WWW.KNIGA.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Книги, пособия, учебники, издания, публикации

 


Pages:     | 1 | 2 ||

«СБОРНИК НАУЧНЫХ ТРУДОВ ВСЕРОССИЙСКОГО СТУДЕНЧЕСКОГО КОНКУРСА ВЫПУСКНЫХ КВАЛИФИКАЦИОННЫХ РАБОТ по направлению Статистика и специальности Математические методы в экономике ...»

-- [ Страница 3 ] --

Рисунок 1– Оценки функций выживаемости для каждого класса Матричный подход к определению ценности абонентов. При сегментации абонентов, проведенной ранее, использовалась только информация о прошлом поведении абонента. Целесообразно модифицировать методику, ориентируясь теперь в большей степени на будущее поведение абонента – предлагается использовать прогнозные значения характеристик абонента при оценке его ценности. Сегментация абонентов на основе матричного подхода позволит выделить те группы абонентов, которые наиболее перспективны для компании в будущем, т.е. будут приносить немалый доход, причем стабильно.

В работе предложена модификация матрицы ценности для абонентов телекоммуникационной компании, по осям которой располагаются вероятность ухода и ожидаемый денежный доход.

В первом квадранте находятся абоненты с высокой вероятностью ухода и низким доходом для компании. Этот квадрант содержит малоценных абонентов. Во втором и третьем квадрантах находятся абоненты, которые можно отнести как к ценным, так и к малоценным абонентам. Абоненты второго квадранта – это перспективные абоненты, а абоненты третьего квадранта – стабильные. Самые ценные абоненты находятся в четвертом квадранте, т.к. абоненты этого квадранта характеризуются низкой вероятностью ухода и высоким приносимым доходом.

При распределении по сегментам ценности абонентов таким способом возникает задача определения и прогнозирования вероятности ухода абонентов, а также прогнозирования денежного дохода от абонентов.

Для моделирования вероятности ухода (yi=0, если абонент i ушел и yi= иначе) в работе использованы деревья решений, модели бинарного выбора и дискриминантный анализ. Прогнозирование денежного дохода осуществлялось на основе адаптивных методов прогнозирования. В частности, оценка модели бинарного выбора для вероятности ухода абонентов имеет вид:

Согласно модели, более высокую вероятность ухода имеют абоненты с большим количеством проговариваемых минут, что говорит о заинтересованности абонента в поиске подходящей компании для снижения затрат на связь. Более низкую вероятность ухода имеют абоненты с длительным действием договора, большой суммой счета и ее абсолютным приростом, а также большим количеством проговариваемых минут на одном номере телефона в течение времени действия договора.





В итоге получено разбиение абонентов на сегменты ценности, границы разбиения на которые устанавливаются с учетом данных о себестоимости абонентов и с учетом точности их распознавания.

Алгоритм оценки ценности абонентов. Разработанные модели в итоге легли в основу предлагаемого алгоритма определения ценности абонента, в том числе и нового.

На первом этапе выбирается абонент с показателями, характеризующими его за какой-то определенный период времени. Если абонент недавно пришел в компанию и информационная база по нему невелика, то в базе ищется наиболее похожий на него абонент (нейросетевое моделирование, в частности, сети Кохонена, или сбор первичных данных, которые уже на начальном этапе помогут отнести абонента к одной из категорий ценных абонентов, или расчет коэффициента сходства нового абонента со старым на основе той или иной метрики расстояния между объектами). Если абонент уже обслуживается в компании, то строится прогноз суммы счета на несколько периодов вперед, что позволяет включить в оценку ценности и фактор доходности абонента.

На втором этапе с помощью моделей бинарного выбора или дерева решений оценивается вероятность ухода и вероятность совершить платеж вовремя.

На третьем этапе определяется вероятность изменения ценности или вероятность перехода в другой сегмент ценности с помощью моделей множественного выбора, в случае наличия необходимой информационной базы об абоненте. Если же информационная база невелика, то используются методы многомерной классификации.

Получаемый в итоге коэффициент ценности абонента изменяется в пределах от 0 до 1. Чем он ближе к нулю, тем ценнее абонент.

Предложенный алгоритм был успешно апробирован на уже обслуживаемых и на новых абонентах.

Выводы. Таким образом, путем решения поставленных задач цель исследования полностью достигнута. Рассмотренные подходы и разработанные модели оценки абонентов нашли применение при проведении ООО «СвязьМедиаСервис» мероприятий, касающихся увеличении эффективности их взаимоотношений с абонентами.

ОПТИМАЛЬНОЕ ПЛАНИРОВАНИЕ В УСЛОВИЯХ ПОЗАКАЗНОГО

ПРОИЗВОДСТВА НА ОАО «ОКТБ КРИСТАЛЛ»

Руководитель: канд. физ.-мат. наук, доцент Л. В. Петрова Поволжский государственный технологический университет, ФГБОУ Тел. каф. ИСЭ: (8362) 68-60-18, факс: (8362) 41-08-72, kise@volgatech.net Металлургический комплекс продолжает оставаться одной из базовых системообразующих отраслей российской экономики. На сегодняшний день доля металлургии в ВВП России составляет около 6%. В связи с этим тема дипломной работы весьма актуальна [5].

Выпускная квалификационная работа построена по результатам деятельности предприятия ОАО «ОКТБ Кристалл», основным производством которого является порошковая металлургия.

