Сергиенко ю с оптимизация объемов производства на базе регрессионных моделей автореферат

Автореферат



  1. Введение. Актуальность темы

  2. Цель и задачки работы

  3. Обзор имеющихся исследовательских работ и разработок

  4. Предполагаемая научная новизна и практическая ценность

  5. Текущие результаты

  6. Заключение

  7. Перечень источников

Введение. Актуальность темы


Современный шаг развития нашей страны отличается динамизмом и
высококачественными переменами во всех сферах публичной жизни.
Такая ситуация ставит высочайшие требования к умению управляющих
управлять предприятием при наличии огромного количества соперников,
которые уже имеют надлежащие познания и практику управления
предприятием в этих критериях. Потому одной из важных
заморочек является неувязка управления современным предприятием в
новых, рыночных критериях, которые стремительно изменяются. Разумеется,
что классические способы управления оказываются недееспособными в
новых для страны критериях. Нужно обусловиться с подходящим
подходом к управлению предприятиями.



Экономико-математическое моделирование, являясь одним из
действенных способов описания сложных социально — экономических
объектов и процессов в виде математических моделей,
преобразуется тем в часть самой экономики, точнее, в сплав
экономики, арифметики и кибернетики.



Модели, обычно, строятся на базе статистических данных.



Статистика позволяет компактно обрисовать данные, осознать их структуру,
провести систематизацию, узреть закономерности в хаосе
случайных явлений. Умопомрачительно, что даже простые способы
зрительного и разведочного анализа данных позволяют
значительно прояснить сложную ситуацию, сначало
поражающую нагромождением цифр.



В экономических исследовательских работах нередко решают задачку выявления
причин, определяющих уровень и динамику экономического процесса.
Такая задачка в большинстве случаев решается способами корреляционного,
регрессионного, факторного и компонентного анализа.



Взаимодействие основных и второстепенных причин и определяет
колеблемость исследуемого процесса. В этом содействии
синтезируется как нужное, типическое, определяющее
закономерность изучаемого явления, так и случайное, характеризующее
отклонение от этой закономерности. Случайные отличия безизбежно
сопутствуют хоть какому закономерному явлению.



Для достоверного отображения беспристрастно имеющихся в экономике
процессов нужно выявить значительные связи и не только лишь выявить,
да и дать им количественную оценку. Этот подход просит вскрытия
причинных зависимостей. Под причинной зависимостью понимается
такая связь меж процессами, когда изменение 1-го из их является
следствием конфигурации другого.



Регрессионный анализ заключается в определении аналитического
выражения связи, в каком изменение действенного признака обуславливается
воздействием 1-го либо нескольких факторных признаков, а
огромное количество всех иных причин применяется за неизменные
(либо усредненные) величины.



Очень нередко регрессионный анализ является базой при построении
математических моделей прогнозирования производственных процессов.
Преимущество таких моделей заключается в том, что они позволяют оценить
так именуемые гипотетичные варианты ситуации.



При выборе вида регрессионного уравнения речь идет только об
аппроксимации относительно ординарными функциями несоизмеримо более
сложных по собственной природе взаимосвязей. На практике отдают предпочтение
линейным моделям либо приводят модели к линейному виду методом преобразования
переменных, к примеру логарифмированием. Таковой подход, непременно,
содержит внутри себя определенную условность, так как предугадывает
однообразный нрав связи со всеми факторами. Но внедрение
очень сложных функций безизбежно ведет к повышению количества
характеристик, а, как следует, уменьшает точность измерения и усложняет
интерпретацию результатов.

Цель и задачки работы


Одной из основных целей функционирования хоть какого промышленного
предприятия является получение наибольшей прибыли, что всегда связано
с необходимостью совершенствования организации производства.
Используемые в текущее время на российских предприятиях способы
планирования, организации и управления созданием продукции
нередко являются экономически не обоснованными и, как следствие,
не дают ожидаемого экономического результата.



Объем производства продукции становится важным объектом управления,
значительно растет роль планирования, анализа и обоснования
управленческих решений, используемых на предприятии для стабилизации
либо роста объема выпуска.



В связи с этим вопросы установления рационального объема производства
получают главное значение не только лишь с позиций необходимости
получения предприятием максимума прибыли, да и с позиций действенного
управления предприятием в целом и его структурными подразделениями.



Таким макаром, целью магистерской работы является оптимизация объемов
производства на промышленном предприятии.



