85838

Принципы и особенности функционирования АСУсвязь областного государственного предприятия электросвязи «Лугансктелеком»

Дипломная

Экономическая теория и математическое моделирование

Повышение эффективности производственно-хозяйственной деятельности предприятия в результате применения АСУП достигается за счет повышения качества решения планово-экономических задач и улучшения на его основе использования производственных ресурсов а также благодаря рационализации деятельности управленческого персонала.

Русский

2015-03-31

1.45 MB

0 чел.

105

Реферат

Страниц 112, табл. 18, рис. 14.

система управления базами данных, макет, услуги связи, бухгалтерский счет, баланс предприятия, сводный бухгалтерский отчет, основная хозяйственная деятельность, капитальные вложения, аналитическая таблица, бухгалтерская увязка, корректировочная ведомость, автоматическая система управления, АСУ технологическим процессом, АСУ предприятия, АСУсвязь, входные документы, выходные документы, документооборот, организационная структура предприятия

В работе исследованы принципы и особенности функционирования АСУсвязь областного государственного предприятия электросвязи «Лугансктелеком». Изучен документооборот, структуры документов, макеты входных и выходных данных, документопотоки. Даны практические рекомендации по повышению эффективности работы системы за счет разработки и реализации системі поддержки принятия управленческих решений. Применение такой системы дает возможность повысить оперативность обработки информации и качество управленческих решений.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

3

РАЗДЕЛ 1. АНАЛИЗ СИСТЕМЫ УПРАВЛЕНИЯ ПРЕДПРИЯТИЕМ

4

1.1. Автоматизированные системы управления предприятием

4

1.2. Основные задачи АСУ-связь

8

1.3. Документооборот

10

1.4. Информационное обеспечение АСУ-связь

17

РАЗДЕЛ 2.ИССЛЕДОВАНИЕ МЕТОДОВ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ

19

2.1 Виды управленческих решений

19

2.2.  Порядок разработки и реализации управленческих решений

24

2.3. Методы принятия управленческих решений

30

2.4 Применение вычислительной техники в разработке управленческих решений

37

2.5 Использование Microsoft Excel в процессе принятия управленческих решений

46

РАЗДЕЛ 3. УСОВЕРШЕНСТВОВАНИЕ УПРАВЛЕНИЯ ПРЕДПРИЯТИЕМ НА ОСНОВЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ (СППУР)

54

3.1 Применение прогнозных моделей для изучения спроса на основную продукцию предприятия

54

3.2. Формирование оптимальной ассортиментной политики предприятия.

81

3.3. Оценка и управление риском в коммерческой деятельности предприятия.

92

РАЗДЕЛ 4. ПРИМЕНЕНИЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В СОВЕРШЕНСТВОВАНИИ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ

102

4.1. Обоснование плановых решений на основе прогнозирования спроса на продукцию предприятия

102

4.2. Порядок разработки оптимальной ассортиментной политики предприятия

103

4.3. Выбор варианта инвестиционного проекта развития предприятия с учетом фактора риска

106

Заключение

109

Список использованных источников

111

ВВЕДЕНИЕ

Объектом исследования моей дипломной работы явилась АСУсвязь областного государственного предприятия электросвязи «Лугансктелеком».

АСУсвязь обеспечивает решение следующих общих задач:

сбора и надлежащего хранения оперативных и нормативносправочных данных;

обобщения и систематизации полученной информации;

оценки отклонения хода производства от рассчитанного графика;

выдачи сводных документов и справок по временному графику или запросам;

выполнение расчетов по техникоэкономическому планированию и бухгалтерскому учету;

обоснованию и формированию управленческих решений в различных функциональных сферах деятельности.

Отдел АСУ ОГПЭС «Лугансктелеком» решает широчайший спектр задач, связанный с прогнозированием, планированием, управлением, контролем и учетом в различных сторонах хозяйственной деятельности всего предприятия в целом. Тем не менее выполнение этих функций немыслимо без обеспечения руководящего персонала служб, отделов и цехов достоверной, полной и своевременной информацией, т.е. управление производством следует рассматривать как совокупность процессов, связанных со сбором, обработкой и использованием производственносправочной информации.

Известно, что производственнохозяйственная информация образуется на основе техникоэкономических данных, получаемых в процессе производства промышленного предприятия. Такая исходная информация возникает непрерывно, но собирается и передается на обработку по мере ее накопления. Собранные данные, отражают результаты производства, проходят через все уровни управления. Одни данные характеризуют состояние хозяйства, другие — определяют резервы производства и т.д.

Рассмотрению вопросов компьютерного обеспечения процесса разработки и реализации управленческих решений и посвящена данная работа.

РАЗДЕЛ 1.

АНАЛИЗ СИСТЕМЫ УПРАВЛЕНИЯ ПРЕДПРИЯТИЕМ

1.1. Автоматизированные системы управления предприятием

Автоматизированная система управления предприятием – это действующая модель управления производством, функционирующая на базе применения и использования современных средств вычислительной техники, аппаратуры сбора и передачи информации, алгоритмов машинных программ при непосредственном участии человека в процессе производства и управления.

С помощью такой модели возможно прогнозировать процессы функционирования производства, осуществлять выбор конкретных вариантов плана и регулирующих воздействий в ходе его выполнения.

В отличие от систем управления технологическими процессами, обеспечивающими в первую очередь получение необходимых качественных показателей продукции, системы управления производством устанавливают количественные соотношения, т.е. что, куда и в каком количестве должно быть поставлено. При проектировании АСУП нельзя забывать, что объектом ее управления является прежде всего экономическая система, которая чаще всего является вероятностной, поэтому предусмотреть все аспекты ее функционирования заранее невозможно. В связи с этим окончательное решение в этой системе принимает человек, который является основным определяющим звеном.

Наиболее совершенным типом автоматизированных систем управления производством является информационноуправляющие.

Информационные и информационноуправляющие системы обеспечивают решение следующих общих для них задач:

сбора и надлежащего хранения оперативных и нормативносправочных данных;

обобщения и систематизации полученной информации;

оценки отклонения хода производства от рассчитанного графика;

выдачи сводных документов и справок по временному графику или запросам;

выполнение расчетов по техникоэкономическому планированию и бухгалтерскому учету.

Отличительной чертой информационноуправляющих систем является наличие математической или физической модели объекта, работающей в ускоренном масштабе времени и обеспечивающей решение задач прогнозирования и рационального распределения имеющихся ресурсов для компенсации отклонения хода производства от расчетного графика.

Рис. 1.1 Организационная структура ОГПЭС «Лугансктелеком»

Автоматизированные системы управления предприятием требуют проведения ряда организационных и технических мероприятий, основные из которых сводятся к разработке организационной структуры (рис. 1.1, 1.2), выбору технических средств, определению взаимосвязей человека и машины и т.д.

Методы типизации проектных решений при создании АСУП сейчас широко применяются в различных отраслях народного хозяйства, особенно в промышленности. Наиболее характерными являются следующие классы

типовых решений, охватывающие комплекс алгоритмов и программ, реализующие функции управления (класс «Задача»); определяющие состав, размещение и порядок использования комплекса технических средств (класс «Техника»); регламентирующие действия персонала (класс «Персонал»).

При разработка АСУ следует иметь ввиду, что конкретных набор подсистем, включаемых в функциональную систему, определяется условиями предприятия, для которого она разрабатывается

Рис. 1.2 Организационная структура отдела АСУ

Комплекс АСУП включает в себя также систему технических средств, обеспечивающих сбор, передачу, обработку, хранение и выдачу информации. Основным техническим средством АСУП является ЭВМ, размещаемая в ВЦ предприятия.

В соответствующих звеньях АСУП (цехах, складах, отделах) устанавливаются периферийные средства сбора и регистрации информации. Информация либо непосредственно после ввода, либо периодически после соответствующего накопления преобразуется в дискретные сигналы и при помощи оконечной аппаратуры передачи данных по каналам связи поступает на ВЦ.

Целью создания автоматизированной системы управления предприятием является повышение эффективности его производственнохозяйственной деятельности за счет улучшения использования имеющихся ресурсов. Иными словами, цель создания АСУП – использование резервов, не находящих применения в силу ограниченных возможностей традиционных методов и средств управления. Повышение эффективности производственнохозяйственной деятельности предприятия в результате применения АСУП достигается за счет повышения качества решения плановоэкономических задач и улучшения на его основе использования производственных ресурсов, а также благодаря рационализации деятельности управленческого персонала. Комплексная система создания АСУП построена на знании этого процесса. Выполнение всех указанных этапов работ возможно лишь в том случае, если в самом начале (заранее) известны общие контуры создаваемой АСУП и ее главные особенности.

1.2. Основные задачи АСУсвязь

Функции АСУсвязь во многом отличаются от функций автоматизированных систем управления в других отраслях народного хозяйства. Это различие является следствием особенностей экономики связи, к которым относятся:

невещественный характер продукции связи, определяющий высокий удельный вес в себестоимости продукции затрат живого труда;

неотделимость процессов потребления продукции от ее производства, что вызывает повышенные требования к вопросу качества работы средств связи и т.д.

При разработке и внедрении АСУсвязь в ее составе выделяют:

функциональные и отраслевые подсистемы. К функциональным следует отнести подсистемы:

научнотехнического прогнозирования и долгосрочного планирования развития связи (2030 лет);

перспективного планирования развития связи (пять лет);

техникоэкономического планирования (годового) развития связи и анализа экономической деятельности;

планирования, учета и анализа труда и заработной платы;

управления материальнотехническим снабжением;

планирования и управления капитальным строительством и реконструкцией действующих предприятий и организаций связи;

бухгалтерского учета и анализа хозяйственной деятельности предприятий и организаций связи;

планирования и управления кадрами;

планирования, учета и анализа научноисследовательских и опытноконструкторских работ на предприятиях и в организациях связи;

отраслевой научнотехнической информации.

В состав отраслевых подсистем входят подсистемы оперативного управления отраслями связи и технологические подсистемы производственных процессов. Кроме того, такие функциональные подсистемы, как научнотехнического прогнозирования, долгосрочного и перспективного планирования связи, техникоэкономического планирования связи и анализа экономической деятельности, управления финансовой деятельностью, планирования труда и заработной платы и т.д., разрабатываются также и в интересах отдельных отраслей связи.

1.3. Документооборот

Как уже было сказано, отдел АСУ ОГПЭС «Лугансктелеком» решает широчайший спектр задач, связанный с прогнозированием, планированием, управлением, контролем и учетом в различных сторонах хозяйственной деятельности всего предприятия в целом. Тем не менее выполнение этих функций немыслимо без обеспечения руководящего персонала служб, отделов и цехов достоверной, полной и своевременной информацией, т.е. управление производством следует рассматривать как совокупность процессов, связанных со сбором, обработкой и использованием производственносправочной информации.

Известно, что производственнохозяйственная информация образуется на основе техникоэкономических данных, получаемых в процессе производства промышленного предприятия. Такая исходная информация возникает непрерывно, но собирается и передается на обработку по мере ее накопления. Собранные данные, отражают результаты производства, проходят через все уровни управления. Одни данные характеризуют состояние хозяйства, другие — определяют резервы производства и т.д.

Информация, входящая и исходящая из отдела АСУ может быть представлена на бумажных либо на магнитных носителях. Информация, находящаяся в обработке – только на магнитных (в настоящее время это магнитные ленты, дискеты, а также жесткие диски ЭВМ). Совокупность входящей, исходящей и обрабатываемой информации образует документооборот (рис. 1.3).

Рис. 1.3 Упрощенная схема документооборота в отделе АСУ

Большинство входных документов поступает в отдел АСУ на бумажных носителях. Таким образом возникает проблема их переноса на магнитные носители с целью последующей обработки на ЭВМ. [4] Очевидно, что любая информация, предназначенная для машинной обработки должна обладать определенной структурой. Структура информации, поступающей на вход ЭВМ, задается с помощью так называемых макетов – наборов описаний структуры информации того или иного рода. В каждом макете первые три знака всегда занимает собственно номер макета. Это нужно для определения дальнейшего маршрута движения данных. Программы обработки информации в зависимости от номера макета выполняют с набором данных (базой данных) те или иные действия. Такая технология возможна прежде всего потому, что львиная доля расчетов выполняется комплексом программ. Тем не менее технология явно устарела хотя бы потому, что макеты представляют собой не что иное, как программную эмуляцию давно уже не используемых перфокарт. Необходимость такой эмуляции обусловлена «преклонным» возрастом работающих ныне программ. Они были написаны еще во времена перфокарт и продолжают активно эксплуатироваться и по сей день. Рассмотрим виды документов, участвующих в документообороте.

Виды документов

По моменту участия в техпроцессе документы, делятся на:

входные;

промежуточные (макеты);

выходные.

Списки входных и выходных документов представлены в таблицах 1.1 и 1.2 соответственно, а список основных макетов (точное их число не знает никто) без указания структуры приведен в таблице 1.3.

По функциональному назначению можно выделить следующие группы документов:

  1.  Сопроводительная документация:

сопроводительный ярлык;

сопроводительномаршрутный лист;

технологическая карта массива;

операционный лист на магнитной ленте;

технологическая карта комплектования информации для выполнения расчетов на ЭВМ.

  1.  Плановая документация:

планграфик оперативного учета прохождения информации в отделе АСУ;

график сдачи данных в отдел АСУ;

график загрузки ЭВМ;

график решения задач.

  1.  Учетная документация:

журнал учета поступления документов;

журнал учета машинного времени;

журнал учета внесения изменений в нормативносправочную информацию (НСИ).

  1.  Инструктивная документация:

инструкция по ведению указанных документов;

инструкция по описанию технологического процесса обработки данных;

инструкция о порядке приема и выдачи информации;

инструкция об организации хранения магнитных лент (МЛ);

инструкция о порядке внесения изменений в НСИ;

инструкция о порядке приема и выдачи информации для обработки на ЭВМ.

Таблица 2.1

Входные документы

Код

Наименование документа

Откуда

поступает

Срок

предостав.

Перерасчеты квартирных абонентов

Абонотдел ТТС

Ежемесячно 1-го числа к 1400

Перерасчеты организаций

То же

То же

Корректура отсева

—//—

—//—

Корректура картотеки

—//—

—//—

Показания счетчиков (переговоры по АТА)

—//—

—//—

Аренда междугородных телефонных каналов

—//—

—//—

Журнал выходных объединений абонентов

—//—

—//—

Показания счетчиков разговоров абонентов по сокращенной нумерации

—//—

—//—

Список задолжников квартирных абонентов

—//—

—//—

Корректура справочника расчетных счетов организаций

—//—

—//—

Разовые документы начислений

—//—

—//—

МТФ-5

Бланк заказа на междугородные телефонные разговоры (исходящие)

ТТС (коммутаторный цех) 

Ежедневно к 1400

МТФ-6

—//— (входящие)

То же

То же

МТФ-7

—//— (транзитные)

—//—

—//—

Д0420

График работы

—//—

Ежедневно к 900

Д0422

Изменения к графику работы

—//—

Ежедневно к 1400

Д0406

Суточный график работы подменных работников

—//—

Ежедневно к 1400

Д0403

Суточная выработка справочной службы

—//—

То же

Журнал корректировки справочника режимов работы каналов связи

—//—

Ежемесячно  в понедельник 2-й недели к 1400

Аппаратный журнал регистрации телеграмм

аппаратный цех ТТС

Ежедневно к 1400

Платежные требования

Бухгалтерия ТТС

3 раза в мес. 10,20,1 числа к 1200

Бланки бухгалтерских отчетов предприятий связи

Бухгалтерия ОГПЭС

Ежеквартально

Бланки бухгалтерских отчетов

Бухгалтерия ОАС

То же

ф. СП-5

Карточки заказов

ОАС

2 раза в год

ф. СП-5

—//—

То же

То же

Сводка о ходе подписки

Предприятие «Союзпечать» области

Согласно графика УРАС и графика

Д0201

Карточка контроля исполнения документов

КРО, ГРТУ, ГТС, ТТС

Ежедневно к 1600

Наряды на разовые услуги

Абонотдел ГТС

Ежемесячно 1-го числа к 1400

Акты на разовые услуги

То же

То же

Журнал корректировки картотеки квартирных абонентов и перерасчетов

—//—

—//—

Журнал корректировки картотеки организаций

—//—

—//—

Журнал корректировки картотеки постоянных услуг и перерасчетов организаций

—//—

—//—

Талоны телеграмм по телефону в кредит

Почтамт

2 раза в месяц 15, 1 числа к 1000

Сводка показателей работы отделений связи по 5-ти дневкам (ПЛ)

То же

6 раз в месяц 6, 11, 16, 21, 26, 1 числа к 1000

Ведомость Корректировки показателей работы отделений связи

—//—

Ежемесячно 2-го числа к 1400

Оплата квартирных абонентов за услуги связи (ф. 47)

—//—

5 раз в месяц 10,15, 20,25,27-го числа к 1100

Таблица 2.2

Выходные документы

Код

Наименование документа

Кому предназначен

Срок

предостав.