Целью данной работы является оптимальное планирование в условиях позаказного производства. Для достижения поставленной цели были решены следующие задачи:

максимизация прибыли;

повышение конкурентоспособности;

снижение себестоимости продукции;

формирование оптимальной производственной программы;

задача распределения подач партий деталей в обработку.

В первой части работы представлена общая характеристика предприятия. Основными конкурентами в машиностроительном сегменте являются профильные предприятия. Доля рынка порошковой металлургии приходящейся на ОАО «ОКТБ Кристалл» в республике Марий Эл (РМЭ) – 42%, хотя еще 12 лет назад эта доля составляла 60%. Таким образом, на исследуемом предприятии необходимо обосновать проведение мероприятий, которые помогут ОАО «ОКТБ Кристалл» вернуть прежние позиции на рынке порошковой металлургии в РМЭ.

Стратегия развития ОАО «ОКТБ Кристалл» нацелена на сохранение стабильно действующего производства и формирование долгосрочных конкурентных преимуществ [1].

В работе проанализированы основные технико-экономические показатели. Установлено, что предприятие прибыльное, способное выполнять свои долговые обязательства. Руководство предприятия стремится к повышению конкурентоспособности своей продукции путем обновления технологического парка оборудования и минимизации затрат на производство.

Во второй части дипломной работы был проведен подробный финансово-экономический анализ. Определено, что хороший темп роста наблюдается у таких показателей как: прибыль от реализации продукции, среднемесячная выработка на одного работника по предприятию, среднемесячная заработная плата, фондовооруженность, показатели рентабельности продаж и текущих активов. При общих положительных тенденциях наблюдается несколько негативных: начисленный износ основных средств; стоимость поступивших основных средств (ОС) меньше стоимости выбывших, и по отношению к общей стоимости ОС первая крайне мала.

В связи с этим сделан вывод, что для реализации основной цели предприятия – максимизации прибыли, необходимо прийти к оптимальной производственной программе, минимизировать затраты на производство продукции, и обновить технологический парк оборудования. Наиболее действенным и менее затратным способом максимизации прибыли является построение модели оптимального планирования в условиях позаказного производства на ОАО «ОКТБ Кристалл».

Третья часть дипломного проекта представляет собой совокупность двух взаимосвязанных моделей. Для удержания своих позиций на рынке порошковой металлургии для ОАО «ОКТБ Кристалл» была составлена оптимальная производственная программа, на основе анализа объема полученных заказов на II квартал 2012 года.

Предлагаемая экономико-математическая модель производственной программы содержит в себе следующие виды ограничений по:

материальным ресурсам;

временным ресурсам;

В качестве целевой функции задан максимальный объем выручки.

Общий вид модели производственной программы [3].

Целевая функция:

Ограничения:

xi - количество i-го изделия (шт.);

ci - выручка с единицы i-го изделия (руб.);

ti - общая трудоемкость единицы i-го изделия (ч.);

T - максимально допустимая квартальная трудоемкость(ч.);

mij - норма расхода j-го вида материала на единицу i-го изделия(руб.);

ki - минимальное количество i-го изделия (шт.);

N - множество изделий (шт.) Mj - объем запаса j-го вида материала (руб.).

Минимально возможный квартальный объем производства определяется из объемов заказов от постоянных потребителей.

В результате моделирования (в Ms Excel) была получена оптимальная производственная программа, при заданных объемах ресурсов. Рассчитанные объемы производства отличаются от поступивших заказов. Увеличенные объемы производства включаются в поступившие заказы, так как изделия-представители отбирались из ежеквартальных долгосрочных заказов.

Дальнейшая оптимизация построена на основании вычисленных объемов продукции и времени изготовления единицы каждого изделия в течение отдельной технологической операции.

Задача построения очередей обработки партий деталей, является наиболее эффективным и реальным способом повышения конкурентоспособности при оптимальном планировании самого производственного процесса. Большое количество деталей и их многократное перемещение в процессе обработки приводят к росту объема незавершенного производства и увеличению числа пунктов промежуточного складирования. Значительную часть производственного цикла составляют потери времени, обусловленные сложной связью между производственными участками. Уменьшая эти потери времени, предприятие получит минимальное время производственного цикла при том же уровне прибыли.

В общем случае, задача о составлении расписания формулируется так:

имеется, n неодинаковых деталей i 1, n которые должны быть обработаны на m различных станках, где j 1, m. Технология обработки определяет порядок прохождения каждой из i деталей по станкам. При заданном времени обработки tij (i-й детали на j-м станке), требуется определить порядок запуска деталей в обработку, чтобы общее время, необходимое для выпуска всех i - деталей было минимальным [2].

Критерий минимизации совокупного производственного цикла:

Ограничительные условия экономико-математической модели задачи:

Tij где Tijн- время начала операции по обработке i детали на j станке;

Tij0- время окончания операции по обработке i детали на j станке;

tij- общее время длительности процесса обработки i детали на j станке.

Ограничение (5) содержит в себе время окончания операции обработки i-го вида деталей на j-м станке, ограничение (6) время начала операции.

Ограничение (7) отражает выполнение условия предшествования для всех единиц планирования при параллельно-последовательном виде движения партий деталей.

Наиболее удачными методами поиска оптимальной очередности запуска деталей в обработку является метод смещений предложенный Ф.И. Парамоновым [4].

Задача моделирования сводится к тому, чтобы время опережения начала и окончания обработки партии деталей каждого наименования на передающем и получающем рабочих местах обеспечивало их непрерывную обработку с максимальной параллельностью.