Оптимизация проводится на базе традиционной задачки оптимизации
объема производства компаний, которые выпускают однородную продукцию.
Хорошим является таковой объем производства продукции, при
котором суммарные удельные издержки малы.



Но данная задачка решена не до конца и является в большей мере
теоретической. В связи с этим планируется уточнить аспект оптимизации,
оценить точность оптимизации, которая определяется
доверительным интервалом.



Ввысь

Обзор имеющихся исследовательских работ и разработок


Управление объемом производства является довольно сложным процессом.
Его оптимизация практически значит улучшение управления
всей деятельностью предприятия, потому что обхватывает все стороны
функционирования этого объекта управления.



Для действенного управления затратами на создание продукции
нужно располагать информацией о наружной среде предприятия,
внутренней деятельности предприятия, перераспределять на этом уровне
вещественные, технические и трудовые ресурсы.



Анализ состояния вопроса определения рационального объема
производства в научной литературе и в практике производственно-хозяйственной
деятельности компаний показал, что теория и методология его
формирования просит значимой доработки.



Объем производства и предложения продуктов определяется технологическими и
экономическими критериями работы производителей. В имеющихся к
истинному времени работах ученых-экономистов, обычно, рассматривается
максимизация прибыли на базе производственных функций. В их
определяется зависимость меж реальными (физическими) объемами
применяемых в производстве ресурсов и очень вероятным при всем этом
выпуском продукции. Суть предлагаемых создателями способов определения
рационального объема производства заключается в последующем.



Объем выпуска, максимизирующий прибыль, находится в зависимости от технологических и
экономических критерий функционирования предприятия. 1-ые показываются
кривой общего выпуска, а экономические условия представляются в виде
полосы равной прибыли.



Любая точка полосы прибыли показывает на такое сочетание объема производства
и ресурсов, которое обеспечивает данный объем прибыли.
Каждому объему прибыли соответствуют определенные технологические и
экономические условия.



Наложение карты линий прибыли на кривую общего выпуска совмещает
технологические и экономические условия работы предприятия.
Точка касания таких линий определяет объем выпуска, максимизирующий
прибыль в сложившихся критериях.



Но предложенный подход к определению максимума прибыли
является в большей мере теоретическим. Большая часть производственных
функций представляют собой зависимость объема производства от
издержек труда и капитала. Данные причины, непременно, являются
основополагающими, но далековато не единственными. Процесс определения
рационального объема производства продукции является задачей
многокритериальной и много вариантой. Значительно повысить эффективность
работы предприятия представляется вероятным лишь на базе
обоснованного аспекта оптимизации, также нужно отыскать
доверительные интервалы объема выпуска, так как создание
является инерционным.



Ввысь

Предполагаемая научная новизна и практическая ценность


Используемый подход к оптимизации объема производства продукции
является в большей мере теоретическим и не имеет практического смысла,
так как в связи с инерционностью производства лучший объем продукции
является многовариантным и управляющий никогда не сумеет произвести
ровно столько продукции, сколько подразумевает данная модель.



Для реализации намеченной цели на практике нужно расширить
интервал рационального объема производства, что и будет выполнено
в процессе работы.

Текущие результаты


Применимость регрессионных моделей в прогнозировании


Особенностью процессов организации, планирования и управления на
промышленных предприятиях в общем случае является необходимость
принятия решений при большущем обилии производственных ситуаций.
При всем этом процессы принятия решений имеют две главные черты.
Во-1-х, принятие решения связано с выбором из огромного количества решений,
допускаемых обстоятельствами, некого 1-го, полностью определенного.
Другими словами, всегда имеется огромное количество вариантов принятия решения. Во-2-х,
принятие решения всегда делается во имя той либо другой цели и
должно в большей степени ей соответствовать. В связи с этим
нужно количественно оценить степень воплощения цели при
каждом варианте решения.



Таким макаром, нужно, чтоб каждый процесс принятия решений был
описан функцией, аргументами которой являются допустимые
варианты решения, а значениями — числа, которые обрисовывают
меру заслуги поставленной цели. Эту функцию принято именовать
мотивированной функцией, аспектом оценки, либо показателям эффективности.
Описание огромного количества допустимых решений и мотивированной функции является
математическим моделированием явления.



Задачка принятия решения сводится к нахождению наибольшего
(либо малого) значения мотивированной функции, также к нахождению
того определенного решения — аргумента, при котором это значение достигается.
Такое решение именуется хорошим. Принятие решений при
планировании и управлении созданием, обычно,
просит использования специального математического аппарата.