АСОИ по расчетам за услуги связи

Оборотная ведомость квартирных абонентов

Абонотдел ТТС

Ежемесячно согласно  графикам комитета связи Украины

Распечатка оплат квартирных абонентов по почтовым отделениям

—//—

—//—

Расшифровочная печать начислений квартирным абонентов

—//—

—//—

Платежные требования

—//—

—//—

Расшифровочная печать начислений организаций

—//—

—//—

Оборотная ведомость организаций

—//—

—//—

Печать счетов

—//—

—//—

Отсев

—//—

—//—

Распечатка перерасчетов и оплат организаций

—//—

—//—

Печать банка

—//—

—//—

Служебные разговоры

—//—

—//—

Список задолженности, подлежащей оплате

—//—

—//—

Распечатка перерасчетов и оплат квартирных абонентов

—//—

—//—

Расшифровочная печать начислений по городам области (зона)

Служба МТТС ОГПЭС

Ежемесячно 1-го числа к 1600

Анализ статистики заказов МТС

Т0301

Анализ среднесуточной междугородной телефонной нагрузки и обмена по направлениям

Коммутаторный цех ТТС

Ежемесячно в 3-й вторник месяца к 1400

Т0302

Анализ среднего времени исполнения одного заказа на междугородные телефонные разговоры по направлениям

—//—

—//—

Т0303

Анализ среднего времени исполнения одного заказа на междугородные телефонные разговоры

—//—

—//—

Т0304

Сводная таблица общей нагрузки для распределения рабочих мест (по магистральным направлениям)

—//—

Ежеквартально в третий вторник последнего месяца

квартала

Т0305

Сводная таблица общей нагрузки для распределения рабочих мест (по внутриобластным направлениям)

—//—

—//—

Т0306

Сводная таблица общей нагрузки для расчета количества рабочих мест

—//—

—//—

Составление сводных бухгалтерских отчетов предприятий связи

Сводный бухгалтерский отчет по основной деятельности предприятий связи

Бухгалтерия ОГПЭС

Ежеквартально согласно графика КС Украины

Анализ хозяйственной деятельности предприятий связи

ПФО ОГПЭС

—//—

Составление сводных бухгалтерских отчетов предприятий «Союзпечати»

Сводный бухгалтерский отчет по основной деятельности предприятий «Союзпечати»

Бухгалтерия ОАС

Ежеквартально согласно графика УРАС

Анализ хозяйственной деятельности предприятий «Союзпечати»

Ст. экономист ОАС

—//—

АСОИ по подписным операциям

Печать заказываемой подписки

ОАС

Ежемесячно

Ведомость учета тиражей

—//—

—//—

Реестр принятой подписки

—//—

—//—

Извещения по принятой подписки

—//—

—//—

Ведомость расчета с издательствами

—//—

—//—

Ведомость учета товарооборота и доходов

—//—

—//—

Оперативный контроль за ходом подписки на периодические издания

Сводка о ходе подписки

ОАС

Август-ноябрь согласно графика УРАС

АСКИД

Т0202

Напоминание исполнителю

ОГПЭС, ТТС, ГТС, ГРТУ

Ежедневно к 1700

Т0203

Перечень неисполненных документов

—//—

Каждый понедельник месяца к 1700

Т0204

Ведомость исполненных и неисполненных документов за квартал

—//—

Ежеквартально 1-го числа к 17-00

Т0205

Ведомость исполненных и неисполненных- документов за год

—//—

Один раз в год 2-го января к 1700

Т0206

Ведомость оценки исполнительской дисциплины 1-го уровня

—//—

Ежеквартально 1-го числа к 1700

Т0206

Ведомость оценки исполнительской дисциплины 2-го уровня

—//—

—//—

Т0201

Срок исполнения следующих документов

—//—

—//—

Составление 5-тидневных сводных отчетов показателей работы почтамта

5-тидневные сводных отчетов показателей работы почтамта

Почтамт

6 раз в месяц 2, 7, 12, 17, 22, 27 числа к 900

Учет выработки работников ТТС

Т0402

Сводная ведомость учета выработки по предприятию ТТС (коммутаторный цех)

Коммутаторный цех ТТС

Ежедневно к 1700 через сутки после поступления доку

ментов

Т0401

Ведомость учета выработки по бригадам

—//—

—//—

Таблица 2.3

Основные макеты данных

№ п/п

Ид. №

Наименование макета

Начисления

1

110

Форма МТФ-5. Международные разговоры квартирных абонентов.

2

111

Международные разговоры, принятые в ОС

3

113

Транзит международный

4

116

Неисполненные международные транзитные разговоры

5

117

Несостоявшиеся международные разговоры

6

130

Форма МТФ-5. Междугородные разговоры квартирных абонентов.

7

131

Форма МТФ-5. Междугородные разговоры, принятые в ОС

8

132

Форма МТФ-6. Входящая нагрузка

9

133

Форма МТФ-7. Транзитные разговоры

10

134

Телеграммы по телефону и телетайпу

11

135

МТФ-10 справка

12

136

Несостоявшиеся МТФ-5

13

137

Справка междугородная

14

177

Разовые услуги

15

179

Корректировка отсева начислений

Оплата

16

140

Оплата квартирных абонентов

17

142

Оплата организаций

18

143

Корректировка оплат квартирных абонентов и организаций

19

145

Перерасчеты оплат квартирных абонентов

20

146

Перерасчеты оплат организаций

Картотеки

21

154

Корректировка картотеки квартирных абонентов

22

155

Корректировка картотеки организаций

23

156

Постоянные услуги

24

158

Картотека служебных организаций

25

162

Количество установок по видам постоянных услуг организациям

26

163

Картотека наименований организаций

27

166

Таблица соответствия внутризонового кода города коду расчетной службы

28

170

Тарификатор междугородных переговоров

29

171

Тарификатор внутризоновых переговоров

30

173

Таблица соответствия кода предприятия связи внутризоновому коду города

31

175

Установка телефона в картотеку ночных телефонов

32

176

Удаление телефона из картотеки ночных телефонов

33

181

Таблица соответствия вида услуг сумме абонентской платы

34

183

Тарификатор VU-SUM

Прочие

35

031

Сводные бухгалтерские счета по основной деятельности и капвложениям

36

190

Календарь

Во всем этом многообразии документов нас должны интересовать прежде всего «Бланки бухгалтерских счетов предприятий связи», «Сводный бухгалтерский отчет по основной деятельности предприятий связи» и «Анализ хозяйственной деятельности предприятий связи», а также 031-й макет – «Сводные бухгалтерские счета по основной деятельности и капитальным вложениям», так как именно эти документа имеют непосредственное отношение к задаче, решаемой в данном курсовом проекте.

1.4. Информационное обеспечение АСУсвязь

Информационное обеспечение АСУсвязь строится исходя из следующих принципов:

минимизация исходной информации, т.е. сведение к минимуму запрашиваемой первичной информации, передаваемой только один раз и в одном направлении;

централизованности обработки, хранения, и использования всей информации, введенной в систему, независимо от функционирования отдельных подсистем;

сопоставимости, взаимоувязанности всех плановых, отчетных и других показателей, используемых в системе на базе единой методологии;

оперативность получения информации.

При создании информационного обеспечения АСУсвязь определенное внимание уделялось вопросам рациональной разработки системы кодирования, которая является одной из основ информационной совместимости системы.

К ней предъявлялись следующие требования:

полнота, т.е. охват всей циркулирующей в системе информации;

однозначность – каждый код описывает определенное количество информации, характеризуемой законченным содержательным смыслом;

унифицированность, означающая, что для всех видов используемой в системе информации создана система кодов;

связность, обеспечивающая простую перекодировку в общепринятые коды всеукраинского значения;

компрессия – сокращение значности кодов;

возможность дешифрации, позволяющая осуществлять рациональный поиск информации по заданному коду, а также ее сортировку по заданному признаку и редактирование только по кодам.

Большое значение в системе АСУсвязь имеет нормативносправочная информация. Это один из наиболее трудоемких разделов проектирования и создания систем, он используется для решения задач планирования, контроля, учета и отчетности. Она должна строиться с учетом комплексного ее использования для решения задач, предусмотренных соответствующими подсистемами АСУсвязь.

РАЗДЕЛ 2.

ИССЛЕДОВАНИЕ МЕТОДОВ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ

2.1 Виды управленческих решений

Одна из основных и наиболее ответственных функций, выполняемых руководителем в процессе управления, - принятие решений. От правильности  и своевременности  управленческих решений зависит эффективность  управления, а следовательно, и эффективность производства.

В развитии интенсивной   экономики  часто приходится  идти   неизвестными  путями, экспериментировать. Поэтому  особую важность  приобретает умение вырабатывать управленческие решения с неизбежным  риском.

Решения по управлению  производством в этих  условиях  отличаются  особой  ответственность, и сложность их выработки возрастает.

Управленческое решение - это директивный документ, организующий, направляющий и стимулирующий совместную деятельность коллектива (или коллективов).

Решения группируются по нескольким признакам: по содержанию (экономические, информационные, политические, организационные, технические), по уровню управления (решение мастера, начальника цеха, директора, генерального директора, министра), по форме,  срокам и т.д. Решения могут быть общими, затрагивающими все предприятие, его производственную и хозяйственную деятельность, и частными, касающимися какой-либо подсистемы или ситуации. Некоторые решения обращены к внешним организациям.

Решения бывают оперативными и стратегическими. В оперативных решениях меняются  в основном сроки, отдельные количественные параметры, конкретные исполнители, в то время как общие задачи, технология, кадры в целом остаются теми же. Такие решения принимаются быстро, без большой дополнительной подготовки. Стратегические решения носят творческий характер. Они предусматривают не только количественные, но и качественные изменения в структуре производства и соответственно в его результатах. Такие решения являются следствием анализа, поиска, расчетов, споров и размышлений большой группы людей. Стратегические решения - это согласованная программа взаимосвязанных мероприятий, обязательная для выполнения трудовым коллективом и направленная на преодоление возникающих противоречий в производстве.

Еще решения классифицируются на решения принятые индивидуально и коллективно.

Применительно к управлению все решения можно классифицировать как:

общие;

организационные;

запрограммированные;

незапрограммированные;

рациональные;

нерациональные;

вероятностные;

решения в условиях неопределенности;

интуитивные;

на основе компромисса;

альтернативные.

Из всей классификации попытаемся рассмотреть лишь некоторые решения:

ЗАПРОГРАММИРОВАННЫЕ РЕШЕНИЯ – результат реализации определенной последовательности шагов или действий, подобных тем, что принимаются при решении математического уравнения. Определив, каким должно быть решение, руководство снижает вероятность ошибки, а также экономит время, которое ушло бы на выбор альтернатив. Руководство зачастую программирует решения под ситуации, повторяющиеся с определенной регулярностью.

Желательно, чтобы процедура была принята органами, исполняющими данные процедуры, была обоснована, понятна, даже, возможно, понадобится, чтобы в процессе выработки критериев данной методы принимали участие в том числе и те, кто этой методологией пользуется.

НЕЗАПРОГРАММИРОВАННЫЕ РЕШЕНИЯ. Решения этого типа требуются в ситуациях, которые в определенной мере новы, внутренне не структурированы или сопряжены с неизвестными факторами. Поскольку заранее невозможно составить конкретную последовательность необходимых шагов, руководитель должен принимать решения на основе других критериев. Он должен также стимулировать инициативность у нижестоящих менеджеров, которые будут принимать решения, входящие в их компетенцию. К числу незапрограммированных можно отнести решения следующего типа: какими должны быть цели организации, как улучшить продукцию, как усовершенствовать структуру управленческого подразделения, как усилить мотивацию подчиненных.

На практике большинство решений – это солянка из инструментов, необходимых для принятия запрограммированных или не запрограммированных решений.

КОМПРОМИССНЫЕ РЕШЕНИЯ. Очень часто случается, что принятое решение наравне с позитивным моментом имеет и отрицательные последствия для отдельных частей предприятия. Не просто найти решение не имеющее отрицательных последствий. Поэтому необходимо учитывать возможные последствия управленческого решения для всех частей организации. Эффективно работающий руководитель понимает и принимает как факт то, что выбранная им альтернатива может иметь недостатки, возможно, значительные. Он принимает данное решение, поскольку, с учетом всех факторов, оно представляется наиболее желательным с точки зрения конечного эффекта.

ИНТУИТИВНЫЕ РЕШЕНИЯ. Чисто интуитивное решение – это выбор, сделанный только на основе ощущения того, что он правилен. То, что мы называем «озарением» или «шестым чувством», и есть интуитивные решения. В сложной организационной ситуации возможны тысячи вариантов выбора. У Менеджера, который полагается исключительно на интуицию, с точки зрения статистики шансы на правильный выбор без какого-либо приложения логики невысоки.

РЕШЕНИЯ, ОСНОВАННЫЕ НА СУЖДЕНИЯХ. Это выбор, обусловленный знаниями или накопленным опытом. Человек использует знание о том, что случилось в сходных ситуациях ранее, чтобы спрогнозировать результат альтернативных вариантов выбора в существующей ситуации. Опираясь на здравый смысл он выбирает альтернативу, которая принесла успех в прошлом.

Суждение, как основа организационного решения полезно, поскольку многие ситуации в организациях имеют тенденцию к частому повторению. В этом случае ранее принятое решение может срабатывать снова не хуже, чем прежде (это основное достоинство запрограммированных решений.

Поскольку решение на основе суждения принимается в голове управляющего, она обладает таким значительным достоинством, как быстрота и дешевизна его принятия. Вероятно, более важно, что одного лишь суждения будет недостаточно для принятия решений, когда ситуация уникальна или очень сложна. Суждение нельзя соотнести с ситуацией, которая в самом деле нова, поскольку у руководителя отсутствует опыт, на котором он мог бы основать логический выбор. В сложной ситуации суждение может оказаться плохим, так как факторов, которые необходимо учесть, слишком много для «невооруженного» человеческого разума и он не в состоянии их все охватить и сопоставить.

Поскольку суждение всегда опирается на опыт, чрезмерная ориентация на последний смещает решения в направлениях, знакомых руководителям по их прежним действиям. Из-за такого смещения руководитель может упустить новую альтернативу, которая должна была бы стать более эффективной, чем знакомые варианты выбора. Еще один важный момент, что руководитель, чрезмерно приверженный суждению и накопленному опыту, может сознательно и бессознательно избегать использования возможностей вторжения в новые области, а такая боязнь новых сфер деятельности может окончиться катастрофой.

Адаптация к новому и сложному, очевидно никогда не будет простым делом. Нельзя исключить опасность неудачи из-за принятия плохого решения. Однако во многих случаях руководитель может существенно повысить вероятность правильного выбора, подходя к решению рационально.

РАЦИОНАЛЬНЫЕ РЕШЕНИЯ. Главное различие между решениями рациональными и основанными на суждениях в том, что первые не зависят от прошлого опыта. Рациональное решение обосновывается с помощью объективного аналитического процесса.

Известно, что принятие решения всегда сопряжено с определенной моральной ответственностью, зависимости от уровня, на котором принимается решение. Чем выше уровень управления, тем выше моральная ответственность за принятое решение.

Управленческое решение устанавливает переход от того, что имеется, к тому, что должно быть проделано за определенный период. В процессе подготовки решения выявляются проблемы, уточняются цели, ведется вариантная проработка решений, выбор лучшего варианта и завершается его утверждение.

Чтобы найти правильные пути решения проблемы, менеджер не должен стремиться к немедленному ее разрешению, да это практически и невозможно, а должен принять соответствующие меры по изучению причин возникновения проблемы на основе имеющейся внутренней и внешней информации.

Принятие решения, как правило, сопряжено с выбором направления действия, и если решение принимается легко, без специальной проработки альтернатив, то хорошее решение принять трудно. Хорошее решение накладывает на менеджера большую социальную нагрузку и зависит от психологической подготовленности менеджера, его опыта, личностных качеств.

Принятию решения предшествуют несколько этапов:

возникновение проблем, по которым необходимо принять решение;

выбор критериев, по которым будет принято решение;

разработка и формулировка альтернатив;

выбор оптимальной альтернативы из их множеств;

утверждение (принятие) решения;

организация работ по реализации решения – обратная связь

Объектом для возникновения проблем могут служить итоговые показатели деятельности предприятия (организации). В частности, в результате деятельности предприятия стали резко ухудшаться показатели конечных результатов работы (повышение себестоимости продукции, снижение роста производительности труда и его качества, прибыли и рентабельности); а также возникли конфликтные ситуации, высокая текучесть кадров.

2.2.  Порядок разработки и реализации управленческих решений

Процесс управления многогранен, но в нем ясно вырисовывается система действий, которую можно условно назвать технологией принятия решений.

Весь процесс подготовки и принятия решения можно представить в виде следующих этапов:

1. Выявление проблемной ситуации, определение цели решения и критериев оценки его результатов;

2. Информационный цикл, этап сбора информации для ознакомления с вопросом, по которому принимается решение (это самый важный этап, он требует наиболее квалифицированного управленческого труда, умения анализировать, выбирать наилучший вариант решения);

3. Организация выполнения принятого решения (разработка плана реализации решения, определение сроков выполнения операций, назначение ответственных лиц, инструктаж и другие мероприятия, которые могут потребоваться для выполнения принятого решения);

4. Контроль выполнения решения. Только при сочетании всех звеньев процесса управления и соблюдении всего технологического цикла принятия решения этот процесс будет осуществлен объективно, на научной основе. Подготовка, принятие и реализация решений как процесс управленческого труда руководителя имеют определенную технологию: совокупность последовательно применяемых приемов и способов достижения целей деятельности.

Процесс решения с технологической точки зрения можно представить в виде последовательности этапов  и процедур, имеющих между собой прямые и обратные связи. Предлагается следующая схема процесса подготовки, принятия и реализации решения (рис. 2.1).

Выявление и анализ проблемной ситуации. Анализируется исходная информация о состоянии объекта исследования и внешней среды, определяются место и роль анализируемых объектов исследования среди смежных объектов и объектов более высокого порядка, осуществляется выявление, структуризация и ранжирование проблем.

Прежде всего, определяются  стратегические направления решения выявленных проблем для последующего формирования целей. Стратегические варианты решения выявленных проблем излагаются в сценарии. Под сценарием понимается вербально-аналитическое описание существующего и прогнозируемого состояний объекта исследования, принципиальных подходов к решению проблем. Сценарий содержит предварительный расчет ресурсов, необходимых для решения проблем в рамках различных стратегических направлений их реализации.

Конечным результатом работ на первом этапе выработки решения является выявление так называемых базовых, кардинальных проблем, за решение которых надо браться в первую очередь, ранжирование этих проблем и выбор стратегического направления их решения с предварительной ресурсной оценкой.

Формирование целей. Определяются цели решения базовых, кардинальных проблем. Цели должны иметь конкретные формулировки и количественные характеристики, по которым можно будет судить о степени их достижения. Это и является конечным результатом работ на втором этапе.

Выявление полного перечня альтернатив. На этом этапе  определяется как можно более полная совокупность альтернатив вариантов (способов, средств) достижения поставленных целей. Это и является конечным результатом работ на третьем этапе. В реальных условиях обычно рассматриваются два-три варианта решения, не более: меньше трудоемкость анализа, меньше шансов совершить грубую ошибку. Однако и нет шанса принять наилучшее решение. Среди них вообще может не быть наилучшего. При большом наборе вариантов решений появляется гарантия, что в их числе есть наилучший.

Выбор допустимых альтернатив. Альтернативы, выявленные на предыдущем этапе, пропускаем через фильтр различных ограничений (ресурсных, юридических, социальных). Конечным результатом работ на данном этапе является множество альтернатив, удовлетворяющих ограничениям.

Предварительный выбор лучшей альтернативы. Проводится детальный анализ допустимых альтернатив с точки зрения достижения поставленных целей, затрат ресурсов, соответствия конкретным условиям реализации альтернатив. Конечным результатом работы на пятом этапе является  вынесение суждения о предпочтительности альтернатив. Эти данные системными аналитиками представляются лицу, принимающему решение, о данной проблеме.

