблицах 4.25-4.28 представлены результаты эксперимента по вариантам применения внешних критериев (4.1). Рассмотрим первый вариант применения внешних критериев селекции (таблицы 4.25 - 4.26): первый критерий - критерий минимума смещения, второй критерий - критерий эпигнозного прогноза, третий - критерий сходимости. В таблице 4.25 приведены параметры десяти лучших моделей, отобранных на третьем ряду селекции. Мы видим, что минимум критерия достигается в где Х7 — численность трудоспособного населения женщины, Хіз -денежные доходы населения, Хі5 - валовой региональный продукт, Х2з — производства изделий из стекла по Владимирской области (аптекарская посуда).
Рассмотрим второй вариант применения внешних критериев селекции (таблицы 4.27, 4.28): первый критерий - критерий сходимости, второй критерий минимума смещения, третий - критерий эпигнозного прогноза. В таблицы 4.27 приведены 10 лучших моделей, отобранных программой IDEN_GLASS на третьем ряду селекции модели.
В соответствии с многорядным алгоритмом структурной идентификации экономических процессов на третьем ряду селекции модели отбираются по минимуму внешнего критерия эпигнозного прогноза (р). Согласно 4.27 минимальное значение р имеет модель №10 (Yg#). где Т6/2 и Т9/2 выражается через аргументы первого ряда по формулам: На заключительном этапе выражаем аргументы первого ряда через исходные данные:
После исключения промежуточных переменных получим полное описание, которое выражается формулой: где Х4 - себестоимость стеклоизделий, Xi4 - среднемесячная заработанная плата работающих в экономике, Х16 - оборот розничной торговли. Сравним две полученные модели (4.8) и (4.9). Анализ полученных моделей «Выручка от реализации» (4.8) и (4.9) показал, что в первом варианте из 20 аргументов, используемых при математическом моделировании, установлена зависимость моделируемого параметра выручки от реализации от 4 аргументов. Согласно таблице 4.23 Х7 - численность трудоспособного населения (женщины), Х)3 - денежные доходы населения, Xi5 - валовой региональный продукт, X2i - производство изделий из стекла по Владимирской области (аптекарская посуда). Все переменные безусловно относятся к внешним экономическим показателям и отражают экономическую ситуацию в регионе, отражающим экономические особенности рассматриваемого региона. Модель первого варианта усредняет значительные квартальные колебания зависимой переменной, она направлена на выявление общей тенденции развития предприятия.
Во втором варианте(4.9) в результате математического моделирования получена зависимость выручки от реализации стеклоизделий от 3 аргументов. Согласно таблице 4.23 Х4 - себестоимость стеклоизделий, Хи -среднемесячная заработная плата работающих в экономике, Х)6 - оборот розничной торговли. Несмотря на то, что в уравнении участвует только один параметр, относящийся к внутренним фактором, очевидно, что именно этот показатель (себестоимость стеклоизделий) оказывает решающее влияние на зависимую переменную. Модели микроэкономического процесса «Выручка от реализации» для экономико-социальной системы ОАО ОСЗ «Эвис» 4.8 и 4.9 были использованы для эпигнозного прогноза на всей выборке данных для анализа применимости моделей по обеспечению получения прогнозных данных изучаемого процесса «Выручка от реализации» (рисунки 4.7, 4.8). Выручка, тыс. руб Модельные значения Рисунок 4.7 — Результаты моделирования по первому варианту для экономико-социальной системы ОАО ОСЗ «Эвис» Анализ полученных моделей подтверждает предыдущие результаты, полученные при моделировании экономико-социальных подсистем филиалов «Воронежское», «Столица» и «Владимир».