Математические способы можно условно поделить на два класса:
вероятностные и детерминированные. К вероятностным способам
относятся регрессионный анализ, теория случайных функций, разные
способы прогнозирования, теория игр, теория принятия решений,
имитационное моделирование и др.; к детерминированным — матричные
способы, линейное, нелинейное программирование, потоки в сетях,
динамическое программирование и др.



«Регрессионный анализ — это основной способ современной математической
статистики….» Так оценили роль регрессионного анализа российские
ведущие спецы в области прикладной математической
статистики Ю. Адлер и В. Горский.



Очень нередко регрессионный анализ является базой при построении
математических моделей прогнозирования производственных
процессов.



Регрессионная модель обрисовывает беспристрастно имеющиеся меж
явлениями корреляционные связи. По собственному нраву
корреляционные связи особенно сложны и многообразны. Отследить
все эти связи и установить четкий многофункциональный вид
фактически нереально. Потому при выборе функции речь идет только
об аппроксимации относительно ординарными функциями несоизмеримо более
сложных по собственной природе взаимосвязей. На практике отдают предпочтение
линейным моделям либо приводят модели к линейному виду методом преобразования
переменных, к примеру логарифмированием. Таковой подход, непременно,
содержит внутри себя определенную условность, так как предугадывает
однообразный нрав связи со всеми факторами. Но внедрение
очень сложных функций безизбежно ведет к повышению количества
характеристик, а, как следует, уменьшает точность измерения и
усложняет интерпретацию результатов.



В общем виде парная модель регрессионного анализа имеет вид:


Сергиенко ю с оптимизация объемов производства на базе регрессионных моделей автореферат


где a — свободный член уравнения, определяет область существования модели;



b — выборочный коэффициент регрессии, отражает воздействие фактора x
на действенный признак y , т.е. указывает на сколько единиц в
среднем меняется действенный признак y при изменении факторного
признака x на единицу;



e — случайная переменная, характеризующая отклонение от
теоретической полосы.



Соотношения меж социально-экономическими явлениями не всегда можно
обрисовать линейной регрессией. В данном случае употребляют нелинейную
регрессию, при этом определенный вид может быть определен по облаку
рассеиванию, из опытов прошлых исследовательских работ, из содержания задачки.



Аналитически нелинейная связь меж 2-мя величинами может
быть описана последующим образом:



— параболическая регрессия


Сергиенко ю с оптимизация объемов производства на базе регрессионных моделей автореферат


— гиперболическая регрессия


Сергиенко ю с оптимизация объемов производства на базе регрессионных моделей автореферат


— полиномиальная регрессия


Сергиенко ю с оптимизация объемов производства на базе регрессионных моделей автореферат


— гармоническая регрессия


Сергиенко ю с оптимизация объемов производства на базе регрессионных моделей автореферат


— экспоненциальная


Сергиенко ю с оптимизация объемов производства на базе регрессионных моделей автореферат


Можно привести огромное количество примеров из разных областей экономической
деятельности, когда регрессионные уравнения оказались неплохими
измерителями связи явлений. К примеру, известен целый ряд работ,
посвященных измерению зависимости производительности труда в разных
отраслях производства и на отдельных предприятиях от соответственных
причин личного и беспристрастного нрава (стаж, квалификация
рабочего и т.д.). Нередко при помощи регрессионного анализа оценивают
связи результатов хозяйственной деятельности с различного рода
факторами (размерами серьезных вложений, возрастом оборудования и т.д.).
Известны удачные примеры внедрения регрессий для свойства
цены сотворения какого-нибудь изделия, к примеру самолета, в зависимости
от его технико-эксплуатационных характеристик. На базе соответственных
регрессий прогнозировались издержки на ремонт отдельных узлов самолетов
зависимо от таких причин, как число летных часов и
число проблем в прошедшем. Конкретно способность регрессионного
уравнения показать связь меж явлениями отыскала для себя
практическое применение в прогностическом анализе.
К регрессионным моделям прибегают и как к вспомогательному средству
в всеохватывающей методике прогнозирования (к примеру, в рамках
разработки прогностической межотраслевой модели производства и
рассредотачивания продукции регрессии употребляются для оценивания
отдельных компонент конечного продукта), и как к самостоятельному
инструменту прогноза.