Оценка альтернатив. На основе данных, полученных на предыдущем этапе, а также с помощью  любой другой информации, производится выбор наилучшего способа достижения целей. Конечным результатом работ на шестом этапе является вынесение суждения со стороны лица, принимающего решение, о предпочтительности вариантов достижения поставленных целей.

Экспериментальная проверка альтернатив. В тех случаях, когда лицо, принимающее решение, затрудняется в окончательном выборе наилучшей альтернативы и имеются соответствующие возможности, осуществляется экспериментальная проверка 2-3 наиболее предпочтительных альтернатив.

Конечным результатом данного этапа является получение дополнительной экспериментальной информации, необходимой для окончательного формирования у лица, принимающего решение, суждения о предпочтительности определенного варианта решения.

Выбор единственного решения. С учетом данных экспериментальной проверки, любой другой дополнительной информации принимается окончательное решение. Оно является конечным результатом работ на данном этапе. Если экспериментальной проверки нет, то шестой и восьмой этапы совмещаются.

Определение этапов, сроков и исполнителей принятого решения. На данном этапе принятое решение делим на составные компоненты, имеющие конкретную временную и адресную привязку.

Конечным результатом работ на данном этапе является получение ответов по принятому решению на следующие вопросы: что делать? где делать? кому делать? когда делать? как делать? с кем делать? в какой последовательности делать?

Обеспечение работ по выполнению решения. Осуществляются доведение заданий до исполнителей, обеспечение исполнителей всем необходимым, выбор рациональных методов работы, подбор и обучение кадров, разъяснение исполнителям целей решения и их конкретной роли в его реализации, определение методов стимулирования эффективного выполнения решения.

Конечным результатом работ на десятом этапе является обеспечение исполнителей всем необходимым и создание соответствующих условий для их эффективной работы.

Выполнение решения. Осуществляется оперативный контроль за реализацией решения, устранение  отклонений от реализации решения, внесение в  случае необходимости коррективов в реализуемое решение, анализ результатов реализованного решения.

Конечный результат работ на данном, завершающем этапе является конечным для всего рассмотренного процесса подготовки, принятия и реализации решения - полное достижение целей решения в установленные сроки  в рамках отпущенных ресурсов.

Достаточно четкое последовательное разделение на этапы существует редко, поскольку в той или иной степени они осуществляются параллельно.

2.3. Методы принятия управленческих решений

Существует несколько областей науки и техники, которые можно назвать наукой о принятии решений. Одной из них, название которой наиболее полно отражает существо вопроса, является теория полезности, представляющая собой попытку построения единой научной теории принятия решений. Однако эта теория еще настолько молода, что отдельные способы и методы принятия решений по-прежнему мало связаны друг с другом и, безусловно, заслуживают специального изучения. В числе этих более или менее независимых областей знания находятся теория оптимизации, теория вероятностей, математическая статистика и сама теория полезности.

Оптимизация предполагает определение значений регулируемых параметров (при ограничениях), приводящих к экстремальному значению оптимизируемого параметра. Функция, выражающая оптимизируемый параметр, называется целевой функцией. Таким образом, элементами задачи оптимизации являются целевая функция, ограничения и регулируемые параметры. Математические методы оптимизации описывают пути нахождения параметров, которые максимизируют (или минимизируют) целевую функцию при различных ограничениях.

Теорию вероятностей иногда называют наукой недостоверных выводов. Теория вероятностей дает (в определенных случаях) способ задания числовых значений степени неопределенности, которой можно характеризовать рассматриваемое конкретное событие. Совершенно очевидно, что редко решения принимаются при полном знании всех обстоятельств и что, следовательно, в современных условиях при принятии решений важно знать теорию вероятностей.

Математическая статистика имеет дело с числовыми данными или результатами наблюдений. Она занимается изучением того, каким образом осмыслить и обработать полученные данные и сделать правильные выводы. Вероятностные модели (теоретические распределения) используются как средство принятия статистических решений, и, таким образом, эти две дисциплины — теория вероятностей и математическая статистика — тесно связаны друг с другом.

Управленческое решение  -  это творческий акт субъекта управления, направленный на устранение проблем, которые возникли в объекте управления. Любое управленческое решение проходит через три стадии:

1. Уяснение проблемы

сбор информации;

анализ полученной информации;

выяснение актуальности;

выяснение, определение условий, при которых эта проблема будет решена.

2. Составление плана решения.

разработка альтернативных вариантов решения;

сопоставление альтернативных вариантов решения с  имеющимися ресурсами;

оценка альтернативных вариантов по  социальным  последствиям;

оценка  альтернативных вариантов по экономической эффективности;

составление программ решения;

разработка и составление детального плана решения.

3. Выполнение решения.

доведение решений до конкретных исполнителей;

разработка мер поощрений и наказаний;

контроль за выполнением решений.

Методы -  это  конкретные  способы,  с помощью которых может быть решена проблема. Рассмотрим методы принятия управленческих решений:

  1.  Декомпозиция - представление сложной  проблемы,  как  совокупности  простых вопросов;
  2.  Диагностика - поиск в проблеме наиболее важных деталей, которые решаются в первую очередь. Используется при ограниченных ресурсах;
  3.  Экспертные оценки - Формируются какие-либо идеи,  рассматриваются, оцениваются, сравниваются;
  4.  Метод  Делфи - экспертам, которые  не знают друг друга даются вопросы,  связанные с  решением проблемы, мнение меньшинства экспертов доводится до мнения большинства. Большинство должно либо согласиться с этим решением,  либо его опровергнуть. Если большинство несогласно, то их аргументы передаются меньшинству и там анализируются.  Этот  процесс повторяется до тех пор,  пока все эксперты не придут к одному мнению,  либо перейдут  к  тому,  что  выделятся группы, которые не меняют своего решения. Этот метод используется для достижения эффективности;
  5.  Метод неспециалиста - вопрос решается лицами, которые никогда не занимались данной проблемой, но являются специалистами в смежных областях;
  6.  Линейное программирование;
  7.  Имитационное моделирование;
  8.  Метод теории вероятности;
  9.  Метод теории игр - задачи решаются в условиях полной неопределенности;
  10.  Метод аналогий - поиск возможных  решений  проблем на основе заимствования из других объектов управления.

Умение принимать решения необходимо для реализации управленческих функций, поэтому процесс принятия решений является основой теории управления. Как наука, это направление зародилась в Англии, во время Второй мировой войны, когда группа ученых получила задние на решение сложной военной проблемы - оптимального размещения различных подразделений гражданской обороны и огневых позиций своей армии. В 50-х годах эта теория была модернизирована, и стала применяться для решения проблем гражданской промышленности.

Ее отличительными особенностями являются:

  1.  Использование научного метода, то есть наблюдение, формулировка гипотезы, подтверждение достоверности гипотезы.
  2.  Системная ориентация.
  3.  Использование различных моделей.

Процесс моделирования часто применяется при решении сложных проблем в управлении, так как позволяет избежать значительных трудностей и издержек при проведении экспериментов в реальной жизни. Основой моделирования является необходимость относительного упрощения реальной жизненной ситуации или события, вместе с тем это упрощение не должно нарушать основных закономерностей функционирования изучаемой системы.

Типы моделей: физическая, аналоговая (организационная схема, график), математическая (использование символов для описания действия или объектов).

Процесс построения моделей состоит из нескольких этапов: постановка задачи; построение модели; проверка модели на достоверность описания данного процесса, объекта или явления; применение модели; обновление модели в процессе исследования или реализации.

Эффективность модели может быть снижена за счет ряда потенциальных погрешностей, к которым можно отнести недостоверные исходные допущения, информационные ограничения, непонимание модели самими пользователями, чрезмерная стоимость создания модели и т.п.

Часто при моделировании применяется теория игр. Она первоначально разрабатывалась военными, чтобы учесть возможные действия противника. В бизнесе она применяется при моделировании поведения конкурента, особенно часто в связи с проблемами изменения ценовой политики.

Модель теории очередей (модель оптимального обслуживания). Эта модель используется для определения оптимального числа каналов обслуживания по отношению к потребностям в этих каналах.

Модель управления запасами. Эта модель часто используется для оптимизации времени исполнения заказов, а также для определения необходимых ресурсов и площадей для хранения той или иной продукции. Цель этой модели - свести к минимуму отрицательные последствия при накоплении или дефиците тех или иных запасов продукции или ресурсов.

Модель линейного программирования. Эта модель применяется для определения оптимального распределения дефицитных ресурсов при наличии конкурирующих между собой потребностей.

Имитационное моделирование. Часто применяется в ситуациях слишком сложных для использования математических методов (маркетолог может создать модель модификации покупательских потребностей в связи с изменением цен товаров на рынке, и их дизайна). 

Количественные методы прогнозирования.

Их можно использовать для прогнозирования, когда деятельность фирмы в прошлом имела определенные тенденции, которые можно и необходимо продолжить в будущем, а информации для выявления тенденций в рассматриваемом периоде прогнозирования недостаточно.

Одним из методов такого прогнозирования является анализ временных рядов. Он основан на допущении, что на закономерностях прошлого можно прогнозировать будущее. Этот метод выявляет тенденции прошлого и проецирует их в будущее.

Причинно-следственный метод применяется в ситуациях, когда имеется несколько неизвестных. Это исследование статистической зависимости между рассматриваемым фактором и другими переменными.

Другие качественные методы прогнозирования.

Мнение жюри. Его суть состоит в соединении и усреднении мнений экспертов в данной области.

Метод исследования информации сбытовиков, то есть когда торговые агенты на основе своего опыта предсказывают спрос на определенном целевом рынке.

Модель ожиданий. Она базируется на опросе потребителей и обобщении их мнений.

Метод Дельфи. Суть его заключается в том, что эксперты заполняют специальные опросники по рассматриваемой проблеме. Каждый из них индивидуально формирует свой прогноз. Затем эти прогнозы передаются всем экспертам, принимающим участие в обсуждении. Они знакомятся с мнением коллег, и возможно, корректируют свой предшествующий прогноз на базе новых идей или информации. Эта процедура повторяется три-четыре раза, пока в конечном итоге все эксперты не придут к единому мнению.

При всей своей потенциальной ценности решения останутся лишь благими пожеланиями, если не воплотятся в конкретные действия.  Методы могут быть универсальными, пригодными для любой проблемы и могут быть специфическими. Какой метод применять - зависит от реального содержания проблемы, а не от знаний, желания и умения руководителя или сотрудника. Лучше вообще не начинать дело, чем принимать невыгодные, а то и недозволенные методы лишь на том основании, что они хорошо известны, удобны или кого-то устраивают.

Чтобы этого избежать, необходимо учитывать некоторые требования, которые предъявляются к рациональным методам. Прежде всего, это - практическая применимость.

Другое требование к методам решения проблемы - экономичность, подразумевающая, что затраты должны быть меньше полученного результата, а разница между ними, т.е. эффект, оптимальным для данной ситуации.

Третье требование, предъявляемое к методам - обеспечение достаточной точности решения проблемы.

Наконец методы принятия решения должны быть достоверными, когда число ошибок не превышает некий приемлемый уровень. Чем он меньше, тем уже границы неопределенности и риска решения, поэтому необходимы надежные способы оценки последнего.

Классификация методов принятия решений представлена в табл. 2.1.

Таблица 2.1.

Классификация методов принятия решений

Методы принятия решений

Неформализованные
Примеры: 

  •  Интуиция
  •  Эвристика
  •  Опыт
  •  Промышленный шпионаж
  •  Невербальные методы

Формализованные 

1. Методы прогнозирования.

Примеры: анализ временных рядов, регрессионный анализ, авторегрессия.

2. Методы оптимизации.

Примеры: метод множителей Лагранжа, метод динамического программирования, метод ветвей и границ.

3. Методы теории игр.

4. Теория полезности.

5. Теория нечетких множеств.

Пример практического использования одного из математических методов при принятии решения:

Компания на завтрашней ярмарке в случае хорошей погоды предполагает получить прибыль от продажи напитка “БУРАТИНО” в размере 100 лей, в случае, если пойдет дождь, убытки компании составят 20 лей, если будет ветрено и пасмурно – прибыль составит 77 лей. Согласно данным Гидрометцентра, вероятность хорошей погоды 0.5, дождливой 0.2, пасмурной 0.3.

На основе этих данных Менеджер используя методы математической статистики решает уравнения:

Y = 100×0,5 + (-20) ×0,2 + 77×0,3 = 69,1 лей.

И делает вывод, что на ярмарку нужно взять столько бутылок “БУРАТИНО”, сколько нужно, чтобы получить вышеозначенную прибыль.

Это один из самых простых примеров использования моделей для принятия решений. Для анализа же большинства проблем, особенно решения об осуществлении инвестиций, используются серьезные математические модели с применением компьютерной техники, вбирающие в себя огромное количество переменных и данных.

2.4 Применение вычислительной техники в разработке управленческих решений

В условиях повсеместной информатизации управленческих процессов, технологический комплекс решения функциональных задач и подготовки управленческих решений выполняется ИС, основу которой составляет ИТ.

Создание ИС и ИТ представляет собой сложный процесс проектирования. Он включает частичный или полный пересмотр деятельности аппарата управления в условиях вновь создаваемой в организации информационно-технологической среды. Поэтому целью проектирования является подготовка проектных документов и внедрение человеко-машинной системы управления организацией. Основу такой системы составляет автоматизированная технология получения необходимой для информационного обслуживания специалистов-менеджеров результатной информации, а также обеспечение их многовариантными расчетами для принятия в режиме реального времени обоснованных решений.

В процессе проектирования выявляются наиболее существенные характеристики экономического объекта, изучаются его внешние и внутренние информационные потоки, создаются математические и физические аналоги исследуемой системы и её элементов, устанавливаются условия взаимодействия человека и технических средств управления.

Значительное внимание уделяется детальной разработке архитектуры ИС в целом, а также проектных решений по отдельным её объектам и элементам, их анализу, практической апробации и внедрению.

Рассматривая ИС в технологическом аспекте, можно выделить аппарат управления (АУ). Оставшиеся компоненты – информационная технология (ИТ), информационная система решения функциональных задач (ИСФЗ) и система поддержки принятия решений (СППР) – информационно и технологически взаимоувязаны и составляют основу архитектуры ИС (рис 2.2).

Объектами проектирования ИТ являются обеспечивающие подсистемы, реализующие процедуры сбора, передачи, накопления и хранения информации, её обработки и формирования результатов расчетов в нужном для пользователя виде. ИТ представляет собой информационно-технологический базис для функционирования ИСФЗ и СППР.

Объектами проектирования ИСФЗ являются процессы автоматизации решения функциональных задач. Применительно к промышленному предприятию это автоматизация решения задач технологической подготовки производства, оперативного управления основным производством, составления бизнес-планов, управления логистическими процессами, финансового менеджмента, бухгалтерского учета и внутреннего аудита и т. п. Эти процессы соответствуют важнейшим функциям управления и функциональным подсистемам ИС организации (предприятия). Каждая из функциональных подсистем представляет собой набор комплексов задач, состоящих из отдельных задач с конкретным алгоритмом преобразования исходной информации в результатную.

Тщательно спроектированное технологическое обеспечение информационной технологии позволяет не только успешно решать функциональные задачи управления, но и в рамкам СППР менеджерам и руководителям организации проводить в интерактивном режиме аналитическую и прогнозную работу для последующего принятия управленческих решений.

Технологическое обеспечение ИТ, как правило, по составу для ИС различных экономических объектов однородно, что позволяет организовывать принцип совместимости информационных систем в процессе их функционирования. Обязательными элементами проектируемого технологического обеспечения ИТ являются: информационная, лингвистическая, техническая, программная, математическая, организационное, правовое и эргономическое. Охарактеризуем каждое из них более подробно.

Информационное обеспечение (ИО) представляет собой совокупность проектных решений по объемам, размещению, формам организации информации, циркулирующей в ИС. Оно включает в себя специально организованные для автоматического обслуживания совокупность показателей, классификаторов и кодовых обозначений элементов информации, унифицированные системы документации, массивы информации в базах и банках данные на машинных носителях, а также персонал, обеспечивающий надёжность хранения, своевременность и качество технологии обработки информации.  

Лингвистическое обеспечение (ЛО) объединяет совокупность языковых средств для формализации естественного языка, построения и сочетания информационных единиц в ходе общения пользователей со средствами вычислительной техники. С помощью лингвистического обеспечения осуществляется общение человека с машиной. ЛО включает информационные языки для описания структурных единиц информационной базы (документов, показателей, реквизитов и т. п.); языки управления и манипулирования данными информационной базы ИТ; языковые средства информационно-поисковых систем; языковые средства автоматизации проектирования ИС и ИТ; диалоговые языки специального назначения и другие языки;  систему терминов определений, используемых в процессе разработки и функционирования автоматизированных ИС и ИТ.

Техническое обеспечение (ТО) представляет собой комплекс технических средств (технические средства сбора, регистрации, передачи, обработки, отображения, тиражирования информации, оргтехника и др.), обеспечивающих работу ИТ. Центральное место среди всех технических средств занимает ПК. Структурными элементами технического обеспечения наряду с техническими средствами являются также методические и руководящие материалы, техническая документация и обслуживающий их персонал.

Программное обеспечение (ПО) включает совокупность программ, реализующих функции и задачи ИС, и обеспечивающих устойчивую работу комплексов технических средств. В состав программного обеспечения входят общесистемные и специальные программы, а также инструктивно-методические материалы по применению средств программного обеспечения и персонал, занимающийся его разработкой и сопровождением на весь период жизненного цикла ИТ.

К общественному программному обеспечению относятся программы рассчитанные на широкий круг пользователей и предназначенные для организации вычислительного процесса и выполнения часто встречающихся вариантов обработки информации. Они позволяют расширить функциональные возможности ЭВМ, автоматизировать планирование очередности вычислительных работ, а также автоматизировать работу программистов. Специальное программное обеспечение представляет собой совокупность программ, разрабатываемых при создании ИТ конкретного функционального назначения. Оно включает пакеты прикладных программ, осуществляющих организации данных и их обработку при решении функциональных задач ИС.

Математическое обеспечение (МО) – совокупность математических методов, моделей и алгоритмов обработки информации, используемых для решения функциональных задач в процессе автоматизации проектировочных работ. Математическое обеспечение включает средства моделирования процессов управления, методы и средства решения типовых задач управления, методы оптимизации исследуемых управленческих процессов и принятия решений (методы многокритериальной оптимизации, математического программирования, математической статистики, теории массового обслуживания и т. п.) Техническая документация по этому виду обеспечения ИТ содержит описание задач, задания по алгоритмизации, экономико-математические методы и модели решения задач, текстовку и примеры их решения. Персонал составляют специалисты в области организации управления объектом, постановщики функциональных задач, математики-специалисты по моделированию процессов управления и вычислительным методам, проектировщики ИТ.