Расписание загрузки оборудования очень выгодно представляет диаграмма Ганта. Горизонтальные отрезки отражают длительность выполнения работ. Выбрав по горизонтальной оси текущий момент времени и получив оперативную информацию о ходе производства, можно сопоставить фактическое и планируемое состояние. Линии Ганта (горизонтальные отрезки), располагаются напротив основного технологического оборудования в последовательности, соответствующей производственному расписанию.

В результате реализации алгоритма модели получено, что при увеличении объема заказов и при увеличении объемов одновременно запускаемых партий деталей предприятие будет получать большую прибыль, чем выполняя те же поступившие заказы поочередно. Чем меньше смещения между партиями обрабатываемых деталей и чем больше пропускная способность оборудования, тем больше прибыль предприятия. Следует отметить, что прибыль предприятия растет не только за счет увеличения объема заказов, но и за счет сокращения простоев оборудования.

В результате дипломного проектирования была сформирована оптимальная производственная программа на основании имеющихся объемов заказов. Для полученной производственной программы построена очередь обработки партий деталей таким образом, чтобы сократить общее время производственного цикла и минимизировать простои оборудования. Результаты предложенной методики были подробно проанализированы в процессе расчета эффективности проекта.

Проанализировав полученные результаты, можно сделать вывод о том, что предприятие ОАО «ОКТБ Кристалл» недостаточно эффективно использует свои ресурсы и производственные мощности; в результате получает прибыль меньше должного уровня. С предоставленным объемом ресурсов и при правильном распределении очередности обработки партий деталей предприятие может выполнять значительно больший объем заказов. При увеличении общего числа заказов и объема одновременно производимых деталей снизится себестоимость продукции, что в результате приведет к увеличению прибыли предприятия и к повышения конкурентоспособности предприятии на рынке РМЭ. Результаты работы были представлены руководству ОАО «ОКТБ Кристалл»; имеется справка о предполагаемом внедрении.

Список литературы 1. Ефимова, О.В. Финансовый анализ: учебник [Текст] / О.В. Ефимова, – Москва: Бухгалтерский учет, 2001.-С.72-76.

2. Загидуллин Р.Р. Управление машиностроительным производством с помощью MES, APS, ERP: учебник [Текст] / Р.Р.Загидуллин, - Уфа:

Автоматизация машиностроения, 2011. - 372с.

3. Орлова, И.В. Экономико-математические методы и модели: компьютерное моделирование [Текст] : учеб. Пособие для вузов по специальности "Статистика" и другим экономич. Специальностям / И.В.

Орлова, В.А. Половников; Вузовский уч. - М. ; Бирск : БирГСПА, 4. Парамонов, Ф.И. Теоретические основы производственного менеджмента [Текст]: Учебник / Ф.И. Парамонов, Ю.М. Солдак, -М.:

Бином. Лаборатория знаний, 2003.-338 с.

http://www.gks.ru/wps/wcm/connect/rosstat/rosstatsite/.

РАЗРАБОТКА МЕХАНИЗМА ФОРМИРОВАНИЯ ФЕДЕРАЛЬНЫХ

ЦЕЛЕВЫХ ПРОГРАММ НА ОСНОВЕ МИНИМАКСНОГО МЕТОДА

ОПТИМИЗАЦИИ

Электронная почта кафедры: kafedra@kiber-guu.ru Дипломное исследование посвящено проблемам формирования аналитического сопровождения федеральных целевых программ.

В настоящее время большое внимание в качестве активного инструмента воздействия на процессы социально-экономического развития страны привлекают федеральные целевые программы (ФЦП) Под программой в контексте государственной экономики понимается увязанный по задачам, ресурсам и срокам комплекс мероприятий, обеспечивающих эффективное решение системных проблем в области государственного, экономического, экологического, социального и культурного развития общества. Целевые программы признаны эффективным инструментом, но на практике существует множество нерешенных проблем, таких как: несоответствие мероприятий поставленным целям программы, несоблюдение сроков, нескоординированность мероприятий, проектов и работ программ, невыполнение обязательств, масштабность решаемых задач, несогласованность исполнителей и т.д. В дипломной работе сконцентрировано внимание на совершенствование механизмов разработки и реализации программ. В этой связи целью исследований явилась разработка элементов экономикоматематического обеспечения механизма формирования ФЦП. Для достижения поставленной цели решены следующие взаимосвязанные задачи:

изучена специфика и опыт применения программно-целевого метода;

обосновано использование методов многокритериальной оптимизации в задачах формирования ФЦП, в частности применения минимаксного метода;

разработаны программные модули автоматизации расчетов и проведения тестов;

проведён анализ полученных результатов;

Объект исследования дипломной работы – федеральные целевые программы.

Предмет изучения дипломной работы – механизмы формирования ФЦП.

Данные вопросы рассматриваются в рамках совместных исследований сотрудников кафедры математических методов в управлении(до 30.08. кафедра экономической кибернетики) института информационных систем управления Государственного университета управления О.М. Писаревой и Лаборатории экспериментальной экономики(ЛЭЭ) ЦЭМИ РАН Г.М. Татевосяна и С.В. Седовой.Дипломная работа выполнялась на основе материалов, полученных в рамках научно-исследовательской и преддипломной практики в ЛЭЭ Центрального экономико-математического института РАН.

