R1 R2 Rn K = K = Rn R2 R1
реклама
Вестник Челябинского государственного университета. 2013. № 8 (299). Экономика. Вып. 40. С. 101–103. ЭКОНОМИКА ПРЕДПРИЯТИЯ С. А. Аристов, О. Л. Голубева МОДЕЛИРОВАНИЕ СТРАТЕГИИ РАЗВИТИЯ ПОТЕНЦИАЛА АГРОПРОМЫШЛЕННОЙ СИСТЕМЫ Формулируется задача динамического перехода от текущего состояния системы к состоянию максимального развития ее потенциала в условиях имеющихся ресурсов. Описан пример реализации такой задачи в качестве системы поддержки принятия решений для предприятия агропромышленного комплекса. Приводятся примеры имитационных экспериментов. Ключевые слова: потенциал агропромышленной системы, имитационное моделирование, система поддержки принятия решений, стратегическое управление. Многие задачи стратегического управления развитием промышленными и региональными системами сводятся к задаче динамического перехода от существующего состояния системы к состоянию максимального развития ее потенциала в условиях имеющихся ресурсов и применяемых критериев эффективности. В общем виде схема перехода системы из ее текущего состояния в состояние ее максимального развития, обусловленное имеющимся потенциалом при полном использовании имеющихся ресурсов, изображена на рис. 1. На рисунке приняты следующие обозначения: тек тек тек R1 , R2 , ..., Rn — значения текущих параметров ресурсов системы; R1max , R2max , ..., Rnmax — значения максимально возможных параметров при полном использовании ресурсов; T1, T2 , …, Tn — время, Текущее состояние Состояние максимального развития тек T1 Z1 тек T2 Z2 тек Tn Zn R1 R2 Rn Kэф= Kтек необходимое для перехода каждого из ресурсов из текущего состояния в состояние полного использования; Z1, Z2, …, Zn — затраты, необходимые для перехода каждого из ресурсов из текущего состояния в состояние полного использования. Методы управления системами с неполным использованием имеющихся ресурсов с целью полного использования имеющегося потенциала системы в настоящее время определены недостаточно четко, что объясняется, в первую очередь, тем, что системные взаимосвязи элементов в сложных системах многочисленны и носят сложный динамический взаимопересекающийся характер. Примером такой задачи является актуальная в данный момент задача полного использования ресурсов предприятием агропромышленного комплекса. max R1 max R2 max Rn Kэф= Kmax Рис. 1. Схема динамического перехода от текущего состояния системы к планируемому состоянию максимального развития потенциала 102 С. А. Аристов, О. Л. Голубева В последние годы Российское государство уделяет большое внимание развитию сельского хозяйства. Об этом свидетельствуют приоритетный национальный проект «Развитие АПК» и Государственная программа развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2008–2012 гг. Наиболее сложной проблемой российского сельского хозяйства является увеличение производства говядины. Решение этих задач требует большого объема технологических и экономических расчетов по обоснованию оптимальных стратегий использования инвестиций. Сложность проведения этих расчетов по стандартным методикам обладает следующими недостатками: – высокая трудоемкость, исключающая возможность рассмотрения большого количества альтернативных вариантов; – отсутствие у потенциальных инвесторов опыта работы в области мясного скотоводства и высококвалифицированных специалистов; – несовершенство методик расчетов и, как следствие, принятие нерациональных управленческих решений; – отсутствие баз знаний по вопросам технологии (рацион, конверсия кормов, программа откорма и т. п.). Решению этих и других проблем в значительной степени может способствовать использование современных методов компьютерной поддержки процесса принятия решений [1; 2]. Разработка компьютерной системы поддержки принятия решений позволила: – на порядок сократить время технологических и экономических расчетов; – рассматривать большое количество альтернативных вариантов управленческих решений и выбирать оптимальные, быстро внося коррективы при изменении внешней и внутренней экономической ситуации; – использовать единообразные и точные методики расчетов; – аккумулировать в единой базе данных опыт передовых хозяйств в области мясного скотоводства. Основные модули разработанной программы: графики движения по возрастным группам; оборотные ведомости; программы откорма; состав рационов по возрастным группам; нормирование затрат; расчет себестоимости продукции на каждом этапе; планирование инвестиций в основные средства; расчет доходов и рентабельности; расчет эффективности проектов. Основой для компьютерного моделирования являются балансовые описания материальных и финансовых потоков в рассматриваемой системе. На рис. 2 показана динамическая схема изменения состава стада. Рис. 2. Схема движения состава стада по возрастным группам 103 Моделирование стратегии развития потенциала агропромышленной системы Введем следующие обозначения: Qкi , Qбi — количество в группе с возрастом i соответственно i i коров и бычков; Pк , Pб — покупка голов каждой группы на рынке; Rкi , Rбi — реализация живого i i поголовья по каждой группе; Z к , Z б — количество забитых голов из каждой группы для реализации. Знаком обозначены темпы, изменяющие значения уровней поголовья при изменении времени на значение шагового интервала. Изменение значений уровня поголовья описывается следующими зависимостями: i i -1 i i i i Qк = Qк + Pк - Rк - Z к - U к ; i i -1 i i i i Qб = Qб + Pб - Rб - Z б - U б , i i где U к и U б — естественный падеж в каждой 1 1 возрастной группе; U к , U б — приплод в первой возрастной группе. Реализованный на основе представленных выше соотношений модуль расчета динамики поголовья позволяет моделировать динамику процесса изменения количественного и возрастного состава поголовья и представлять их, в частности, в графическом виде. Пример такого имитационного эксперимента представлен на рис. 3. Рис. 3. Итоги моделирования возрастного состава поголовья Аналогично модулю расчета динамики поголовья в системе поддержки принятия решений реализованы прочие модули: ввода нормативов, рационов, календарей использования рационов, программ откорма, расчета динамики поголовья, источников финансирования, формирования затрат и доходов, критериев эффективности и др. Использование разработанной системы поддержки принятия решений позволяет оперативно при помощи методов моделирования и экспериментальной оптимизации с учетом неопределенности процессов находить наиболее рациональные сценарии развития и параметры инвестиционных проектов. Список литературы 1. Аристов, С. А. Имитационные системы поддержки принятия решений // Экономика и математические методы. 2007. Т. 43. С. 74–84. 2. Аристов, С. А. Многофункциональные имитационные системы поддержки принятия решений в управлении предприятием. М. : Финансы и статистика, 2007. 352 с.