Организационное обеспечение (ОО) представляет собой комплекс документов, составленный в процессе проектирования ИС, утвержденный и положенный в основу эксплуатации. Они регламентирую деятельность персонала ИС в условиях функционирования ИТ, ИСФЗ и СППР. В процессе решения задач управления данный вид обеспечения определяет взаимодействие работников управленческих служб и технологического персонала  ИТ с техническими средствами и между собой. Организационное обеспечение реализуется в различных методических и руководящих материалах по стадиям разработки, внедрения и эксплуатации  ИС, ИТ, ИСФЗ и СППР. В частности, оно формируется при проведении проектного обследования, составления технического задания и технико-экономического обоснования на проектирование, разработке проектных решений в процессе проектирования, выборе автоматизируемых задач, типовых проектных решений и пакетов прикладных программ (ППП), что отражается на её эксплуатации корректируется и пополняется по мере расширения круга решаемых задач.

Правовое обеспечение (ПрО) представляет собой совокупность правовых норм, регламентирующих правоотношение при создании и внедрение ИС и ИТ. Правовое обеспечение на этапе разработке ИС и ИТ включает нормативные акты, связанные с договорными отношениями разработчика и заказчика, с правовым регулированием различных отклонений в ходе этого процесса, а также акты, необходимые для обеспечения процесса разработки ИС и ИТ различными видами ресурсов. Правовое обеспечение на этапе функционирования ИС и ИТ включает определение их статуса, правового положения и компетенции звеньев ИС и ИТ в организации, прав, обязанностей и ответственности персонала, порядка создания и использования информации в ИС, процедур её регистрации, сбора, хранения, передачи и обработки, порядка приобретения и использования вычислительной и телекоммуникационной техники и других технических средств, создания и использования математического и программного обеспечения.

Эргономическое обеспечение (ЭО) как совокупность методов и средств, используемых на разных этапах разработки и функционирования ИС и ИТ, предназначено для создания оптимальных условий высококачественной, высокоэффективной и безошибочной деятельности человека в ИТ, для её быстрейшего освоения. В состав эргономического обеспечения ИТ входят: комплекс документации, содержащей эргономические требования к рабочим местам, информационным моделям, условиям деятельности персонала, а также набор наиболее целесообразных способов реализации этих требований и осуществления эргономической экспертизы уровня их реализации; комплекс методов учебно0методической документации и технических средств, обеспечивающих обоснование и формулировку требований к уровню подготовки персонала, а также формированию системы отбора и подготовки персонала ИТ.; комплекс методов и методик, обеспечивающих высокую эффективность деятельности персонала в ИТ.

Рассмотренные обеспечивающие подсистемы ИТ, как правило, аналогичны по составу для ИС различных экономических объектов. Другое дело набор функциональных подсистем, входящих в составы ИС, ИСФЗ и СППР. Их состав зависит от типа основной деятельности объектов (экономическая, производственная, административная, сбытовая и т. п.), сферы их функциональной направленности (производящие продукцию того или иного вида, оказывающие услуги транспортные, финансовые, банковские, страховые и т. п.), уровней управленческой деятельности (общегосударственный, региональный, муниципальный и т. п.)

Изброженная на рис 2.2 ИС предназначена для решения функциональных задач, включает ИТ и аппарат управления, в расчете на сотрудников которого проектируется система информационного обслуживания. В процессе проектирования ИС учитываются требования работников среднего звена управления (специалисты-менеджеры), так как они реализуют свои функции на конкретных участках управленческой деятельности (финансовой, производственной, инвестиционной, логистической и т. п.) и являются активными участниками информационного процесса в организации.

Состав, порядок и принципы взаимодействия функциональных подсистем устанавливаются с учетом достижения стоящей перед экономическим объектом цели функционирования. Основными принципами выделения самостоятельных подсистем, комплексов задач и отдельных расчетов являются: относительная их самостоятельность, т. е. наличие объекта управления, наличие конкретного набора функций и соответствующих им задач с четко выраженной целью функционирования.

Система подготовки принятия решения (СППР) проектируется как информационная система для обслуживания финансовых менеджеров и руководителей верхнего звена управления организацией. СППР рассчитана на аналитическую и прогнозную работу менеджеров в режиме реального времени и использует полный набор технических, математических, программных средств и информационных ресурсов, накапливаемых в ИС. Для функционирования СППР создаются база знаний, хранилище данных, а также разрабатывается специальное программное обеспечение для моделирования и прогнозирования анализируемых и прогнозируемых ситуаций, накопления знаний по различным аспектам управленческой деятельности. Автоматизация моделирования изучаемых процессов, накопления опыта формирования управленческих решений требует высокой квалификации менеджеров, специального программного обеспечения сложных информационных технологий моделирования производственных и финансовых ситуаций для обоснованного выбора и минимизации включения в рассмотрение факторов и элементов, выявления наличия одного или нескольких локальных критериев, способствующих оптимизации режима функционирования исследуемой или прогнозируемой производственной, финансовой или другой работы, согласования их с глобальным критерием оптимизации функционирования ИС и экономического объекта в целом.

Не менее важными объектами проектирования являются автоматизированные рабочие места (АРМ) специалистов-менеджеров и руководителей различных звеньев и уровней управления организацией. Определяющим в этом процессе является профессиональная ориентация работника. Учитывается, что специалисты-менеджеры и руководители среднего звена решают главным образом задачи тактического характера: занимаются среднесрочным планированием, анализом и организацией работ в течение ограниченного временного отрезка, например, анализом и планированием поставок материальных ресурсов, сбытом готовой продукции, составлением производственных программ. АРМ такой категории работников проектируется с учетом специфических особенностей решаемых ими задач. Такими особенностями являются периодичность (регламентированность) формирование результатных документов, четко определенные алгоритмы решения задач, использование разнообразной нормативно-справочной и оперативной информации накапливаемой и сохраняемой в информационной базе АРМ специалиста либо на файл-сервере корпоративной ИС.

АРМ руководителей верхнего уровня управления (руководителей фирм, предприятий, организаций) проектируются с расчетом решения стратегических и прогнозных задач. Такими задачами могут быть: установление стратегических целей, планирование материальных ресурсов, выбор источников финансирования, формирование инвестиционной политики и т. п. Задачи СППР имеют, как правило, нерегулярный характер, им свойственны недостаточность имеющейся информации, её противоречивость, неточность, преобладание качественных оценок целей и ограничений, слабая формализованность алгоритмов решения. Поэтому АРМ руководителя должен оснащаться программными средствами для составления аналитических отчетов произвольной формы, реализации задач математико-статистического анализа, экспертных оценок и систем, математического и имитационного моделирования, вывода результата анализа в виде разнообразных графиков и т. п. При этом учитывается необходимость использования баз обобщенной информации, информационных хранилищ, баз знаний, правил и моделей принятия решений.

Объектом проектирования является и каждое рабочее место специалиста менеджера, где очень важным оказывается организация интерфейса пользователя для повышения эффективности его профессиональной деятельности. АРМ проектируется либо как локальное рабочее место специалиста, либо как узел – рабочая станция  - корпоративной ИС. Именно этим определяется интерфейс пользователя, состав обеспечивающих подсистем и набор специального программного обеспечения для решения функциональных задач.

Современное проектирование ИС и ИТ тесно увязывается с нахождением новых путей совершенствования самой управленческой деятельности. Имеется в виду разработка бизнес-процессов, использования инженерных подходов – инжиниринга и реинжиниринга для формализации и моделирования процедур управления с последующим их анализом, нахождение наиболее рациональных вариантов организации бизнес-процессов.

2.5 Использование Microsoft Excel в процессе принятия управленческих решений

Оперативность и глубина проработки возможных альтернатив развития связаны с умением свободно использовать современные системы поддержки принятия решений (СППР) – ядро информационных систем менеджмента (ИСМ).

С помощью универсальных компьютерных инструментов, созданных для СППР, специалисты  решают сложные профессиональные проблемы, мобильно используя фундаментальные методы. Практическое применение методов ускоряют эффективные программные инструменты. Но даже зная фундаментальные методы и имея на своем столе компьютер, например, с Excel-инструментами, специалист лишь тогда оживит и применит их практически, когда в совершенстве овладеет технологией быстрой "анимации" программных инструментов в изменяющихся ситуациях, требующих оперативного интеллектуального действия.

Экономические данные почти всегда представлены в виде таблиц. Числовые данные, содержащиеся в таблицах, обычно имеют между собой явные (известные) или неявные (скрытые) связи.

Связи же второго типа заранее известны. Однако люди должны уметь объяснять и предсказывать (прогнозировать) сложные явления для того, чтобы управлять ими. Поэтому специалисты с помощью наблюдений стремятся выявить скрытые зависимости и выразить их в виде формул.

Представление экономических и других данных в виде электронных таблиц в наши дни стало простым и естественным.

Методы корреляционного, регрессионного анализа и анализа динамических рядов являются важным повседневным инструментарием современного менеджера-аналитика, имеющего на рабочем столе деловую офисную систему и в её составе – табличный процессор Excel. Одной из задач, с которой сталкивается предприятие в процессе своего функционирования, является прогнозирование будущего спроса по истории спроса. При этом рассматривается динамический ряд, состоящий только из двух элементов данных (времени и изменяющегося уровня показателя), и нет никаких других данных о конкретных факторах. Когда желают выяснить общую тенденцию изменения, не имея времени на поиск данных об уровнях влияния отдельных факторов, то возникает необходимость прогнозировать на основе ряда динамики, искусственно принимая на роль единственного фактора числовые значения времени.

Из табл. 2.2 видна тенденция изменения спроса в числовом выражении, а на рис 2.3 в графическом и математическом представлениях.

Таблица 2.2.

Изменение спроса на услуги предприятия  за 2004 г.

Для того чтобы выявить общую тенденцию развития и на ее основе определить прогноз, анализ рядов динамики вполне достаточен.

Трендом называется выражение тенденции в форме достаточно простого и удобного уравнения, наилучшим образом аппроксимирующего (приближающего) истинную тенденцию динамического ряда.

По форме тренды могут быть линейными, параболическими, экспоненциальными, логарифмическими, степенными, гиперболическими, полиномиальными, логистическими и другими. Excel 5, 7, 97 предоставляют инструменты построения линейного, экспоненциального, логарифмического, степенного и полиномиального (до полинома 6-й степени) трендов, а также скользящую среднюю.

Линейная форма тренда: Y = a + bt, где:

Y – уровни показателя, освобожденные от колебаний и выровненные по прямой;

a – начальный уровень тренда в момент или за период, принятый за начало отсчёта времени t;

b – среднее изменение за единицу времени, т. е. константа тренда, скорость изменения. Это может быть, например, среднедневной, среднемесячный или среднегодовой прирост какого-либо показателя.

Через скорость изменения линейный тренд хорошо отражает результирующее влияние многих других факторов, одновременно действовавших в единицу времени (день, месяц, год, и т. д.). Тренд можно рассматривать в качестве обобщенного выражения действий комплекса факторов, т. е. их равнодействующей. При этом, в отличии от уравнения множественной регрессии, сами факторы здесь не показываются и влияние каждого из них не выделяется. "От имени" всех факторов в тренде выступает единый результирующий фактор – время.

В работе с рядами динамики используются достаточно широкий круг средств электронной таблицы. Для облегчения изучения эти средства можно разделить по роли в технологическом процессе на вспомогательные, промежуточные и основные.

  1.  Вспомогательные инструменты ускоряют построение числовых рядов периодов времени. Однако пользователь может решить задачу и не задействую эти средства. Сюда входят (1) опции Правка, Заполнить, Прогрессия и диалоговое окно Прогрессия, а также (2) недиалоговая организация "растягивание" одноклеточного ряда до необходимого диапазона.
  2.  Промежуточные инструменты Excel-технологии задействуются обязательно и строят XY-графики зависимости показателя от времени.
  3.  Основные Excel-инструменты для работы с динамическими рядами охватывают две группы:

средства построения графического и математического выражения тренда, куда относятся опция Добавить линию тренда и три её диалоговых окна:

  •  окно Тип – выбор формы тренда
  •  окно Формат линии тренда
  •  окно Параметры – добавление на график метки тренда (с математическим видом уравнения и коэффициентом детерминации), а также задание количества периодов для графического прогноза по тренду (вперед или назад);

средства получения прогноза в числовом виде и его оценки:

  •  для расчёта прогноза в одной точке на основе линейного тренда предназначена функция ПРЕДСКАЗ из группы статистических функций;
  •  для одновременного сглаживания исходных уровней и расчёта прогноза в нескольких точках по разным трендам – Таблица подстановки.

Любой тренд – это упрощение реальности, вынужденное "отрешение" от реально действовавших факторов, их отсечение. Поэтому конечный результат формального моделирования всегда должен оцениваться пользователем с точки зрения здравого смысла на основе неформального комплекса знаний об условиях развития процесса, о допустимых предельных значениях показателя и т. п.

На одном наборе исходных данных можно получить до 9 уравнений трендов. Задача исследователя состоит в отборе наилучшего тренда, по которому можно было бы построить надежный прогноз. Менеджер, имеющий опыт моделирования трендов, понимающий условия развития процесса и общий тип сценария (оптимистический, реалистический, пессимистический), возможно, не станет перебирать все альтернативные типы, хорошо зная традиционные зависимости, характерные для конкретных экономических показателей (доходов, прибыли, издержек, запасов и т. п.). В противном случае необходимо исследовать максимум альтернатив для поиска уравнения с наивысшим значением коэффициента детерминации, приближающимся к единице.

В Excel для оценки качества уравнения тренда (проверки истинности тренда) автоматически выводится только коэффициент детерминации (R2), что является недостатком программы.

Также одной из задач каждого предприятия является производственное планирование оптимального выпуска определённого вида продукции для получения максимальной прибыли при имеющихся ограничениях   или иначе – решение  оптимизационной задачи.

Электронные таблицы дают возможность пользователю решать оптимизационные задачи различного типа без затрат времени на описание и программирование. Если пользователь хорошо понимает сущность стоящей перед ним задачи, её тип и метод решения, а также владеет специальным инструментарием электронной таблицы, то решение представляет собой удобную и эффективную процедуру.

На этапах ознакомления с условием задачи и планированием решения, после ввода исходных данных, в диалоге с Excel пользователь указывает ячейку целевой функции и её экстремум, задает ячейки для выдачи решения, вводит несложные арифметические формулы и устанавливает ограничения. Этот процесс в сущности и является определением (описанием) задачи, в результате которого в Excel как бы по умолчанию создаётся математическая модель конкретной оптимизационной проблемы, автоматически поддерживаемая имеющимися программными средствами.

Программа представляет удобные средства для накопления описаний оптимизационных проблем (моделей), а также для сохранения вариантов решений (на основе моделей) в виде трех типов отчетов стандартизованной формы или в виде сценариев. Это обусловило широкое использование оптимизатора высококвалифицированными менеджерами-аналитиками для "проигрывания" серии сценариев, т. е. для проектирования и исследования различных альтернатив решений.

Задачи, решаемые с помощью оптимизатора, имеют три характерных признака: наличие (1) целевой ячейки, (2) изменяемых ячеек, (3) ограничивающих ячеек.

Имеется единственная целевая ячейка. В нее пользователь должен ввести формулу, указав позднее в программном диалоге какой экстремум необходим (максимум или минимум). После завершения построения модели и инициализации расчета программа автоматически должна добиться для этой ячейки экстремального результата. Формула будет вычислять целевой показатель, например, чистую прибыль или издержки, при автоматическом варьировании значений других  (изменяемых) ячеек. Для целевой ячейки в программном диалоге (а не в самой ячейки) можно установить и конкретное целевое значение, если для его достижения необходимо будет подбирать значения взаимосвязанных с ней ячеек.

В формуле целевой ячейки должны быть сделан ссылки на одну или более изменяемых ячеек, от значений которых зависит результат. Они могут быть названы также неизвестными или переменными для решения. Функция Solver (Решить уравнение) устанавливает значение изменяемых ячеек так, чтобы найти для формулы целевой ячейки оптимальное решение.

Ограничивающих ячеек может быть не менее одной на каждую изменяемую ячейку. Может существовать и некоторое количество дополнительных ячеек ограничений, например, ограничение по объему ресурса и ограничение по спросу (минимальный спрос, максимальный спрос).

Пусть есть 3 варианта развития предприятия табл. 2.4.

Таблица 2.4.

Возможные варианты развития предприятия

Неопределенность рыночной среды, наличие значительного уровня инфляции, а также значительные колебания курсов валют и другие случайные факторы рыночной среды не дают возможности проведения достоверного объективного обоснования выбора того или иного инвестиционного проекта. Вероятностная оценка прибыльности различных вариантов проекта производилась экспертным путем – на основе обобщения частных мнений специалистов-экспертов в области разработки и реализации инвестиционных проектов.

Произведя расчеты математического ожидания прибыли и дисперсии при помощи Microsoft Excel получаем, что наиболее эффективный вариант инвестиционного проекта на основе математического ожидания прибыли - вариант В, наиболее рисковый проект B.

Из всего вышесказанного можно сделать вывод, что Microsoft Excel является мощным средством для тех, кто избрал своей специальностью такие сложные функции управления бизнесом как маркетинговый или финансовый менеджмент.

РАЗДЕЛ 3.

УСОВЕРШЕНСТВОВАНИЕ УПРАВЛЕНИЯ ПРЕДПРИЯТИЕМ НА ОСНОВЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ (СППУР)

3.1 Применение прогнозных моделей для изучения спроса на основную продукцию предприятия

Изучение и прогнозирование спроса на продукцию фирмы является одной из основных функций маркетинга. Решение задач оценки спроса проводится в пространстве и во времени. Пространство определяется территорией исследуемого рынка. Это может быть страна в целом, какая-либо её часть, регион, область, город и т. д. Во времени происходит развитие спроса от зарождения через становление к отмиранию.

Принципиальная возможность составления прогноза конъюнктуры товарного рынка как в целом, так и отдельных его частей определяется характером природы причинно-следственных связей в развитии экономических явлений. Задача прогнозирования состоит в том, чтобы на базе настоящего с учетом прошлого, исследуя действующие тенденции, дать наиболее вероятную картину развития данного явления на перспективу. Прогнозные решения находятся в области допустимых решений из множества возможных. Схематично прогнозирование спроса можно изобразить следующим образом (Рис 3.1).

Спрос отражает потребности общества и складывается из производственного и личного потребления. При этом производственное потребление, например энергоресурсов, сырья, оборудования, является актом производства, что практически означает идентичность производства и потребления. Личное потребление выступает в форме удовлетворения потребностей людей и может не совпадать с объемом производимых потребительских товаров.