Использованные методы в работе – методы многокритериальной оптимизации, методы экспертных оценок, эконометрические методы.

Информационная база – объемы финансирования ФЦП (в частности программы «Юг России» и проекта программы «Стратегия развития химической и нефтехимической промышленности до 2015 года»).

По результатам промежуточных исследований сделан доклад на студенческой конференции в ноябре 2011 года. По итогам дипломной работы подготовлено выступление на тему «Аналитическое обеспечение планирования федеральных целевых программ» на 20-ой Всероссийской студенческой конференции «Проблемы управления». По итогам конференции будет опубликована статья в сборнике «Проблемы управления – 2012» [1]. Также результаты научных и практических исследований на тему «Разработка информационно-аналитического обеспечения процесса сопровождения федеральных целевых программ» участвовали во «Всероссийском конкурсе научно-исследовательских работ студентов и аспирантов в области информатики и информационных технологий» (2012), по итогам конкурса напечатана статья [2].

Структура работы представлена введением, двумя главами, 7 параграфами, заключением, списком литературы и приложениями.

В дипломной работе использовано 17 таблиц, 24 рисунка, 22 приложения, 32 источника. Общее количество страниц дипломной работы – 81 (без приложений).

Во введении определены актуальность темы, цели и задачи, поставленные в дипломной работе, и объект и предмет исследования.

Первая глава состоит из 3 параграфов. В первой части представлен исторический анализ развития программно-целевого метода, то есть, рассмотрены основные характеристики директивного и индикативного подходов к планированию. В качестве примера директивного планирования описан опыт применения программ в СССР (приведены основные вехи, проблемы, их причины и последствия), а директивного – США, Германия, Япония. Во втором параграфе изучены место и роль программно-целевого планирования в практике управления экономикой: приведены основные черты и признаки программно-целевого метода, классификации программ по различным основаниям, этапы процедуры программно-целевого планирования на государственном уровне. В третьем параграфе проанализирована реализация целевых программ в Российской Федерации за период 2004в частности рассмотрены следующие вопросы: соответствия фактического финансирования и софинансирования программ планам, анализ структуры расходов ФЦП по приоритетам, количественный анализ государственных заказчиков ФЦП приоритет «Региональное развитие» ( г.). Таким образом, данная глава дипломной работы позволяет сформулировать понимание проблем в создании ФЦП, а также оценить программноцелевой метод как активный инструмент регулирования экономики.

Во второй главе объединены как математическая постановка решаемой задачи, так и ее программная реализация. Данная глава состоит из 4 параграфов. В первой части уделяется особое внимание специфике ФЦП как объекта моделирования: рассматриваются основные проблемы в реализации ФЦП и направления поиска их решений, экономические интересы участников программ, обоснована возможность применения моделей многокритериальной оптимизации, приведен подробный механизм формирования ФЦП. Во втором параграфе произведен сравнительный анализ методов многокритериальной оптимизации, также рассматривается возможность применения метода минимаксной свертки. В третьем параграфе описан программный модуль «LINGOCONV». Данный модуль разработан с целью автоматизации процесса формирования промежуточной задачи для реализации минимаксного метода. В четвертом параграфе применяется разработанная схема формирования ФЦП на примере фрагмента программы «Юг России» и проекта отраслевой программы «Стратегия развития химической и нефтехимической промышленности до 2015 года». Проведен анализ полученных вариантов. Итогом работы стал усовершенствованный механизм формирования ФЦП и разработанный программный продукт LINGOCONV.

В заключение сделаны выводы о проделанной работе и подведен итог исследованию.

Использованные в работе инструментальные средства: MicrosoftOfficeExcel – для обработки собранной статистической информации и написания макроса на языке VisualBasic, LINGO (LINDO) – для решения задач оптимизации, LINGOCONV – для автоматизации процесса формирования промежуточной задачи для реализации минимаксного метода задачи в формате ltx.

Программным обеспечением для модуля LINGOCONV стал табличный процессор MicrosoftExcelи встроенный язык программирования VBA. Данный модуль позволяет анализировать структуру модели, то есть вычисляет количество ограничений, целевых функций и переменных, также распознает тип частного критерия (дробно-рациональный или нет) и переменных (целочисленная или непрерывная). Далее происходит формирование промежуточной задачи для реализации минимаксного метода на основе параметров, веденных пользователем. Полученные результаты сохраняются в файле с разрешением ltx для передачи в оптимизационную программу LINGO с целью дальнейшей обработки. В данное время описанный программный модуль имеет свое применение в ЛЭЭ ЦЭМИ РАН при решении задач формирования и сопровождения проектов ФЦП, а также крупных инвестиционных программ развития реального сектора российской экономики.

Список статей:

1. Луценко Е.Ю. Аналитическое обеспечение планирования федеральных целевых программ // Проблемы управления - 2012 [Текст]:

Материалы 20-й Всероссийской студенческой конференции. Выпуск 1; Государственный университет управления. - М.: ГУУ, 2012.

(с.148-149, в печати).

