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.
Скачать