Регрессионный анализ подразумевает решение 2-ух задач. 1-ая
заключается в выборе независящих переменных, значительно влияющих
на зависимую величину, и в определении формы уравнения регрессии
(обычно этот шаг в разработке регрессии именуют спецификацией).
Данная задачка решается методом анализа изучаемой связи по существу.
Формальные средства могут служить тут только некими ориентирами.
2-ая задачка — оценивание характеристик — решается при помощи того либо
другого статистического способа обработки данных наблюдения. Более
нередко оценивание характеристик регрессий достигается при помощи способа
меньших квадратов.



Ввысь




Экономико-математическое решение намеченной цели


В экономико-статистических моделях, как и в оптимизационных,
огромное значение имеет верный выбор аспекта оптимальности.
В каждом определенном случае нужно доказать его слагаемые.



Разглядим традиционную задачку оптимизации объема производства
компаний, которые выпускают однородную продукцию.



Почаще учитываются такие слагаемые, как себестоимость,
транспортные расходы и удельные финансовложения.
В данном случае аспект для определения рационального размера
производства будет иметь последующий вид:


Сергиенко ю с оптимизация объемов производства на базе регрессионных моделей автореферат


где C(x) — функция, учитывающая зависимость себестоимости
продукции от мощности предприятия;



x — разыскиваемая мощность предприятия;



p — плотность сырья в зоне расположения предприятия, т.е.
количество товарного сырья, приходящегося на
квадратный километр площади;



t(xp)/x — функция, учитывающая зависимость удельных транспортных
расходов от мощности предприятия и плотности сырья;



E — нормативный коэффициент эффективности серьезных
вложений в отрасли;



K(x)/x — функция, отражающая зависимость удельных
серьезных вложений от мощности предприятия.



Возьмем 5 компаний с разным объемом производства
однородной продукции, и выпишем их главные отчетные
характеристики (табл.1).


Сергиенко ю с оптимизация объемов производства на базе регрессионных моделей автореферат


Для расширения круга других вариантов компаний определим
модели, характеризующие зависимость себестоимости продукции,
транспортных расходов и удельных серьезных вложений от
объема производства.



Поначалу определим нрав зависимости от объема производства
первого элемента аспекта — себестоимости единицы продукции C(x).
Для этой цели построим график, характеризующий данную зависимость (рис.1).


График, характеризующий данную зависимость
себестоимости единицы продукции C(x) от объема производства

Набросок 1 — Зависимость себестоимости единицы
продукции от объема производства



Как видно, эмпирическая линия регрессии
по собственному нраву близка кривой типа гиперболы и описывается
уравнением:


Дальше перейдем к определению модели для расчета показателе
второго слагаемого аспекта оптимальности — удельных транспортных
расходов t(xp)/x . Для этого изобразим графически
зависимость транспортных расходов от объема
производства (рис. 2)


Набросок 2 — Зависимость удельных транспортных
расходов от объема производства



Графически зависимость транспортных расходов от
объема производства близка к линейной и описывается
уравнением:


В заключении определим модель для расчета характеристик третьего
слагаемого аспекта оптимальности — удельных серьезных вложений K(x)/x.
Графическая зависимость удельных серьезных вложений
от размеров производства показана на рис. 3.


Набросок 3 — Зависимость удельных серьезных вложений
от объема производства



Эмпирическая линия регрессии по собственному нраву близка к
кривой типа гиперболы и описывается уравнением:


Для определения характеристик приобретенных уравнений
воспользуемся МНК, как следует, определенные экономико-статистические
модели будут последующими:


Итак, сейчас получены все нужные данные, чтоб
по принятому аспекту оптимальности высчитать суммарные
удельные издержки по всем вероятным вариантам развития компаний, в
ключая и гипотетичные, которых в реальности пока нет.
Заметим, что в таблицу врубаются только расчетные характеристики
себестоимости, удельных транспортных расходов и финансовложений.
При этом последний показатель множится на 0,2 (Е) — нормативный коэффициент
эффективности финансовложений.


Описанные выше этапы комплексно представлены на последующем рисунке.


Сергиенко ю с оптимизация объемов производства на базе регрессионных моделей автореферат


Анимационный набросок — Методика определения рационального
объема производства



Исходя из даннях табл. 2 хорошим является вариант
предприятия мощностью в 100000 т. Суммарные удельные издержки тут
составляют 204,25 ден.ед. Дальше они начинают возрастать.