2. Луценко Е.Ю. Разработка информационно-аналитического обеспечения процесса сопровождения федеральных целевых программ // Всероссийский конкурс научно-исследовательских работ студентов и аспирантов в области информатики и информационных технологий: сб. науч. работ: в 3 т. – Белгород: ИД «Белгород», 2012. –

ОЦЕНКА И ПРОГНОЗИРОВАНИЕ ЭКОНОМИЧЕСКОЙ

ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ СИСТЕМЫ ПОДАЧИ

СМАЗОЧНОГО МАТЕРИАЛА MIDAS В ТЕХНОЛОГИЧЕСКОМ

Научный руководитель: Поликарпова Мария Геннадьевна К.э.н., доцент кафедры «Математические методы в экономике»

Российская Федерация является одним из основным поставщиков металлопродукции на мировом рынке Магнитогорский металлургический комбинат входит в число крупнейших предприятий черной металлургии России. В конце 2011 года начале 2012 года наблюдался значительный рост спроса на отечественную металлопродукцию как внутри страны, так и за рубежом (на 26,2% и 28,9% соответственно). Однако, в последнее время на мировом рынке металлопродукции значительно укрепил свои позиции Китай, который способен составить значительную конкуренцию отечественным производителям как в отношении качества предлагаемой продукции, так и по проводимой ценовой политике.

Для поддержания лидирующей позиции среди предприятий черной металлургии и конкурентоспособности продукции ОАО «ММК» необходимо с одной стороны обеспечить высокое качество проката и увеличивать производительность станов, а с другой стороны добиться снижения удельных затрат выпуска. В связи с вышеперечисленными задачами в качестве приоритетного направления исследований данной отрасли является оптимизация энергоэффективности процесса горячей прокатки.

Одним из способов повышения эффективности горячей прокатки является применение технологической смазки. Применение смазочного материала способствует снижению энергосиловых параметров, а также увеличению срока службы оборудования.

В 2008 году в условиях широкополосового стана горячей прокатки была смонтирована и опробована система подачи технологической смазки.

Данная система предназначена для подачи водно-масляной дисперсии на опорные валки трех клетей чистовой группы стана 2000.

Таким образом, цель работы – оценка экономической эффективности внедрения системы подачи смазочного материала в технологию производства горячекатаного проката на НШСГП «2000» и разработка модели, позволяющую прогнозировать энергосиловые параметры процесса.

Анализ эффективности влияния применения смазочного материала на энергосиловые параметры прокатки Для решения данной задачи был проведен статистический анализ массива экспериментальных данных. Из теории и практики горячей прокатки известно, что подача смазочного материала на валки при горячей прокатке способствует уменьшению сил внешнего трения (коэффициента трения) на контактных поверхностях и в очаге деформации. От сил внешнего трения зависят в той или иной мере все кинематические и энергосиловые параметры прокатки. Особенно важно, что с уменьшением сил трения снижаются давление на валки и расход энергии. Графически усредненные значения силы тока для каждой клети чистовой группы представлены на рисунке 1.

Рисунок 1 - Усредненные значения силы тока при прокатке.

Проверка значимости изменений энергосиловых параметров проводилась на основе t-статистики Стьюдента. С доверительной вероятностью 99% влияние смазочного материала на изменение энергосиловых параметров является статистически значимым для клетей №№ 7 – 10 и №12. Влияние смазочного материала на энергосиловые параметры для клети №11 является значимым с вероятностью 85% Таким образом, изменения в средних значениях описательных статистик энергосиловых параметров являются неслучайными отклонениями.

Применение смазочного материала оказывает непосредственное влияние на снижение энергосиловых параметров в клетях №№7-9. Кроме того, в клетях №№10 – 12 чистовой группы НШСГП «2000», наблюдается косвенный эффект от влияния смазочного материала, который подается на валки клетей №№7 – 9. Наличие смазочного материала впоследствии, можно использовать как фиктивную переменную при построении прогнозной модели.

Эффект от внедрения системы технологической смазки в процесс горячей прокатки заключается в снижении удельного расхода электроэнергии на тонну металлопродукции и в снижении износа рабочих и опорных валков Удельный расход энергии при горячей прокатке является важным элементом, заключающим в себе эффективность самого процесса и мер по его улучшению. С помощью специальной методики был рассчитан удельный расход энергии для клетей чистовой группы. В среднем, по всем рассматриваемым клетям чистовой группы экономия от снижения затрат электроэнергии составляет 2,33%. Учитывая стоимость электроэнергии среднемесячная экономия составляет 114 тыс. руб. Тогда, при бесперебойном функционировании системы подачи смазочного материала годовая экономия от снижения энергозатрат составит 1, 4 млн рублей.

Кроме того, специалистами был оценен предельный срок службы валков, как с подачей смазочного материала, так и без него. При использовании смазочного материала предельный срок службы валков увеличивается на 23,8%. Соответственно требуемое количество рабочих валков в год сокращается с 15 до 12 пар, и, учитывая стоимость одного рабочего валка, экономия от снижения износа валков, при применении технологической смазки составляет в год: 7,5 млн. руб.

Суммарный эффект от внедрения системы подачи смазочного материла, составляет почти 9 млн. рублей в год.

Для оценки эффективности инвестиций было рассмотрено три показателя:

1) Срок окупаемости проекта составил 3 года. Дисконтированный срок окупаемости – 3 года 5 месяцев, что значительно меньше установленного срока службы оборудования, исходя из данной оценки на текущий момент технология полностью себя окупила.

2) Внутренняя норма доходности составила 30,89%;

3) Чистый дисконтированной доход, в соответствии со ставкой дисконтирования, рассчитанной по модели CARM равняется 29,433 млн. руб.

Внедрение в технологический процесс горячей прокатки системы подачи смазочного материала MIDAS является экономически выгодным, так как NPV 0. Это означает, что в течение своей экономической жизни проект, возместив первоначальные затраты, обеспечит получение дополнительной прибыли в размере 29 млн. рублей согласно заданной норме дисконтирования.