 

  

Рис. 3.1. Схема процесса прогнозирования спроса

 

Спрос – сложное социально-экономическое явление, которое складывается и развивается в определенных условиях под влиянием различных по своей природе взаимосвязанных факторов (Рис. 3.2)

На рисунке  - х1 – доход населения, х2 – качество товара, х3 – численность населения, х4 – цена товара, х5 – обеспеченность потребителей товарами, х6 - инфляция

Спрос может изучаться и прогнозироваться на различных уровнях агрегирования в зависимости от поставленной задачи. При этом следует тщательно отбирать факторы, оказывающие наибольшее влияние на сущность явления.

Прогнозирование спроса подразделяется на краткосрочное (конъюнктурное), среднесрочное и долгосрочное. При краткосрочном прогнозировании прогноз строится на один-два момента времени (квартал, месяц, неделю и т. п.) вперед, и он, как правило, оперативен и непрерывен. При среднесрочном и долгосрочном прогнозировании исходные данные берутся за кварталы и годы, а прогноз строится на один год или несколько лет вперед.

В методическом плане основным инструментом прогноза является экстраполяция. Формальная экстраполяция базируется на предложении о сохранении в будущем прошлых и настоящих тенденций развития спроса. Производится изучение временных рядов динамики спроса (ретроспективный анализ), а затем подбор аппроксимирующей функции. Составление прогноза по построенной модели заключается в вычислении спроса по заданным значениям факторов и времени. Однако в маркетинге использование метода экстраполяции должно производится с большой осторожностью, хотя на отдельных этапах жизненного цикла товара он может быть весьма эффективным.

В основе прогнозирования лежат аналогии, та же экстраполяция и модели будущего состояния рынка. Соответственно можно выделить три различных подхода к разработке прогнозов: экспертный опрос, экстраполирование и моделирование. Совместное использование этих подходов приводит к комбинированным методам прогнозирования, которые на наш взгляд, отличаются большей объективностью.

Существует более 100 различных методов и приемов прогнозирования, отличающихся по своему инструментарию, области применения и научной обоснованности.

Прогнозированию сопутствует одно из следующих условий:

наличие формальной модели;

отсутствие формальной модели, но наличие статистических данных, на основе которых можно построить модель и провести экстраполяцию;

в случае отсутствия модели и статистических данных используются экспертные и другие методы решения нечетких проблем.

В связи с различиями между кратко- и среде (долго)-срочного прогнозирования их приходится решать разными методами. В первом случае это методы, основанные в большинстве своем на идее экспоненциального сглаживания, предложенной впервые Р. Брауном, а во втором – методы выравнивания и экстраполяции трендов. Обозначим (d1, d2, … , dn) =   - ряд фактических показателей спроса, где dt – величина спроса в момент времени t (t может быть порядковый номер квартала, месяца, декады, недели).

Под стационарным понимается ряд, индивидуальные значения которого, меняясь со временем, не изменяют среднего на достаточно продолжительном отрезке времени. Другими словами, среднее значение спроса за рассматриваемый период не увеличивается и не уменьшается. Нестационарным является ряд когда среднее не остается постоянным, а изменяется со временем. Изменяющееся среднее называется  трендом.

Тренды различают по характеру (линейные, сезонные, сезонно-линейные) и по типу (аддитивные, мультипликативные, а также комбинация аддитивных и мультипликативных трендов). Характер тренда определяет среднее, а тип тренда – отклонение от среднего.

ЛИНЕЙНО-АДДИТИВНЫЙ ТРЕНД.  Ряд с трендом имеет среднее, которое увеличивается (или убывает) приблизительно на одинаковую величину в рассматриваемые моменты времени. При этом разброс отклонений фактических значений около тренда приблизительно постоянен.

ЛИНЕЙНО-МУЛЬТИПЛИКАТИВНЫЙ ТРЕНД. Значение спроса при таком  виде тренда превзойдет (или будет меньше) предыдущее значение приблизительно на один и тот же процент на рассматриваемом промежутке времени. Со временем увеличивается не только среднее, но и разброс индивидуальных значений спроса около среднего (тренда).

КОМБИНАЦИЯ ЛИНЕЙНОГО И СЕЗОННО-АДДИТИВНОГО ТРЕНДА. Для модели этого типа характерен сезонный тренд, который в свою очередь, может расти (или убывать) линейно.

Прогноз по среднему проценту прироста показателя спроса. Имеем временной ряд значений спроса на какой-либо товар – ряд . Вычисляем процент прироста по периодам

и средний процент прироста

Прогнозируемое значение величины спроса  в период n+1 вычисляется по формуле:

Метод может быть рекомендован к практическому применению в случае постоянно растущего (убывающего) спроса, т. е. Линейно-мультипликативного тренда. Продолжение метода заключается в том, что прогнозные значения спроса заменяются фактическими значениями и (или) происходит сдвиг известных значений спроса в ряду на единицу вправо.

Прогнозирование на базе скользящего среднего. Традиционным методом прогнозирования будущего значения спроса является усреднение его прошлых значений. Формально скользящее среднее mi определяется как

или

где dt – значение спроса в период t.

Вычисленное значение mt в случае стационарного ряда полагается равным прогнозу ожидаемого значения спроса в будущем не только на ближайший период, но и последующие. Если прогноз делается, например, на 6 месяцев вперед, то ожидаемые значения величины спроса на остальные 5 месяцев желательно модифицировать по истечении первого прогнозного месяца. Скользящее среднее имеет ряд особенностей:

  1.  Для того начать вычислять скользящее среднее, необходимо иметь (n-1) прошлых значений наблюдений.
  2.  Данным, включенным в процесс скользящего среднего, присваивается одинаковый вес. Вес отдельного наблюдения, входящего в скользящее среднее равен , и равен нулю для наблюдений, отсутствующих в нем. При этом более свежие данные имеют тот же вес, что и старые. Вместе с тем очевидно, что последние данные имеют более важное значение и поэтому должны иметь и больший вес. Для устранения этого недостатка существует процедура усреднения с разными весами. Сумма весов должна быть равна единице для того, чтобы соответствующие величины были средними значениями.
  3.  Чувствительность скользящего среднего обратно пропорциональна n – числу точек, входящих в среднее, поэтому без изменения n чувствительность изменить невозможно.

Большинство из перечисленных недостатков скользящего среднего устраняется, когда система весов экспоненциальная.

Пример. Задан ряд значений спроса на услуги предприятия

Месяц

1

2

3

4

5

6

Прогноз

7

8

Спрос, ден. ед.

5

6

4

7

4

5

5

5,25

Для n = 4 по формуле 3.4 вычисляем скользящее среднее, полагая t = 6; t = 5; t = 4.

Согласно формуле 3.5, имеем тот же самый результат:

Итак, полагая прогноз на седьмой месяц, равным 5, вычислим прогноз на месяц (d7 = 5):

Таким образом, прогноз на восьмой месяц равен 5,25

Если взять различные веса, то скользящее среднее может быть вычислено, например таким образом:

Сумма данного ряда стремится к единице, а члены убывают со временем, если . С помощью этих весов экспоненциально взвешенное среднее ряда ut запишется как

Перепишем 3.6 в эквивалентной форме:

С помощью 3.7 выразим ut через другие члены последовательности. Получим

Сумма членов в квадратных скобках 3.7 есть ut-1. Поэтому подставляя ut-1 в уравнение 3.7, получаем рекуррентное соотношение:

   - это основное уравнение, определяющее простое экспоненциальное взвешенное среднее. На его основе строят другие модели экспоненциального сглаживания.

Экспоненциально взвешенное среднее имеет ряд преимуществ перед скользящим средним:

  1.  Для построения прогноза по экспоненциально взвешенному среднему необходимо задать лишь начальную оценку прогноза. Дальнейшее прогнозирование осуществляется при поступлении новых данных. Следовательно, нет необходимости заново строить процедуру вычисления прогноза, как это выполнялось в методе скользящего среднего.
  2.  В отличие от метода скользящего среднего отсутствует точка, на которой веса сбрасываются, т. е. зануляются.
  3.  Для вычисления экспоненциально взвешенного среднего  ut требуются только прошлое значение ut-1 и текущее значение dt.
  4.  Чувствительность экспоненциально взвешенного среднего в целях адекватности прогностической модели может быть изменена по желанию ЛПР путем выбора другого значения . Чем больше , тем выше чувствительность среднего, чем меньше , тем устойчивее становится экспоненциально взвешенное среднее. На практике рекомендуется выбирать значения  из интервала [0,05; 0,3]. Метод применяется в основном для стационарного ряда.

Когда прогноз спроса строится для нового товара, на практике предпочтительнее брать высокое значение . Дело в том, что это гарантирует более быстрое достижение фактического уровня спроса при поступлении новых данных, чем при низкочувствительном прогнозе в случае традиционного значения  = 0,2.

Схема прогнозирования для рассматриваемого примера представлена в табл. 3.1 при значении  = 0,2. Здесь u0 = 6 – прогноз, полученный экспертным методом. Результаты прогноза спроса на седьмой месяц методом скользящего среднего (m6 = 5) и экспоненциально взвешенного среднего (u7 = 5,34) отличаются на величину 0,34.

Таблица 3.1.

Типичная схема прогнозирования спроса по методу экспоненциально взвешенного среднего

Наименование показателя

Месяц

1

2

3

4

5

6

  1.  Спрос текущего месяца dt
  2.  Прошлый прогноз текущего  месяца ut-1

5

6

6

5,8

4

5,84

7

5,48

4

5,78

5

5,42

  1.  
  2.  
  3.  Текущий прогноз на будущий месяц

   

1

4,8

5,8

1,2

4,64

5,84

0,8

4,68

5,48

1,4

4,38

5,78

0,8

4,62

5,42

1

4,34

5,34

  1.   Ошибка текущего прогноза

    

  1.  Кумулятивная сумма квадратов ошибок

   

-1

1

0,2

1,04

-1,84

4,43

1,52

6,74

-1,78

9,91

-0,42

10,09

ЛИНЕЙНО-АДДИТИВНАЯ ПРОГНОСТИЧЕСКАЯ МОДЕЛЬ. При линейно-аддитивной модели тренда предполагается, что среднее спроса dt изменяется линейно от времени, т. е.

                  

где - среднее ряда; - скорость его роста в зависимости от t, - случайная ошибка с нулевым ростом.

Метод Холта. Фактор роста оценивается по коэффициенту , который вычисляется как экспоненциально взвешенное среднее разностей между текущими экспоненциально взвешенными средними значениями процесса и их предыдущими значениями . Особенность метода заключается в том, что вычисление текущего значения включает в себя вычисление прошлого значения показателя роста , адаптируясь к предыдущему значению линейного тренда. Аналитические зависимости в методе Холта имеют следующий вид:

где А и В – параметры; - период упреждения; - горизонт прогнозирования; - прогноз сбыта на момент времени .

Значения А и В рекомендуется брать равными 0,1 и 0,01 соответственно. Вообще говоря, .

Метод двойного сглаживания Брауна. В условиях линейного тренда экспоненциально взвешенное среднее (3.8) всегда меньше линейного тренда на величину:

где - коэффициент, определенный уравнением (3.9).

Браун показал, что двойное экспоненциально взвешенное среднее , задаваемое уравнением:

также меньше первоначального скользящего среднего на ту же величину, на которую меньше . Следовательно, за оценку текущего значения , можно взять:

Однако в условиях устойчивости фактическую разность можно приравнять к оценке, поэтому

где заменяется своей оценкой . Отсюда:

Итак, прогноз на период равен:

В случае прогноза на один период формула (3.11) упрощается:

Проиллюстрируем метод двойного сглаживания Брауна для прогнозирования спроса на услуги АО «Свемон-Восток». Исходные данные и результаты расчета приведены в табл. 3.2.

Положим  Экспоненциально взвешенное среднее вычислено по формуле (3.8). Двойное экспоненциально взвешенное среднее рассчитано по формуле (3.10).

Таблица 3.2.

Иллюстрация метода двойного сглаживания Брауна

Месяц, t

Факт

Прогноз

1

2

3

4

5

6

7

8

9

4

6

7

9

8

10

3,2

3,76

4,41

5,33

5,86

6,69

3,04

3,18

3,43

3,81

4,22

4,71

9,165

9,66

10,155

Прогноз на седьмой месяц определим по формуле (3.12):

Прогноз на восьмой и девятый месяцы вычислим по формуле (3.11):

При этом не использованы новые фактические данные на седьмой и восьмой месяцы.

Метод адаптивного сглаживания Брауна. Согласно второму методу Брауна, предполагается, что если ряд значений спроса можно описать некоторой моделью, то желательно применить регрессионный анализ на основе взвешенной регрессии, т.е. большее внимание необходимо уделять той информации, которая поступает позже. Данный метод основывается на простом способу вычисления оценок по методу минимизации взвешенной суммы квадратов ошибок прогноза в случае линейно-аддитивного тренда. Оценка по взвешенному методу наименьших квадратов равна:

где

Данный метод взвешенной регрессии имеет ряд преимуществ:

  1.  Метод однопараметричен; параметр задает коэффициент дисконтирования, аналогичный параметру в других методах; рекомендуется брать .
  2.  Коэффициенты прогностической модели оцениваются совместно, что уменьшает автокорреляцию.
  3.  Метод требует простых вычислений.

Метод Мура. Данный метод используется для прогнозирования нестационарного спроса. Здесь предполагается, что изменение среднего ряда (уравнение (3.9)) зависит от времени не линейно, а пропорционально значению среднего , т. е. зависит линейно в логарифмах. Тогда мультипликативная модель будет выражена уравнением:

где р – мультипликативный коэффициент тренда.

Сглаживающая функция Vt будет аналогична той, которая в случае аддитивного тренда:

,

где r – несмещенная оценка р (мультипликативный коэффициент тренда ряда ), которая вычисляется по формуле:

.

Тогда прогноз на t периодов времени вперед равен:

Мультипликативные тренды сводятся к линейным путем замены фактических наблюдений их логарифмами.

КОМБИНАЦИЯ ЛИНЕЙНЫХ И СЕЗОННО-АДДИТИВНЫХ МОДЕЛЕЙ ТРЕНДОВ. В таких моделях сезонность учитывается путем декомпозиции прогнозных методов. Предполагается, что такие характеристики ряда, как стационарность, линейность и сезонность могут быть изучены и оценены независимо. Общий прогноз осуществляется сведением отдельных прогнозов в один.

При прогнозировании сезонного ряда необходимо установить форму сезонной зависимости. Для решения этой задачи рекомендуется брать период наблюдения не менее четырех лет. Сезонные колебания описываются коэффициентами сезонности (), которые могут быть вычислены по формуле:

,

где dt – значение показателя спроса в момент t; dcp – среднее значение спроса, соответствующее моментам времени, лежащим внутри цикла.

,

где L – длина сезонного цикла (L = 12 для месяцев года; L = 4 для кварталов года).

При прогнозировании сезонных трендов необходимо знать все последние L коэффициентов сезонности. Иногда товары, сходные по сезонным характеристикам спроса, объединяются в группы, для каждой из которых рассчитаны общие коэффициенты сезонности. Заметим, что

Это необходимое условие для несмещенности прогнозов. Многие методы декомпозиции предполагают наличие линейного тренда. Сезонный анализ данных без выделения и оценивания линейного тренда приводит к смещению коэффициентов сезонности.

Сезонно-декомпозиционная прогностическая модель Холта-Винтера. Данная модель основана на применении метода экспоненциально взвешенного среднего. Оценка стационарно-линейного и сезонного факторов производится следующим образом:

а) Оценка стационарного фактора, т. е. оценка среднемесячного значения спроса независимо от времени года. Уравнение оценки стационарного фактора (3.13) аналогично уравнению в методе Холта. Различие заключается в том, что ряд текущих значений очищен от сезонности путем деления его на коэффициент сезонности , соответствующий моменту времени tL, т. е. сдвинутому на L периодов времени назад. Коэффициент сезонности вычисляется по формуле (3.14). Итак:

б) Показатель линейности роста bt вычисляется на основе модели Холта.

в) Экспоненциально взвешенное среднее текущего значения коэффициента сезонности определяется как:

 

г) Прогноз строится из трех элементов: оценки линейного роста, оценки стационарного фактора и коэффициента сезонности:

Рекомендуемые коэффициенты А = 0,2; В = 0,2; С = 0,6. Модель Холта-Винтера в практике прогнозирования сезонных рядов наиболее распространена.

В общем случае зависимость спроса на конкретный товар от определяющих его факторов можно выразить в виде обобщенной функции спроса:

где  - величина спроса на товар А; - цена товара А, - цены товаров субститутов и сопутствующих товаров; I – доход покупателей; W – уровень благосостояния покупателя, его покупательная способность; N – степень новизны (насыщенности) товара А.

Если положить все факторы, определяющие спрос, кроме одного, неизменными, то получим однофакторную модель спроса. В частности, считая, что спрос на товар зависит только от цены товара, получаем функцию спроса следующего вида:

Функции (3.15) и (3.16) представляют собой модели, характеризующие с различной степенью детализации зависимость спроса на товар от учитываемых факторов.

Для прогнозирования спроса могут быть применены различные методы экономико-математического моделирования.

ПРОГНОЗ НА ОСНОВЕ ИНДИКАТОРОВ. Индикаторами являются фактические ожидаемые и экономические показатели смежных отраслей экономики. Например, увеличение предоставляемых предприятием услуг, приводит к расширению числа заказчиков, из-за увеличения предложения различных услуг, а соответственно расширению списка заказчиков, и наоборот, сокращение предоставляемых услуг приводит к уменьшению числа заказчиков, и следовательно, к уменьшению спроса на предоставляемые услуги.

Таким образом, данный метод может быть применен для отраслей промышленности, объемы производства которых в силу причин примерно пропорциональны. В частности, если Q1 – объем производства первой отрасли, а Q2 – объем производства второй отрасли, то индикатор пропорционально равен:

Если ожидаемый спрос на продукцию второй отрасли известен Q2pr, то прогноз на продукцию первой отрасли Q1pr равен:

В общем случае методами математической статистики может быть установлена функциональная зависимость между объемами производства связанных отраслей. Эта зависимость может быть линейной, степенной, логарифмической. Значение прогноза производства одной из отраслей принимается за аргумент, а спрос на продукцию связанной отрасли будет равен вычисленному значению функции.

АНАЛИТИЧЕСКИЕ МОДЕЛИ СПРОСА И ПОТРЕБЛЕНИЯ. Для товаров народного потребления при изучении спроса учитывается зависимость изменения величины семейных доходов путем построения кривых Энгеля, которые представляют собой однофакторные модели вида:

где qi – объем потребления i-го товара; S – средний доход.