Но следует направить внимание на два происшествия. Во-1-х,
малозначительная раз ница в суммарных издержек по 5 и 6 вариантам и,
во-2-х, огромное различие в мощности компаний по этим вариантам.
Поэтому появляется необходимость апробирования вариантов, скажем,
в 110б 120 и 130 тыс. т продукции. По этим вариантам суммарные
удельные издержки соответственно составляют 203, 85, 203,83 и 193,85
ден.ед. Как следует хорошим будет предприятие с объемом
производства в 130000 т. Суммарные издержки на тонну продукции на
этом предприятии вдвое ниже, чем на первом с объемом производства
в 11000 т и на 8% ниже, чем у более большого предприятия с
объемом производства 200000 т.



Но в связи с инерционностью производства лучший объем
продукции является многовариантным и управляющий никогда не
сумеет произвести ровно столько продукции, сколько подразумевает
данная модель.



Для реализации намеченной цели на практике нужно расширить
интервал рационального объема производства, т.е.
найти доверительный интервал. Для этого определяется
доверительный интервал для функции себестоимости, удельных
транспортных и серьезных вложений.
После этого перебегают к оборотным функциям, т.е.
определяется зависимость мощности предприятия от
себестоимости продукции, удельных транспортных и
серьезных вложений. Подставляя выше приобретенные
значения доверительных интервалов в функции, получаем
нижнее и верхнее значение интервала для рационального
объема производства.



Ввысь

Заключение


Главным результатом является выбор
экономико-математической модели определения рационального
объема производства продукции.



Много принципиальным является и
верный выбор аспекта
оптимальности. В каждом
определенном случае нужно
доказать его слагаемые.



Проведенный анализ позволяет
гласить, что оптимизация
производства является важной
задачей работы предприятия.
Но планированию рационального
объема производства должен
предшествовать детализированный анализ
технико-экономических
характеристик работы предприятия,
который позволит улучшить
характеристики производственного
процесса.



Объем выпуска продукции зависит
как от причин внутренней среды,
создаваемой на предприятии, так и
от причин наружной среды. Эти
причины должны представляться в
виде ограничений, которые
нужно учесть в процессе
разработки плана производства.

Перечень источников



  1. Четыркин Е.М. Статистические
    способы прогнозирования – М:
    Статистика, 1977. – 199с.




  2. Шмойлова Р.А. Теория статистики
    – М: Деньги и статистика, 1998. – 851с.




  3. Гранберг А.Г. Статистическое
    моделирование и прогнозирование
    – М: Статистика, 1987. – 345с.




  4. Айвазян
    С.А. прикладная статистика и
    базы эконометрики – М:
    Статистика, 1998. – 256с.




  5. В.А. Кучер. Определение
    рационального объема производства
    продукции на промышленном
    предприятии // Экономика
    индустрии. 2005, № 1(27)




  6. Ханк Дж.Э., Райтс А.Дж. Бизнес-прогнозирование.
    Пер. с англ. — М.: Вильямс, 2003. — 656с.




  7. Холод Н.И., Кузнецов А.В.
    Экономико-математические способы
    и модели — Мн.: БГЭУ, 1999. — 413с.




  8. Мазманова Б.Г. Методические
    вопросы прогнозирования сбыта.



    www.dis.ru/market/arhiv/2002/4/2.html




  9. Земитан Г. Способы
    прогнозирования денежного
    состояния организации.



    www.eup.ru/Documents/2003-06-02/1AA3E.asp




  10. Ерина А.М. Статистическое
    моделирование и прогнозирование.



    www.gmdh.net/articles/theory/StatModeling.pdf




ПРИМЕЧАНИЕ:



При написании данного
автореферата магистерская работа
еще не завершена.
Окончательное окончание
исследовательских работ планируется до
01.01.2007. Полный текст работы и все
материалы по теме могут быть
получены у создателя либо его
управляющего после обозначенной даты.

Оставить комментарий

Выш Mail не будет опубликован


*


Эффективное производство:

Производственная компания Мастерская Своего Дела предлагает различное оборудование и технологии для развития малого бизнеса и предпринимательства.
Контакты компании:
г.Александрия, Украина,
Куколовское шоссе 5/1А

Календарь

Ноябрь 2018
Пн Вт Ср Чт Пт Сб Вс
« Июл    
 1234
567891011
12131415161718
19202122232425
2627282930  

Свежие записи

Статистика

Архивы