Подбор математической модели для прогнозирования параметра силы тока в зависимости от заданных условия прокатки Одним из перспективных направлений исследования процесса является разработка адекватной и достаточно точной модели, которая позволила бы на основе теоретических данных о прокатываемом сортаменте прогнозировать энергосиловые параметры горячей прокатке на НШСГП 2000. Построение подобной модели способно открыть новые возможности для исследования процесса проката, его оптимизации и повышения энергоэффективности. Однако, ключевым моментом, является возможность применения прогностической модели для планирования затрат на электроэнергию, исходя из сведений о прокатываемом сортаменте (в том числе для ранее не прокатываемых марок стали).

В рамках решения задачи нахождения оптимальной прогнозной модели было рассмотрено два метода:

1. Моделирование при помощи регрессионного анализа;

2. Нейросетевое моделирование.

Для построения моделей была проведена обработка большого массива имеющихся статистических данных, в котором были собраны значения силы тока (I, А), давления (P,тн), окружной скорости валков (Vp, об/м), относительного обжатия в клети (,%) при работающей и выключенной системе технологической смазки для различных марок стали прокатываемых в различное время по клетям чистовой группы.

В рамках регрессионного анализа для получения несмещенных, состоятельных и эффективных оценок, был применен обобщенный метод наименьших квадратов. Исходные данные были преобразованы с использованием коэффициента автокорреляции первого порядка. В результате построение ОМНК оценок были получены значимые уравнения регрессии для каждой клети чистовой группы. Ниже приведена регрессионная модель для прогнозирования энергосиловых параметров для клети №7 (1). Коэффициент детерминации для данной модели составил R2 = 0,72, это означает, что 72 % вариации результирующего признака объясняется вариацией объясняющих параметров модели.

Где: D1 – фиктивная переменная, характеризующая применение смазочного материала при прокатке;

D22 – фиктивная переменная, отражающая принадлежность прокатываемой стали к 3 группе по выкатываемости в соответствии с технологической инструкцией;

D24 - фиктивная переменная, отражающая принадлежность прокатываемой стали к 5 группе по выкатываемости.

Вторым видом рассматриваемых моделей прогнозирования были нейросетевые модели. По сравнению с линейными методами статистики нейросети позволяют эффективно строить нелинейные зависимости, более точно описывающие наборы данных. Основной проблемой при построении нейросетевых моделей является отсутствие четких рекомендаций и процедур выбора той или иной архитектуры нейронной сети, поэтому были рассмотрены нейросети с различными архитектурами и передаточными функциями. В результате было получено шесть частных нейросетевых моделей для каждой клети. Помимо частных нейросетевых моделей, обученных по отдельным клетям независимо друг от друга, были также рассмотрены общие нейросетевые модели.

В качестве оценки прогнозной точности моделей было рассмотрено показателя:

1) Средняя относительная ошибка 2) Максимальная относительная ошибка 3) Вероятность возникновения больших ошибок 4) Вероятность возникновения критических ошибок.

Наименьшие средние относительные ошибки для клетей №8 – 12 показали частные нейросетевые модели. Кроме того, вероятность возникновения критических ошибок для данных моделей минимальна. При прогнозировании значений «силы тока» для клети №7 наиболее точной оказалась общая нейросетевая модель.

Таким образом, были разработаны модели, позволяющие прогнозировать снижение параметра силы тока и затрат электроэнергии при применении смазочного при заданных условиях проката на НШСГП 2000 ОАО «Магнитогорский металлургический комбинат». Как показали исследования, проведенные в ходе написания данной работы внедрение в технологический процесс горячей прокатки системы подачи смазочного материала MIDAS является экономически выгодным. Среднегодовая экономия от снижения затрат на электроэнергию при применении смазочного материала экономия составляет 1 371 516 руб. (2,33%), от снижения износа рабочих валков - 7 585 260 руб. (23,8%). В течение своей экономической жизни проект возместит первоначальные затраты и обеспечит получение дополнительной прибыли в размере 29 млн. рублей.

МОДЕЛИРОВАНИЕ РАЗВИТИЯ БЮДЖЕТНО-НАЛОГОВОГО

ПОТЕНЦИАЛА МУНИЦИПАЛЬНЫХ ОБРАЗОВАНИЙ

(НА ПРИМЕРЕ МУНИЦИПАЛЬНЫХ ОБРАЗОВАНИЙ

РЕСПУБЛИКИ ТАТАРСТАН)

Казанский Национальный Исследовательский Технологический Университет, +79872964430, axyanova@rambler.ru В настоящее время Россия представляет собой совокупность крайне неоднородных по уровню экономического развития регионов. Резкое различие между их промышленными, ресурсными, инновационными, инвестиционными потенциалами ведет к проблеме больших региональных бюджетно-налоговых диспропорций. В этих условиях выявление бюджетноналогового потенциала (БНП) региона и поиск путей увеличения доходной части территориального бюджета представляются особенно важными, что определяет актуальность избранной темы исследования.

Существует множество различных подходов к анализу состояния БНП на региональном и муниципальном уровнях. После рассмотрения всех подходов, была предложена следующая методология исследования развития.

На первом этапе были рассмотрены региональные особенности формирования БНП на примере Республики Татарстан (РТ).