Конкретный вид математической формы описания определяется видом товара. Например, если спрос в определенной группе семей на данный товар возрастает в той же пропорции, что и доход, то функция будет линейной. Другой вид зависимости, когда по мере роста дохода спрос на исследуемый товар возрастает все более высокими темпами. В этом случае кривая Энгеля будет выпуклой. Если же рост потребления, начиная с определенного момента по мере насыщения товаром отстает от роста дохода, то графически связь между этими показателями выражается вогнутой кривой. Таковы наиболее обобщенные формы зависимости между доходами и спросом.

Большую роль играет коэффициент эластичности, показывающий относительное изменение потребления при изменении дохода на единицу. Остальные факторы, от которых зависит спрос, принимаются неизменными. Вычисляется он по формуле:

где Ei – коэффициент эластичности для i-го товара по доходу I; Yi – спрос, являющийся функцией дохода, .

Эти коэффициенты используются при изучении спроса в условиях небольших изменений дохода. Чем больше коэффициент, тем быстрее растет потребление товара при росте доходов (и наоборот). Отрицательный коэффициент означает, что с ростом доходов потребление таких товаров уменьшается. Выделяются товары с малой эластичностью (0<Ei<1), средней (Ei = 1) и высокой эластичностью (Ei>1).

Рассмотрим функцию спроса, отражающую зависимость величины спроса на товары (услуги) от нескольких факторов, а именно от цены товара, уровня доходов населения, от сезонности потребления товара и конкуренции.

Периодом прогнозирования выберем месяц. Если требуются данные за несколько месяцев, то результаты прогноза по отдельным месяцам суммируются. При прогнозировании объема продаж на год можно воспользоваться фактической и прогнозной информацией в расчете на год. Для сезонных товаров в качестве базовой величины спроса рекомендуется выбирать величину спроса за одноименный месяц предыдущего года. Для остальных товаров и при прогнозе на год за базовое значение можно принимать фактические данные о продажах за предшествующий месяц (год). Величина спроса на i-й  товар Si(t) в натуральном выражении в период t вычисляется по формуле:

где Si0 – объем продаж товара i в натуральных единицах измерения в базовый период времени; Pi0 и Pi(t) – цена единицы товара i в базовый и прогнозируемый периоды времени соответственно, тыс. грн.; D0 и D(t) – средние доходы потребителей в базовый и в прогнозируемый периоды времени, тыс. грн.; а – коэффициент эластичности цены (изменяется от 0,1 до 1,0; для многих товаров принимается а = 0,35); b – коэффициент эластичности доходов (изменяестя в пределах от 0,1 до 0,9; для большинства товаров можно принять b = 0,3); К – коэффициент инфляции (показывает, во сколько раз обесценятся деньги в прогнозируемом периоде по отношению к базовому); di – оценка изменения доли рынка i-го товара (di = 1, если не ожидается изменения доли рынка предприятия в прогнозируемом периоде; di>1, если предполагается увеличение доли рынка; di<1, если доля рынка будет уменьшена); Kri – коэффициент развития рынка товара i (Kri =1, если рынок расширяется; Kri < 1, если рынок сужается (насыщается); обычно 0,75<Kri<1,5).

Расчет объема продаж (выручки) Vi(t) в период t для каждого i-го вида продукции (услуг) осуществляется по формуле:

где Si(t) – величина спроса на товар i в период t; Pi(t) – цена единицы товара i в период t, тыс. грн.

 

ПРОГНОЗ СПРОСА С ИСПОЛЬЗОВАНИЕМ КОЭФФИЦИЕНТА ЭЛАСТИЧНОСТИ КАКОГО-ЛИБО ФАКТОРА. В данном методе предполагается, что коэффициент эластичности какого-либо фактора существенно не изменится в прогнозируемый период. Прямой коэффициент эластичности показывает, на сколько процентов изменяется спрос при изменении значения влияющего на него фактора, например цены на 1%, и вычисляется аналогично (3.17) по формуле:

где - производная функция модели спроса

 Например, если

Прямой коэффициент эластичности E, как правило, определяют по фактическим данным по формуле:

где - спрос и изменение спроса соответственно; - значение фактора и изменение фактора.

Из выражения (3.20) следует  Поэтому прогнозное значение:

где x1 – новое значение фактора.

Например, пусть при цене за 1м. кабеля 1,20 грн (х = 1,20) спрос был 1000 м. кабеля (у = 1000), а при цене 1,25 грн (х1 = 1,25) спрос составил 900 м. кабеля, тогда:

Коэффициент эластичности согласно (3.20) равен:

.

Зная коэффициент эластичности по цене, можно определить, например, какова будет величина спроса, если цена упадет до 1,15 грн, а именно:

,

т.е. величина спроса составит 1010 м. кабеля.

Для оценки изменения спроса на изучаемый товар в зависимости от изменения цены на другой товар на 1% может быть применен перекрестный коэффициент эластичности E1:

где у1 и - спрос и изменение спроса на первый товар; р2 и - цена и изменение цены другого товара.

Если построена модель спроса, то перекрестный коэффициент эластичности вычисляется по формуле:

В качестве факторов можно рассматривать затраты на рекламу, объем продаж аналогичных импортных товаров и др.

КОРЕЛЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ. Применение данного метода прогнозирования спроса включает следующие основные этапы:

выбор показателя спроса на товар;

сбор исходной статистической информации, её систематизация и оценка;

отбор существенных факторов, которые необходимо учитывать при построении моделей изучения и прогнозирования спроса;

подбор математической формы связи между величиной спроса и влияющими на него факторами;

расчет параметров и построение экономико-математической модели прогнозирования спроса;

оценка построенной модели;

выполнение расчетов по модели;

экономическая интерпретация и разработка рекомендаций по её использованию.

Исходными показателями спроса может быть величина спроса на отдельные товары, в стоимостном или натуральном выражении, удельный вес товара в общем объеме платежеспособного спроса на все товары и т. д.

В ЭММ включаются только количественно измеряемые факторы, причем наиболее существенные. Такими факторами, например, являются доходы населения, цены товаров, размер и состав семьи, число семей. Кроме них рекомендуются выделять группу специфических факторов формирования спроса на конкретный товар. При этом проводится детальный анализ и определяется степень влияния отдельных факторов посредством коэффициента корреляции, параметров уравнения регрессии. Коэффициент корреляции r изменяется от -1 до +1. Если r = 0, то связь между факторами отсутствует полностью.

Факторы принято разделять на экзогенные, т. е. внешние по отношению к моделируемому объекту, и эндогенные, т. е. внутренние, присущие моделируемому процессу. К экзогенным относятся практически все воздействующие на спрос факторы. Эндогенные включают общую тенденцию развития спроса на конкретный товар. В ЭММ эндогенный фактор обычно вводится в виде специального фактора – тренда t.

Экономико-математические модели спроса строятся в виде одно- или многофакторных уравнений регрессии, в которых в качестве независимых переменных выступают воздействующие на спрос факторы, а в качестве зависимой переменной – сам спрос на товар.

При однофакторном анализе описывается связь спроса у и одного фактора х. Сбор экспериментальных данных проводится путем многократного измерения величин хt и yt, где t означает, как правило, период времени.

По этим результатам с использованием компьютера строится диаграмма рассеивания в корреляционном поле. Если последовательность точек диаграммы рассеивания группируются около некоторой гладкой линии, то делают предположение о наличие корреляционной связи. Затем проводят выбор формы связи путем сравнения внешнего вида диаграммы рассеивания с математическими моделями. Процесс нахождения теоретической линии регрессии называют выравниванием эмпирической линии регрессии.

При проведении многофакторного анализа уравнения множественной регрессии принято подразделять по формам связи на следующие:

линейные

параболическая

степенные

показательные

Число включаемых в модель факторов должно быть меньше числа наблюдений. При этом факторы должны быть независимы между собой. Из двух факторов, которые при парном коррелировании друг с другом дают коэффициент корреляции больше 0,8, в многофакторной модели обычно оставляют только один.

После выбора математической формы связи методом наименьших квадратов определяют значения параметров математической модели (а0, а1, а2 и т. д.), для чего решаются системы нормальных уравнений.

Построенную модель спроса оценивают на соответствие изучаемой реальности. Значимость модели определяется её возможностью прогнозировать средние значения спроса ypr по заданным значениям независимых переменных хi, . При подборе математической формы связи следует ориентироваться на такую, для которой больше корреляционное отношение и меньше относительная ошибка. Если , то модель достаточно адекватна реальному процессу формирования спроса.

Поскольку показатели тесноты корреляционной связи вычисляются по выборочным данным и являются случайными величинами, то необходимо установить значимость показателей корреляции и коэффициента модели. Для этого определяют ошибку коэффициента корреляции по величине среднеквадратичного отклонения.

При построении регрессионных моделей используются стандартные пакеты прикладных программ, например ППП "StatGraphics", Mathcad, Statistica.

КОМБИНИРОВАННЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ СПРОСА. Данные методы применяются в том случае, если известны прогнозные значения величины спроса, полученные разными качественными или количественными способами. Используя эти прогнозы, необходимо определить, на какую же все-таки величину спроса следует ориентироваться. Критический анализ возможных подходов к решению данной проблемы позволил выделить три основных метода: комбинированный качественный метод, метод усреднения и комбинированный метод использования корреляционно-регрессионного анализа.

КОМБИНИРОВАННЫЙ КАЧЕСТВЕННЫЙ МЕТОД. Предполагаем, что известна фактическая величина спроса аt в момент времени t и получены прогнозные значения в момент (t + 1), причем все они равновероятны и упорядочены в порядке возрастания где m – количество прогнозов в период (t + 1). Тогда прогнозируемое значение выбирается в зависимости от складывающейся рыночной ситуации и от маркетинговых действий фирмы. Например, если товар находится в стадии жизненного цикла "подъем" или "зрелость", то следует ориентироваться на прогнозируемые значения, близкие к  И наоборот, если товар входит в стадию "старения" ("спада"), то необходимо выбирать значения близкие к  Аналогично, если фирма намерена снизить цены, провести мощную рекламную компанию, то прогноз должен быть близким к , пассивность же как самой фирмы, так и конкурентов дает лишь слабую надежду на ожидаемую величину спроса . Данная процедура может быть продолжена для последующих периодов t + 2, t +3 и т. д. Однако если величина  имеют разную вероятность осуществления , то целесообразно выбрать тот прогноз, который имеет большую вероятность появления, а именно , для которого

МЕТОД УСРЕДНЕНИЯ. Пусть прогноз различными методами дает множество значений в порядке возрастания . Предположим, что величина спроса аож есть случайная величина, распределенная по  - распределению. Математическое ожидание  - распределения определяется по формуле:

а дисперсия:

где  - минимальная величина прогнозируемого спроса;  - максимальная величина прогнозируемого спроса; - наиболее вероятная величина спроса.

В нашем случае полагаем

Если предположить, что величина спроса есть случайная величина, распределенная по нормальному закону, то можем записать (3.21), (3.22), (3.23).

Тогда вероятность того, что величина спроса а будет меньше ожидаемой величины аож, определяется выражением (3.24):

где - функция Лапласа;

где аож – ожидаемая величина спроса.

Значения функции табулированы. Поэтому, задавая требуемый уровень вероятности появления прогнозируемой величины спроса, можно определить значения аож.

Предположим, что результаты прогнозов величины спроса на выполнение работ равны 97, 98, 100, 101, 104, 106 ед., тогда среднее значение величины спроса будет равно аср = 101, а дисперсия . Предположим, что имеющиеся значения спроса распределены по нормальному закону. ЛПР желает определить ожидаемое значение спроса аож, при котором вероятность того, что фактическое значение а не превзойдет аож, равна 0,9, т.е. Р(а<аож) = 0,9. Отсюда получаем +0,5 = 0,9 или = 0,4. Из обратной таблицы нормального интеграла, взятой, например, [52], находим значение u, а именно u = 1,282. На основании (3.24) получаем:

Таким образом, с вероятностью 0,9 прогнозируем значение величины спроса не превысит 105 единиц.

КОМБИНИРОВАННЫЙ МЕТОД ИСПОЛЬЗОВАНИЯ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОГО АНАЛИЗА ПРОГНОЗИРОВАНИЯ СПРОСА. Данный метод состоит из следующих шагов.

  1.  Изучение временного ряда динамики развития спроса на товар (ретроспективный анализ):  
    1.  Подбор аппроксимирующей функции по n точкам , т. е. такой, которая дает минимальную ошибку.
    2.  Составление прогноза по построенной модели на L периодов,  .
    3.  Прогнозные значения спроса L периодов S1pr, S2pr, … , SLpr принимаются в качестве значений одного из методов прогнозирования.
    4.  Предполагаем, что другие количественные и качественные в том числе и экспертные, методы дают следующие значения спроса:
    5.  Имея (m+1) значений величины спроса  каждом из L периодов, можем применить процедуру усреднения этих значений в каждом периоде, используя либо процедуру вычисления средних значений, либо процедуру вычисления медианы Кемени. Таким образом, получаем усреднение значения спроса в L точках S1, S2, … , SL.
    6.  Присоединяем эти значения к имеющимся фактическим значениям в n точках, получаем динамический ряд:  
    7.  Далее строим ряды длины n . Для данного ряда подбираем аппроксимирующую функцию  по n точкам.
    8.  Вычисляем значения функции в точках (n+1), (n+2), … , (n+L): . Полученный ряд может быть принят за прогнозируемые значения величины спроса.

МЕТОД ИНТЕГРИРОВАННОГО ПРОГНОЗА СПРОСА. Предполагаем что на момент времени t имеется m прогнозов, полученных различными методами:  Смысл данного метода состоит в том, что полученные прогнозы основываются, как правило, на разных посылках и различного рода информации о динамики спроса, поэтому их совместное использование помогает точнее описать и прогнозировать динамику. Таким образом, идея метода заключается в объединении прогнозов, получаемых по отдельным моделям.

Аналитически интегральный метод прогнозирования состоит в том, чтобы представить прогноз в виде взвешенной суммы частных прогнозов:

где St – комбинированный прогноз для момента времени t; - весовой коэффициент, соответствующий i-му прогнозу, i = 1, … , m.

При этом необходимо выполнения условия нормирования

Основная трудность, которая возникает при использовании формулы (3.25), заключается в определении коэффициентов , отражающих значимость тех или иных прогнозов. В конечном счете, от выбранных коэффициентов во многом будет зависеть качество самого комбинированного прогноза. Коэффициентам значимости  можно придать следующий экономический смысл:  - это вероятность осуществления i-го прогноза спроса.

Следует отметить, что рассмотренные методы и модели не исчерпывают всего многообразия существующих методов и моделей прогнозирования спроса на товары, но они позволяют менеджеру быстро ориентироваться и выбирать наиболее подходящие.

3.2. Формирование оптимальной ассортиментной политики предприятия.

Ассортимент товаров – совокупность их видов, разновидностей и сортов, объединенных или сочетающихся по определенному признаку. Основными группировочными признаками товаров являются сырьевой, производственный и потребительский.

Оптимальное планирование выпуска изделий с учетом запасов исходного сырья при максимуме прибыли от реализованной продукции является одной из важнейших задач управления предприятием. Она заключается в определении такого плана производства, реализация которого при ограничениях на имеющиеся ресурсы обеспечивает максимально возможный объем реализации продукции.

Пусть предприятие имеет три основных вида ресурсов, используемых для производства продукции, - это оборудование, трудовые ресурсы и материалы.

Трудовые ресурсы – это количество рабочих каждой специальности с указанием  месячной нормы рабочего времени (в нормо-часах).

Оборудование включает в себя перечень станков и приспособлений, имеющихся на предприятии и используемых в производстве, а также месячный фонд рабочего времени оборудования или полезный фонд времени (в часах).

Материалы – это список основных материалов, имеющихся на складе, которые можно использовать в производстве (в натуральных единицах).

Рассмотрим каждый из ресурсов подробнее.

Пусть на предприятии имеется К групп рабочих каждой специальности. В каждой группе Wi рабочих (i=1..K), для которой норма рабочего времени будет составлять:

где Normai – месячная норма рабочего времени рабочих i-й группы.

Экономические характеристики оборудования вытекают из ограничений на трудовые ресурсы, поэтому их опустим.

Обозначим через N – число разновидностей материалов на складе, а запасы каждого материала - Kj (j = 1..N).

Кроме этого предприятие имеет Р видов изделий, производство которых оно освоило. Расход трудового ресурса на производство р-го изделия в каждой группе рабочих будет составлять Wip, расход материалов – Kjp (p = 1..P).

Для определения остатка имеющихся ресурсов вычитаем из запасов каждого ресурса часть, расходуемую на основное производство:

Полученный остаток ресурсов необходимо распределить на производство B изделий, которые не вошли в основной план производства, но их выпуск по расчетам отдела маркетинга, сделанным на основе анализа рынка, принесет дополнительную прибыль предприятию.

Каждое из таких изделий также имеет свои показатели расхода ресурсов: трудового ресурсаWib, материаловKjb  (b = 1..B).

При реализации b-й единицы прибыль составит Cb гривен.

Необходимо составить такой план выпуска дополнительной продукции, который бы при условии реализации всей продукции обеспечивал бы получение максимальной прибыли.

Обозначим через Xb – количество продукции b-го вида.

Если b-я продукция не выпускается, то Xb = 0, в противном случае Xb > 0. Таким образом,  на параметры Xb накладывается условие неотрицательности Xb ≥ 0, b = 1..B.

Тогда, учитывая, что доход от реализации изделий В должен быть максимальным, основной критерий задачи будет иметь вид:

Известно также, что имеющиеся на предприятии ресурсы ограничены. Это обстоятельство в свою очередь необходимо отразить в модели.

Предприятие производит продукцию, используя два вида ресурсов. Естественно, что фактический расход каждого не должен превышать запаса соответствующего вида ресурса на предприятии. Поскольку расход каждого вида ресурса на единицу каждого вида продукции и запасы ресурсов известны, это обстоятельство отражается в следующих ограничениях:

Смысл первого ограничения состоит в том, что фактический расход трудового ресурса на производство дополнительной продукции не должен превышать резерва данного ресурса на предприятии, оставшихся после основного производства.

Аналогичный смысл имеет и второе ограничение, но для материалов на складе.

В целом данная задача о формировании оптимальной производственной программы на основе использования резервов предприятия может быть представлена моделью:

Особенность данной задачи состоит в том, что существует множество вариантов выпуска продукции В, то есть наборов значений х1, х2,  ..., хb удовлетворяющих ограничениям. Однако необходимо выбрать такой вариант выпуска продукции, который приносит предприятию максимальную прибыль. Этот вариант выпуска продукции будет оптимальным.