Второй этап включает в себя анализ структурной динамики БНП РТ, в рамках которого была рассмотрена структура доходной части консолидированного бюджета РТ за 2009-2011 гг. и выявлены самые устойчивые налоги в структуре консолидированного бюджета республики – НДФЛ и налог на прибыль. Поступление НДФЛ в 2011 году составило 39,3 млрд.

рублей, это 31,2 % от общего объема налоговых поступлений в консолидированный бюджет РТ, а в свою очередь поступление налога на прибыль за 2011 год составило 48,8 млрд. рублей, это 38,8% от общей суммы поступивших доходов.

Далее был произведен расчет индексов структурных различий Рябцева, с помощью которых был сделан вывод о достаточной устойчивости структуры налоговых поступлений по республике, также и по муниципальным образованиям (МО) РТ.

Однако, для РТ, так же как и для многих других субъектов РФ, характерна неоднородность в развитии МО. Расчеты по последним данным показывают, что распределение МО республики по децильным группам таково, что первая группа концентрирует 72,9% республиканского ВРП. На долю же десятой группы приходится только 2% ВРП. Учитывая вышесказанное, дальнейшее исследование проводилось с использованием методов многомерного анализа. Значимость методов многомерного статистического анализа повышается также в силу того, что БНП – это явление, обусловленное действием многочисленных экономических факторов. Именно с помощью многомерных методов и решаются задачи описания связей между большим числом объектов, выявления структуры данных по нескольким признакам одновременно, обнаружения объективно существующих, но не наблюдаемых закономерностей.

На третьем этапе исследования состояния и развития БНП МО РТ был проведен комплексный многомерный анализ, с использованием показателей, влияющих на уровень БНП МО РТ:

х1 – налоговые и неналоговые доходы бюджета на душу населения х2 – среднегодовая численность постоянного населения (тыс. чел.);

х3 – среднемесячная номинальная начисленная заработная плата работников крупных и средних предприятий и некоммерческих организаций (тыс. руб.);

х4 – число субъектов малого и среднего предпринимательства (ед. на х5 – число прибыльных сельскохозяйственных организаций (ед.);

х6 – объем инвестиций в основной капитал в расчете на 1 жителя х7 – отгружено товаров собственного производства в расчете на 1 рабочего (тыс. руб.);

х8 – объем работ, выполненных по виду деятельности «строительство» в расчете на душу населения (тыс. руб.);

х9 – общая площадь жилых домов, введенных в эксплуатацию в расчете на душу населения (кв. м.);

х10 – финансовый результат прибыльных организаций (тыс. руб.).

В результате многомерного исследования были достигнуты следующие результаты:

1) с помощью факторного анализа была снижена размерность задачи путем выделения трех обобщенных факторов, включающих в себя различные комбинации показателей: F1 - фактор, определяющий экономическое состояние МО; F2 характеризует уровень развития строительства в МО РТ;

F3 характеризует обеспеченность МО предприятиями сельского хозяйства, малого и среднего бизнеса.

2) Распределения МО в системе обобщенных факторов F1 - F2 и F1 - F позволили выявить в данной выборке МО РТ, обладающие специфическими особенностями. Это обусловлено наличием территориальной дифференциации МО РТ по уровню развития БНП. Из всей совокупности выделяются Альметьевский и Нижнекамский районы как безусловные лидеры.

Данные МО РТ обладают высоким уровнем практически по всем имеющимся показателям. Также к группе лидеров можно отнести Тукаевский, Верхнеуслонский, Новошешминский, Лаишевский и Сабинский районы.

Вторая группа аномальных МО, включающая Алькеевский, Апастовский и Атнинский районы, характеризуется очень низкими значениями показателей. Таким образом, данные аномальные МО РТ были исключены из дальнейшего анализа.

3) На основании сформированных факторов был проведен иерархический кластерный анализ, который разделил МО РТ на 3 кластера по уровню развития БНП: МО с высоким уровнем развития БНП, со средним уровнем развития БНП и с низким уровнем развития БНП. Далее с помощью метода К-средних определена принадлежность МО к тому или иному кластеру.

На четвертом этапе исследования в рамках первого и третьего кластеров, выделенных ранее на предыдущем этапе исследования, была проведена оценка эффективности налоговой политики с использованием метода охвата данных. Сущность метода заключается в получении максимально возможной оценки эффективности единицы принятия решений на множестве всех сравниваемых единиц. Фактически речь идет о стандартной задаче оптимального программирования, в которой критерием эффективности является соотношение комбинаций выходных и входных параметров, имеющих весовые коэффициенты (управляемые переменные), для конкретной единицы принятии решения:

при ограничениях:

где b 1, I - множество сравниваемых единиц принятия решения;

k 1, K - множество показателей результатов деятельности на выходе;

j 1, J - множество видов располагаемых ресурсов на входе;

x ji, y ki - входные и выходные параметры i-й единицы принятия решения ( x ji 0, y ki 0) ;

v ji, w ki - весовые коэффициенты, присвоенные каждому входному и выходному параметру;

e i - эффективность i-й единицы принятия решения.

В ходе решения приведенной задачи проводилось сравнение i-й единицы принятия решения со всеми другими единицами принятия решения – b и оценивалась эффективная граница, определяющая наилучшие комбинации выходных параметров при заданном сочетании входных параметров.