Так как функция f  и ограничения задачи линейные, то эта задача относится к задачам линейного программирования. Одним из наиболее общих методов решения подобных задач является симплекс-метод.

ПРИМЕНЕНИЕ ПРЯМОГО СИМПЛЕКС-МЕТОДА ДЛЯ НАХОЖДЕНИЯ  ОПТИМАЛЬНОГО РЕШЕНИЯ ЗАДАЧИ. Каждая из задач линейного программирования является частным случаем общей задачи линейного программирования, математическая модель которой состоит из целевой функции:

и системы ограничений

где aij, bi, cj  - заданные постоянные величины и k m.

Различаются еще две основные формы задач линейного программирования в зависимости от наличия ограничений разного типа:

 стандартная (или симметричная) форма модели задачи линейного программирования, состоящая в определении максимального значения функции  (3.26) при выполнении условий (3.27) и (3.29), где k = m и l = n, т. е.

каноническая (или основная) форма модели задачи линейного программирования. Состоящая в определении максимального значения функции (3.26) при выполнении условий (3.28) и (3.29), где k = 0 и l = n:

Стандартная форма модели интересна тем, что большое число прикладных моделей естественным образом сводится к этому виду моделей.

Каноническая форма модели важна ввиду того, что основные вычислительные схемы различных вариантов симплекс-метода разработаны именно для этой формы.

Указанные выше три формы задачи линейного программирования эквивалентны в том смысле, что каждая из них с помощью несложных преобразований может быть приведена к любой из двух остальных. Следовательно, любую задачу линейного программирования можно привести к каноническому виду. Поэтому умение решать задачу в канонической форме позволяет решать задачу и в любой другой форме.

Чтобы перейти от общей (стандартной) формы задачи линейного программирования к канонической форме, необходимо уметь, во-первых, сводить задачу минимизации функции к задаче максимизации; во-вторых, переходить от ограничений-неравенств к ограничениям-равенствам; в-третьих, заменять неотрицательными переменными те переменные, которые не подчинены условию неотрицательности.

В том случае, когда требуется найти минимум функции:

можно перейти к нахождению максимума функции:

поскольку min z = - max (- z).

Orpaничение-неравенство исходной задачи линейного программирования можно преобразовать в ограничение-равенство добавлением к его левой части дополнительной неотрицательной переменной с соответствующим знаком. Таким образом, ограничение-неравенство вида:

преобразуется в ограничение-равенство

а ограничение-неравенство вида

в ограничение-равенство

Число вводимых дополнительных неотрицательных переменных при подобных преобразованиях равно числу преобразуемых неравенств.

И наконец, если переменная xk не подчинена условию неотрицательности, то ее следует заменить двумя неотрицательными переменными xk/ и xk//, приняв xk = xk/ - xk// . Правомерность такой замены очевидна, так как любое число можно представить в виде разности двух неотрицательных чисел.

Совокупность чисел – вектор Х = (x1, x2,..., xn), удовлетворяющих ограничениям задачи, например (3.27) - (3.29), называется допустимым решением.

Допустимое решение X* = (x*1, x*2,..., x*n), при котором целевая функция задачи, например (3.26), принимает свое максимальное (минимальное) значение, называется оптимальным решением.

В прямом симплекс-методе решения задачи линейного программирования, приведенной в каноническую форму (3.33) - (3.35) используются формулы преобразований Жордана-Гаусса. На основании этих преобразований осуществляется переход от одного опорного плана к другому, при котором значение целевой функции возрастает (если опорный план существует и он невырожденный).

Указанный переход возможен, если известен какой-нибудь исходный опорный план. Если же каноническая форма задачи не имеет исходного опорного плана, то он строится с помощью искусственных переменных. Однако независимо от того, используются искусственные переменные или нет, для решения задачи применяется один и тот же алгоритм симплекс-метода.

Пусть задача в канонической форме имеет исходный опорный план

По определению вектор решения Х = (b1, b2,..., bm, 0, ... , 0) является опорным планом задачи (3.36). Этому плану соответствует следующее значение целевой функции:

Для исследования опорного плана на оптимальность и для определения направления его улучшения на основании целевой функции строится «нулевое» приведенное уравнение. Это уравнение получается после исключения базисных переменных из выражения целевой функции.

Подставляя х1, х2,..., хm из системы ограничений (3.36) в целевую функцию, получим «нулевое» приведенное уравнение в следующем виде:

где

Коэффициенты аoj называются оценками соответствующих небазисных переменных (или оценками оптимальности). Оценки позволяют охарактеризовать опорный план в виде следующих теорем-признаков возможных ситуаций.

Если aoj ≥ 0, j = 1, ... , n, то опорный план является оптимальным (признак оптимальности опорного плана).

Если aoj < 0 для некоторого j и все соответствующие этому индексу j величины аij ≤ 0, i = 1, ... , m, то значение целевой функции, не ограничено сверху на множестве планов.                          

Если aoj < 0 для некоторых индексов j и для каждого из этих j по крайней мере одно из чисел аij > 0, то можно перейти к новому опорному плану, при котором значение целевой функции увеличивается.

Вычислительный процесс удобно вести в симплекс-таблицах. Исходная симплекс-таблица для задачи (3.36) с учетом «нулевого» уравнения (3.37) представлена в таблице 3.3. "Нулевое" уравнение записано в нижней части таблицы.

Под симплекс-таблицей понимается табличная форма представления математической модели в канонической форме с опорным планом и оценками оптимальности.

Итак, алгоритм симплекс-метода включает в себя следующие основные шаги.

Таблица 3.3.  

Симплекс-таблица для задачи (3.36) с учетом "нулевого" уравнения (3.37)

i

Базисные переменные

X1

X2

...

Xm

Xm+1

...

Xn

bi

1

X1

1

0

...

0

a1m+1

...

a1n

b1

2

X2

0

1

...

0

a2m+1

...

a2n

b2

...

...

...

...

...

...

...

...

...

...

m

Xm

0

0

...

1

amm+1

...

amn

bm

0

z

0

0

...

0

a0m+1

...

a0n

b0

1. Выбор разрешающего столбца j, для которого aoj < 0. Пусть j = k. Следовательно, в базис вводится вектор коэффициентов переменной xk.

2. Выбор разрешающей строки i = l. i = 1, ... , т по наименьшему отношению элементов опорного плана к положительным элементам разрешающего столбца, т. е.

для всех аik > 0. Следовательно, из базиса исключается переменная xl. Выбранное число аlk называется разрешающим элементом.

3. Пересчет всех элементов симплекс-таблицы по формулам Жордана-Гаусса:

элементы нового опорного плана и новое значение целевой функции вычисляются по формулам           

остальные элементы по формулам

Новая итерация начинается с п. 1.

ЭВМ оказывает неоценимую помощь в управлении товарными запасами как в отдельных предприятиях, так и в масштабах целой торговой фирмы. ЭВМ выдает аналитический отчет, в котором объем реализации сопоставлен с имеющимися товарными запасами. Подобные аналитические отчеты машина может вырабатывать и по разовым запросам. Вводя в ЭВМ кодовые номера отдельных наименований товаров, можно получить подробные данные о движении их запасов и динамики реализации. Прежде было очень трудно анализировать реализацию модных товаров; ныне ЭВМ контролирует их движение и даже выдает предупреждение о необходимости снять товар с продажи или, наоборот, заказать дополнительную партию. ЭВМ в некоторых АСУ вырабатывает и печатает заказы на поставку товаров. Машинным способом успешно составляются прогнозы реализации на предстоящий период.

Однако ценность результатов, даваемых АСУ, целиком зависит от достоверности, надежности, подробности и своевременности информации, которой она оперирует.

3.3. Оценка и управление риском в коммерческой деятельности предприятия.

Риск присущ любой форме человеческой деятельности, что связано с множеством условий и факторов, влияющих на положительный исход принимаемых людьми решений. Исторический опыт показывает, что риск недополучения намеченных результатов особенно проявляется при всеобщности товарно-денежных отношений, конкуренции участников хозяйственного оборота.

Чтобы принять решение, обеспечивающее наибольшую вероятность наилучшего результата при наименьших затратах и потерях в соответствии с задачами минимизации и программирования риска, следует выявить, количественно измерить, оценить и сопоставить элементы рассматриваемых экономических процессов, выявить и определить взаимосвязи, тенденции, закономерности с описанием их в системе экономических показателей, что немыслимо без использования математических методов и моделей в экономическом анализе.

Важность применения экономико-математических методов заключается в том, что они позволяют количественно измерить экономические явления и, в частности, значения риска и рыночной неопределенности, что обеспечивает возможность наиболее точного сопоставления исследуемых явлений в отличие от вербальных оценок. Более того, математические методы и модели позволяют имитировать хозяйственные ситуации и оценивать последствия при выборе решений, обходясь без дорогостоящий экспериментов.

Методы экономико-математического анализа имеют большее отношение к регулятивным функциям, затрагивающим сущность хозяйственной деятельности в единстве внешних и внутренних аспектов. Это объясняется тем, что экономический анализ в отличие от обычных приемов страхования (хеджирования) риска и других защитных функций позволяет не просто налаживать отношения с партнерами по признакам меньшего риска, но и для обеспечения выбора оптимальных решений математически анализировать, измерять значения и возможности минимизации, программирования риска с целью наилучшего управления им на основе повышения эффективности и качества хозяйственной деятельности, сокращения неопределенности. Более того, если организационные приемы хеджирования будут основываться на результатах экономико-математического анализа, то связанные с ними выводы будут более определенными, решения более конкретными и обоснованными, а действия точными.

При рыночной экономике производители, продавцы, покупатели действуют в условиях конкуренции самостоятельно,  то есть на свой страх и риск. Их финансовое будущее поэтому является непредсказуемым и мало прогнозируемым. Риск-менеджмент представляет систему оценки риска, управления риском и финансовыми отношениями, возникающими в процессе бизнеса. Риском, можно управлять, используя разнообразные меры, позволяющие в определенной степени прогнозировать наступление рискового события и вовремя принимать меры к снижению степени риска.

Принимать на себя риск предпринимателя вынуждает неопределенность хозяйственной ситуации, неизвестность условий политической и экономической обстановки и перспектив изменения этих условий. Чем больше неопределенность хозяйственной ситуации при принятии решения, тем выше и степень риска.

На степень и величину риска можно реально воздействовать через финансовый механизм, что осуществляется с помощью приемов стратегии и финансового менеджмента. Этот своеобразный механизм управления риском и есть риск-менеджмент. В основе риск-менеджмента лежит организация работы по определению и снижению риска.

Определение типа риска – это процесс, в котором предприниматель систематически и непрерывно определяет те текущие и потенциальные риски, которые могут иметь неблагоприятные последствия для фирмы. Очевидно, что если потенциальный риск не установлен, то для фирмы невозможно предпринять действия по его минимизации. Большинство управляющих рисками используют подготовленные заранее списки для определения типа риска, а небольшие фирмы, у которых нет управляющих рисками, обычно прибегают к услугам страховых компаний или нанимают консультантов для управления рисками для идентификации и измерения рисков.

После того как риски идентифицированы, необходимо измерить степень воздействия каждого риска на фирму. Этот процесс включает оценку: 1) частоты потерь (или вероятности потерь) и 2) значимости потерь (денежную величину каждой потери). В общем случае степень воздействия каждого риска больше зависит от значимости, чем от частоты потерь. Риск с потенциалом катастрофического ущерба, даже если его вероятность весьма мала, является более серьезной угрозой, чем риск, который, по ожиданиям, происходит более часто, но приносит малые потери.

При использовании вероятности для измерения частоты потерь легко найти вероятность комбинаций рисков. Например, допустим, что вероятность повреждения от бури для конкретного завода равна 0,03, от наводнения – 0,02, от пожара – 0,01, и все эти три опасности независимы друг от друга, Шанс того, что по крайней мере хоть одна опасность наступит в каком-либо году, определяется по следующему алгоритму. Вероятность того, что не будет потерь от бури, равна 1 – 0,03 = 0,97; вероятность избежания потерь от наводнения равна 0,98, а вероятность отсутствия пожара – 0,99. Таким образом, вероятность того, что ни одна из этих опасностей не произойдет, равна 0,97×0.98×0,99 = 0,941, или 94,1%. Если вероятность отсутствия опасности равна 94,1%, то вероятность наступления хотя бы одной опасности равна 1,00 – 0,941 = 0,059, или 5,9%. Подобным образом, вероятность наступления всех трех опасностей в один год равна 0,03×0,02×0,01 = 0,000006, т.е. только шесть случаев на миллион.

Существует несколько способов измерения тяжести потерь. Два из наиболее распространенных: 1) максимальные потери и 2) средние потери. Максимальная потеря – это денежная оценка размера потерь, связанная со сценарием самого худшего случая, в то время как средняя потеря – это денежная оценка размера потерь, связанная со случаем конкретной опасности, таким как пожар на заводе, с учетом широкого диапазона возможных значений потерь, которые могут произойти.

Для примера предположим, что максимальный размер потерь от пожара на заводе оценивается в 10 млн. грн., в то же время средний размер таких потерь, рассчитанный по прошлой статистике пожаров, равен 500 тыс. грн. Кроме того, если произошел пожар (у которого вероятность наступления равна 0,01), вероятность того, что пожар приведет к максимальным потерям, составляет 0,05, а вероятность наступления потери среднего размера – 0,40. Тогда в любом году ожидаемая денежная оценка потерь для случая максимального ущерба равна 0,01×0,05×10 000 000 грн. = 5000 грн., а ожидаемая денежная оценка потерь для случая среднего ущерба составит 0,01×0,40×500 000 грн  = 2000 грн.

Комбинируя вероятности наступления случаев с денежными оценками потерь, управляющий рисками может получить полное распределение вероятностей потерь от пожара, которое и является целью определения типа риска и его измерения. С установленным набором распределения вероятностей потерь от пожара управляющий рисками может решить, какую величину риска компании следует взять на себя и какую перевести на страховщика. В этом примере вероятность того, что потери от пожара превысят 100 000 грн. в любом году, равна 0,01×0,80 = 0,008. Если компания желает, чтобы риск всех потерь от пожара был меньше, чем 100 000 грн., то ей следует купить страховой полис от пожара с франшизой (освобождение страховщика от возмещения убытков, не превышающих определенную сумму или процент от страховой оценки) на 100 000 грн. Тогда только риск, связанный с потерями от пожара, превышающими 100 000 грн., будет переведен на страховую компанию, а стоимость страхового полиса будет значительно меньше, чем затраты на полное покрытие потерь.     

Вероятность наступления события может быть определена объективным или субъективным методом.

Объективный метод определения вероятности основан на вычислении частоты, с которой происходит данное событие. Например, если известно, что при вложении капитала в какое-либо мероприятие прибыль в сумме 250 тыс. грн. была получена в 120 случаях из 200, то вероятность получения такой прибыли составляет 0,6 (120:200).

Субъективный метод определения вероятности основан на использовании субъективных критериев, которые базируются на различных предположениях. К таким предположениям могут относиться: суждение и личный опыт оценивающего, оценка эксперта, мнение финансового консультанта и т. п. Когда вероятность определяется субъективно, то разные люди могут устанавливать разное ее значение для одного и того же события и делать каждый свой выбор.

Важное место при этом занимает экспертная оценка, т. е. проведение экспертизы, обработка и использование ее результатов при обосновании значения вероятности.

Принятие экспертной оценки представляет собой комплекс логических и математико-статистических методов и процедур, связанных с деятельностью эксперта по переработке необходимой для анализа и принятия решения информации. Экспертная оценка основана на использовании способности специалиста (его знаний, умения, опыта, интуиции и т. и.) находить нужное, наиболее эффективное решение.

Величина риска (степень риска) измеряется двумя критериями:

  1.  Среднее ожидаемое значение.
  2.  Колеблемость (изменчивость) возможного результата.

Среднее ожидаемое значение это то значение величины события, которое связано с неопределенной ситуацией. Среднее ожидаемое значение является средневзвешенным для всех возможных результатов, где вероятность каждого результата используется в качестве частоты или веса соответствующего значения. Среднее ожидаемое значение измеряет результат, который мы ожидаем в среднем.

Т. е. если известно, что при вложении капитала в мероприятие А из 120 случаев прибыль 250 тыс. грн. была получена в 48 случаях (вероятность 0,4), прибыль 200 тыс. грн. была получена в 36 случаях (вероятность 0,3) и прибыль 300 тыс. грн. была получена в 36 случаях (вероятность 0,3), то среднее ожидаемое значение составит (250х0,4 + 200х0,3 + 300х0,3) = 250 тыс. грн.

Аналогично было найдено, что при вложении капитала в мероприятие Б средняя прибыль составила (400х0,3 + 300х0,5 + 150х0,2) = 300 тыс. грн.

Сравнивая две суммы ожидаемой прибыли при вложении капитала в мероприятия А и Б, можно сделать вывод, что при вложении в мероприятие А величина получаемой прибыли колеблется от 200 до 300 тыс. грн. и средняя величина составляет 250 тыс. грн.; при вложении капитала в мероприятие Б величина получаемой прибыли колеблется от 150 до 400 тыс. грн. и средняя величина составляет 300 тыс. грн.

Средняя величина представляет собой обобщенную количественную характеристику и не позволяет принять решения в пользу какого-либо варианта вложения капитала.

Для окончательного принятия решения необходимо измерить колеблемость показателей, т. е. определить меру Колеблемости возможного результата.

Колеблемость возможного результата представляет собой степень отклонения ожидаемого значения от средней величины.

Для этого на практике обычно применяются два близко связанных критерия: дисперсия и среднеквадратичное отклонение.

Дисперсия представляет собой средневзвешенное из квадратов отклонений действительных результатов от средних ожидаемых.

где 2  - дисперсия;

     х  - ожидаемое значение для каждого случая наблюдения;

     х – среднее ожидаемое значение;

     n – число случаев наблюдения (частота).

Среднеквадратичное отклонение определяется по формуле:

При равенстве частот имеем частный случай:

Среднеквадратичное отклонение является именованной величиной и указывается в тех же единицах, в каких измеряется варьирующий признак. Дисперсия и среднеквадратичное отклонение являются мерами абсолютной колеблемости.

Для анализа обычно используют коэффициент вариации. Он представляет собой отношение среднеквадратичного отклонения к средней арифметической и показывает степень отклонения полученных значений.

где V – коэффициент вариации, %;

       - среднеквадратичное отклонение;

      x – среднее ожидаемое значение.

Коэффициент вариации – относительная величина. Поэтому на размер этого коэффициента не оказывают влияние абсолютные значения изучаемого показателя. С его помощью можно сравнивать даже колеблемость признаков, выраженных в разных единицах измерения. Коэффициент вариации может изменяться от 0 до 100%. Чем больше коэффициент, тем сильнее колеблемость. Установлена следующая качественная оценка различных значений коэффициента вариации:

  •  до 10% - слабая колеблемость;
  •  10-25% - умеренная колеблемость;
  •  свыше 25% - высокая колеблемость.

Расчет дисперсии при вложении капитала в мероприятия А и Б приведен в табл. 3.4.

Среднеквадратичное отклонение при вложении капитала в мероприятие А составляет:

в мероприятие Б:

Коэффициент вариации для мероприятия А:

                               V = +(-)38,7/250×100 = +(-)15,5%;

коэффициент вариации для мероприятия Б:

                            V = +(-)86,6/300×100 = ± 29,8%.

Таблица 3.4.

Расчет  дисперсии при вложении капитала в мероприятия А и Б

Номер события

Полученная прибыль, тыс. грн.

Число случаев наблюдения, n

(Х-Х)

(X - X)2

(X - X)2×n

Мероприятие А

1

250

48

-

-

-

2

200

36

-50

2500

90000

3

300

36

+50

2500

90000

Итого

х = 250

120

180000

Мероприятие Б

1

400

30

+100

10000

300 000

2

300

50

-

-

-

3

150

20

-150

22500

450 000

Итого

х = 300

100

750 000

Коэффициент вариации при вложении капитала в мероприятие А меньше, чем при вложении его в мероприятие Б, что позволяет сделать вывод о принятии решения в пользу вложения капитала в мероприятие А.

Многие из экономико-математических методов в условиях неопределенности, недостатка и неточности информации при невозможности полной формализации хозяйственных процессов позволяют получать лишь вероятностные результаты расчетов при анализе. В отдельных случаях возможны и ошибки. Но все же их использование значительно повышает степень достоверности анализа в сравнении с бессистемным подходом и управлением без количественной оценки решений. При использовании экономико-математического анализа улучшение результатов достигается сокращением количества неудачных исходов в числе многократных хозяйственных циклов.

РАЗДЕЛ 4.

ПРИМЕНЕНИЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ В СОВЕРШЕНСТВОВАНИИ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ

4.1. Обоснование плановых решений на основе прогнозирования спроса на продукцию предприятия

Оценка прогнозных значений спроса на продукцию предприятия была произведена на основе метода динамической регрессии.

Этот метод был предложен для обновления значений , используемого в модели экспоненциального сглаживания. Искомая оценка для в момент t получается при минимизации суммы квадратов погрешностей за предыдущие периоды. В результате

                      (4.1.)

По существу речь идет о регрессии величины dr=xryr-2  по величине er-1=xr-1-yr-1, иначе говоря, о регрессии погрешности прогноза на два периода вперед по погрешности прогноза на один период вперед. Линейное уравнение регрессии имеет вид

dr= er-1                                                                    (4.2)

В данном случае коэффициент пропорциональности обновляется по мере накопления информации, поэтому метод назван методом динамической регрессии. После вычисления по формуле прогноз yt на (t+1)-u период получается из соотношения

yt= yt-1+ er                                           (4.3)

Результаты расчетов представлены в табл. 4.1., а на рис. 4.1. представлен график прогноза.

Таблица 4.1.

Расчет прогнозных значений спроса на основе метода динамической регрессии

N периода

x

y

s

d

e

d*e

e^2

a=d*e/e^2

1

7,986

7,99

0,0000

2

7,97

7,99

0,0003

3

8,03

7,87

0,0272

0,0440

-0,0160

-0,0007

0,0003

-2,75

4

7,917

7,78

0,0198

-0,0690

0,0440

-0,0030

0,0019

-1,70620438

5

8,167

8,73

0,3182

0,3020

0,0520

0,0157

0,0027

2,443627451

6

8,152

8,15

0,0000

0,3757

0,3907

0,1468

0,1527

1,007661585

7

7,908

7,84

0,0048

-0,8231

-0,5791

0,4766

0,3353

1,28911843

8

8,117

8,16

0,0022

-0,0306

-0,2396

0,0073

0,0574

1,167972783

9

8,008

7,99

0,0002

0,1693

0,2783

0,0471

0,0774

1,098931095

10

7,897

7,89

0,0001

-0,2667

-0,1557

0,0415

0,0243

1,121766818

7,8723

0,3728

7,8707

Рис.4.1. График прогноза спроса на продукцию предприятия

4.2. Порядок разработки оптимальной ассортиментной политики предприятия

 

Математическая модель оптимизации производственной программы по критерию максимума дохода.

В общем виде эта модель имеет вид:

  •  целевая функция

                                                      (4.4)

  •  ограничения на ресурсы

                                            (4.5)

- ограничения на объем производства

                                                       (4.6)

- ограничение на неотрицательность переменных

                                                              (4.7)

где Xj  - количество единиц j-ого вида товара;

       Cj- цена j-ого вида товара;

       aij  -  норма расхода  i-ого ресурса на производство j-ого товара;

       Ai –годовой запас i-ого вида ресурса;

       Bj  - нижняя граница объема производства j-ого товара;

       Bj  -  верхняя граница объема производства j-ого товара;

Для поиска оптимального варианта решения задачи оптимального производственного планирования на основании данной модели применяется механизм поиска решений, представленный в MS EXCEL. Для его использовании при поиске оптимального варианта решения задачи необходимо задание исходных данных в следующей последовательности:

  1.  A1:C1 <-0
  2.  A2:C2 <- прибыль
  3.  A3:C6 <- нормы расхода
  4.  A7:C7 <- нижняя граница спроса
  5.  A8:C8 <- верхняя граница спроса
  6.  E3:E6 <- объем запаса материалов
  7.  D3<- =СУММПРОИЗВ($A$1:$C$1;A3:C3)
  8.  Растянуть  D3 до D6
  9.  D2 <- =СУММПРОИЗВ(A1:C1;A2:C2)

Для набора исходных данных лист должен иметь вид

2,95

5,26

4,26

0

1,03

2,12

4,01

0

825,6

1,82

4,54

2,12

0

964,8

2,72

2,97

5,02

0

864

4,19

3,99

3,22

0

727,2

20

30,06

19,72

37,52

50

70,98

10. Поиск оптимального варианта решения

    Сервис Поиск решения  

    Заполнить окно в соответствие с рисунком и нажать Выполнить

                 

 

После выполнения поиска решения должен получиться следующий результат

37,52

50

70,98

2,95

5,26

4,26

676,0588

1,03

2,12

4,01

429,2754

825,6

1,82

4,54

2,12

445,764

964,8

2,72

2,97

5,02

606,874

864

4,19

3,99

3,22

585,2644

727,2

20

30,06

19,72

37,52

50

70,98

4.3. Выбор варианта инвестиционного проекта развития предприятия с учетом фактора риска

Исходные данные к принятию решений о выборе варианта развития предприятия.

Постоянные расходы

Операционный доход на единицу продукции

Вариант развития  1

Вариант развития 2

Вариант развития 3

35000

45000

60000

120

200

250

Возможные вероятности спроса на продукцию предприятия:

Х1 = 200 - 0.2

Х2 = 250 - 0.5

Х3 = 300 - 0.3

Порядок выполнения:

Этап 1. Определение цели.

В качестве критерия выбирается максимизация математического ожидания прибыли

Этап  2. Построение дерева решений.

Этап 3. Определение набора возможных действий для рассмотрения и анализа (контролируются лицом , принимающим решение)

Управляющий может выбрать один из двух вариантов :

а1 = { вариант развития  1 }

а2 = { вариант развития  2 }

а3 = { вариант развития 3 }

                                                                                                   0.2    120*200-35000= -11000   

                                                                         

                       a1                                                                        0.5    120*250-35000=   -5000   

                                                                                                    0.3    120*300-35000=    1000

                                                                                                   

           0.2    200*200-45000= -5000

                                                                         

                       a2                                                                        0.5    200*250-45000=   5000   

                                                                                                    0.3    200*300-45000= 15000

                                                                  0.2    250*200-60000= -10000   

                                                                         

                       a3                                       0.5    250*250-60000=    2500   

                                                                      0.3    250*300-60000=  15000

Рис.4.2. Дерево принятия решений при оценке выбора варианта развития предприятия

Этап 4 . Оценка возможных исходов и их вероятностей (носят случайный характер) .       Управляющий оценивает возможные варианты годового спроса на продукцию и соответствующие им вероятности следующим образом (исходные данные):

х1 = 200 единиц с вероятностью 0 . 2

х2 = 250 единиц с вероятностью 0 . 5

х3 = 300 единиц с вероятностью 0 . 3

Этап 5 . Оценка математического ожидания возможного дохода:

E(a1)= -11000*0.2-5000*0.5+  1000*0.3= -4400

E(a2)=   -5000*0.2+5000*0.5+15000*0.3=  6000

E(a3)= -10000*0.2+2500*0.5+15000*0.3=  3750

Наиболее выгодным вариантом является а2 = { Вариант развития 2}

Заключение

В данной работе были рассмотрены наиболее важные аспекты неотъемлемой части процесса управления - принятия решений. По результатам выполненной работы можно сделать выводы, что принятие решений - сознательный выбор из имеющихся вариантов или альтернатив направления действий, сокращающих разрыв между настоящим и будущим желательным состоянием организации. А управленческое решение – это результат конкретной управленческой деятельности руководителя предприятия . Понимание природы принятия решения важно для любого, кто хочет преуспеть в искусстве управления.

Решения бывают различных видов, такие как особенные, единичные, политические, экономические, регулятивные, постановочные, организационные и другие решения. Важно знать методологию принятия решений. Она помогает структурировать данный процесс и способствует принятию эффективных управленческих решений. Необходимо помнить, что принятие решений происходит не в организационном вакууме, а на фоне постоянно изменяющихся событий как во внешней, так и во внутренней среде организации, и учитывать факторы, влияющие на процесс принятия решений, которые были рассмотрены в данной работе.

В настоящее время проблема поиска оптимальных вариантов управленческих решений решается с помощью использования современной электронно-вычислительной техники, создания различных баз данных, экспертных систем и систем поддержки принятия решений. Принципы создания, функции и принципы работы этих систем описаны в работе. Подобные способы позволяют довольно просто, а главное быстро собирать, обрабатывать и анализировать существующую информацию. Они также позволяют существенно облегчить процесс принятия решений для руководителей всех уровней. Внедрение описанных выше подсистем требует достаточно больших вложений, но они, несомненно, окупаются.

Наряду со всеми достоинствами данное решение проблемы имеет и свои недостатки. Одним из таких недостатков является необходимость получения новых знаний руководителями для того, чтобы использовать предложенные средства наиболее эффективно, что требует довольно таки много времени. С другой стороны полная автоматизация процесса принятия решений порождает много проблем социального плана, в частности это приводит к сокращению времени, которое затрачивается на общение с другими людьми. А это, с точки зрения психологии, плохо влияет на психологическое состояние человека и снижает его желание работать в подобном режиме, и, следовательно, к уменьшению эффективности работы. Но это уже другая проблема, решение которой не является задачей данной работы.

Внедрение автоматизированной системы поддержки принятия управленческих решений  для  любого предприятия является одной из наиболее трудоемких и дорогостоящих программ развития. В этих условиях чрезвычайно велика роль руководителей предприятий, принимающих решение стратегического характера в области компьютеризации. Главное - выработка стратегии развития автоматизации, которая гарантировала бы достижение целей предприятия. Наиболее важной составляющей этой стратегии является в ряде случаев обоснование и принятие решений по выбору системы автоматизации, имеющейся на нашем рынке. Поэтому необходимо, чтобы руководители предприятий были знакомы с концепциями современных информационных технологий, способами их проектирования и внедрения.

Список использованных источников

  1.  Абчук  В. А.   Экономико-математические методы.: Элементарная математика и логика.: Методы исследования операций. СПД.: СОЮЗ, 1999 – 320с.
  2.  Басовский Л. Е. Прогнозирование и планирование в условиях рынка. Учебное пособие: - М.: ИНФРА- М, 1999. – 268с.
  3.  Бугір М. К. Математика для економістів. Лінійна алгебра, лінійні моделі. Посібник для студентів вищих навчальних закладів: - К.: Видавничий центр “АКАДЕМІЯ”.1998. – 272с.
  4.  Васильков Ю. В.; Василькова А. Н. Компьютерные технологии вычислений в математическом моделировании. Учебное пособие. – М.: Финансы и статистика
  5.  Деордица Ю. С.; Савченко В. Т. компьютерные технологии в маркетинге. – Луганск : ВУГУ,1998. – 238с.
  6.  Егоров В. В.; Парсаданов Г. А. Прогнозирование национальной экономики. Учебное пособие: - М.: ИНФРА- М,  2001. –184с.
  7.  Замков О. О.; Толстопятенко А. В.; Черемных Ю. Н.. Математические методы в экономике. Учебник: - М.: МГУ им. М. В. Ломоносова. Издательство ”ДИС”, 1998.- 368с
  8.  Колемаев В. А. Математика в экономике .Учебник для вузов: - М.:ЮНИТИ, 1998. – 240с.
  9.  Лихтенштейн В. Е.; Павлов В. И. Экономико-математическое моделирование. Учебное пособие: - М.: ”ПРИОР”, 2001. – 448с.
  10.  Малыхин В. И. Математика в экономике. Учебное пособие: - М.: ИНФРА- М, 2001. – 365с.
  11.  Малыхин В. И. Математика в экономике. Учебное пособие: - М.: ИНФРА- М, 2002. – 352с.
  12.  Морозов Т. Г.; Пикулькина  А. В. Прогнозирование и планирование в условиях рынка. Учебное пособие для вузов: - М.: ЮНИТИ – ДАНА, 2000. – 318с.
  13.  Пашута  М. Т.; Калинина А. В.Прогнозування та макроекономічне планування. Навчальній посібник: – К.:МАУП, 1998. – 192с
  14.  Рамазанов С.К.;  Гиркин Е.И Интеллектуальные системы и теория принятия решений” Луганск: ВУГУ, 2000.
  15.  Трухов В.В.; Медников М. Д.; Коробко С. Б. Математические методы и модели для менеджмента.  СПБ .: Издательство ЛАНЬ”, 2000. – 480с.
  16.  Фомин Г. П. Математические методы и модели в коммерческой деятельности. Учебник: -  М.: Финансы и статистика, 2001. – 544с.
  17.  Холберг  Б.; Кинкоф Ш. ; Рей Б. Использование Microsoft Excel . – К.; М.; СПб.: Издательский дом  ”ВИЛЬЯМС ” , 1998. – 736с.
  18.  Шелобаев  С. И. Математические методы и модели в экономике, финансах, бизнесе. Учебное пособие для вузов: - М.: ЮНИТИ – ДАНА,  2000. – 367с.
  19.  Шишкин Е. В.; Чхартишвили  А. Г. Математические методы и модели в управлении. Учебное пособие: - М.: ДЕЛО, 2000. – 440с.


 

А также другие работы, которые могут Вас заинтересовать

81637. У гостях у дієслів майбутнього часу. Дієслова майбутнього часу. Змінювання дієслів майбутнього часу за особами і числами 49.5 KB
  Мета: закріпити знання учнів про часові форми дієслів; навчитись утворювати просту і складену форми дієслів майбутнього часу; змінювати дієслова майбутнього часу за особами та числами; вчити працювати творчо; висловлювати свої думки; виховувати любов до рідної матусеньки.
81638. Іменник (узагальнюючий урок) 40 KB
  Мета: узагальнити знання учнів про граматичні ознаки іменника, розвивати вміння робити висновки та узагальнювати вміння аналізувати, розвивати творчі вміння аналізувати, розвивати творчі здібності, усне і писемне мовлення, виховувати старанність, любов до мови.
81639. Україна на планеті Земля 69.5 KB
  Мета: дати учням загальне уявлення про розташування України на карті; формувати пізнавальні комунікативні компетентності творче мислення; розвивати спостережливість уміння порівнювати класифікувати самостійно робити висновки; виховувати любов до своєї Батьківщини ощадливе ставлення до природи.
81640. Дівчатка й хлопчики 32.5 KB
  Хлопчики підходять до дівчаток і роблять їм комплімент потім навпаки. Діти називають риси характеру дівчаток і хлопчиків. Вчитель підводить їх до висновку що у дівчаток і хлопчиків є спільні риси характеру. Сьогодні поговоримо про дівчаток і хлопчиків жінок і чоловіків і про те чим...
81641. Стосунки зі старшими й молодшими. Образливі слова. Дружба 30.5 KB
  Мета. Довести до дітей значення стосунків і звичок для здоров’я людини. Виховувати шанобливе ставлення до людей різного віку. Обладнання. Зошит, підручник, ілюстрації до казок, кола з паперу червоного, зеленого й жовтого кольорів.
81642. Лики красоты 70.5 KB
  Красота и здоровья учащиеся владеют достаточно теоретическими знаниями о взаимосвязи гигиены спорта красоты и здоровья но в жизни часто не умеют отличить красивое от модного высокое прекрасное от попсы. Учитель Согласно данным опроса старшеклассниц 69 девушек формируют свой идеал красоты...
81643. О. Буцень «Чи є зима?» Розробка уроку українського читання у 2 класі 60 KB
  Українське читання Тема: О.Буценя Чи є зима удосконалювати навички правильного и виразного читання та навички літературного аналізу; формувати вміння працювати над текстом; орієнтуватися в структурі; розвивати самостійність критичність мислення пізнавальні інтереси. формувати соціальну компетентність: учити дітей працювати в парах у групах дискутувати вести діалог; виховувати спостережливість бережливе ставлення до природи культуру мовлення Обладнання: складова таблиця маски картки для читання малюнки черепахи сороки і ворони;...
81644. Відчиняє двері казка 103 KB
  Мета: перевірити і закріпити знання учнів з вивчених тем Українські народні казки та Казки українських письменників; удосконалювати діалогічне та зв’язне мовлення; виховувати гостинність бажання допомагати один одному. Які бувають казки Казки бувають народні і літературні.
81645. Буду я природі другом 86.5 KB
  Мета: поглиблювати навички роботи над різними жанрами творів; розвивати способи і види читання; виховувати бережливе ставлення до природи. II Мовна розминка Учитель Урок з читання почнемо без зупинки з артикуляційної розминки 1. Скоромовка Читання скоромовки дощиком Жовте жито жук жував і з Женею жартував.