В качестве входных параметров были выбраны ранги следующих показателей: среднегодовая численность постоянного населения, число субъектов малого и среднего предпринимательства и объем инвестиций в основной капитал в расчете на 1 жителя. В качестве выходной информации, которая должна отражать результат, были выбраны ранги по уровню налоговых и неналоговых доходов бюджета на душу населения и по показателю «финансовый результат прибыльных организаций».

В результате было получено распределение МО РТ по уровню БНП и уровню эффективности налоговой политики по кластерам. Полученная группировка МО позволила выявить «передовые» районы в рамках каждого кластера, способные при меньших ресурсах достигать результаты, сопоставимые с крупными МО РТ.

Таким образом, проведенное исследование показало, что в настоящее время половина МО РТ обладают низким уровнем развития БНП. В то же время есть районы, характеризующиеся хорошей способностью извлекать результат из имеющихся ресурсов. Для «передовых» районов с высоким уровнем развития БНП характерным является преобладание доли химического и нефтехимического сектора в бюджетных доходах данных муниципальных образований (около 40%). Но как показывает опыт развитых стран, доходы от малого бизнеса должны составлять 40% дохода бюджетов. А для этого необходимо создание условий для развития и укрупнения малого и среднего бизнеса, что в свою очередь приведет к росту совокупного результата хозяйственной деятельности и покупательной способности населения МО, регионов и страны в целом. В этом заключаются основные перспективы и возможности увеличения производственного и потребительского потенциала регионов.

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ

ДИНАМИКИ МАКРОЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ

УДМУРТСКОЙ РЕСПУБЛИКИ

тел. 8-950-814-72-60, e-mail: daiana1604@yandex.ru тел. 8-950-834-01-02, e-mail: e.v.trushkova@gmail.com Введение Прогнозирование является одним из важных инструментов, применяемых при формировании стратегии и тактики общественного развития.

Основными макроэкономическими показателями, с помощью которых можно оценить состояние региональной экономики, являются производственный капитал, человеческий капитал и валовой региональный продукт.

Производственный капитал (основные производственные фонды – ОПФ) является материально-технической основой процесса производства и пополняется за счет капитальных вложений. Прогнозирование объемов инвестиций в производственный капитал будем осуществлять эконометрическими методами. Прогнозирование же величины и динамики самого производственного капитала будем выполнять на основе модели производственного капитала.

Наряду с производственным капиталом важным макроэкономическим показателем является человеческий капитал. Он представляет собой запас знаний, навыков, опыта, здоровья и культуры. Будем выделять следующие составляющие человеческого капитала: капитал образования, капитал здоровья, капитал культуры. Прогнозирование объемов инвестиций в составляющие человеческого капитала будем осуществлять эконометрическими методами. Прогнозирование динамики человеческого капитала будем проводить на основе модели человеческого капитала.

При решении задач прогнозирования экономической динамики используются производственные функции. В качестве входных факторов – факторов производства – будем рассматривать производственный и человеческий капитал, а в качестве выходного показателя экономической системы – валовой региональный продукт.

Валовой региональный продукт (ВРП) является главной характеристикой результатов производства и используется для оценки уровня экономического развития, темпов экономического роста, анализа производительности труда в экономике.

Прогнозирование валового регионального продукта будем осуществлять на основе построенной производственной функции.

Логическая схема исследования приведена на рисунке 1.

Прогнозирование объемов инвестирования в производственный и человеческий капитал будем осуществлять такими эконометрическими методами, как регрессионный и авторегрессионный анализ, а также методом главных компонент.

Для выбора модели прогнозирования объемов инвестирования в производственный и человеческий капитал исходную базу статистических данных будем делить на обучающее learn и тестовое объемов инвестирования факторов производства валового регионального на основе корреляционно- на основе экономико- на основе производственной регрессионного анализа математических моделей функции производственные Рисунок 1 – Логическая структура исследования 1. Прогнозирование инвестиций в производственный и человеческий капитал Выбор наилучшей модели прогнозирования осуществлялся на основе следующих показателей: средняя абсолютная ошибка ; среднеквадратичная ошибка ; нормированная среднеквадратичная ошибка N ; коэффициент корреляции расчетных и статистических значений r ; средняя относительная погрешность.

В качестве исходных данных по объемам инвестирования в производственный капитал Удмуртской Республики за период 1996-2010 годы используются статистические данные, представленные на официальном сайте Федеральной службы государственной статистики РФ. Для повышения точности моделирования производится сглаживание временных рядов методом скользящей средней.

Для прогнозирования инвестиций в производственный капитал используется уравнение авторегрессионного процесса второго порядка:, при этом средняя относительная погрешность составляет 4,8%.

Исходные данные об объемах инвестирования в человеческий капитал УР за период 1996-2010 годы рассчитываются на основании статистических данных, представленных на сайте Казначейства России.

Для построения прогнозной динамики инвестиций в образование УР выбрана модель авторегрессионного процесса первого порядка, при этом средняя относительная погрешность составляет 5,9%.

Для прогнозной динамики инвестиций в здравоохранение УР на 2011годы используется линейная модель.

Для прогнозирования динамики инвестиций в культуру УР используется логарифмическая модель, поскольку она обладает наименьшей средней относительной ошибкой.

Спрогнозировав объемы инвестирования в ОПФ и человеческий капитал на 2011-2015 годы, можем построить прогноз величины производственного и человеческого капитала на этот же период.

2. Прогнозирование величины и динамики факторов производства региональной экономической системы Для моделирования динамики основных производственных фондов используется следующую экономико-математическую модель:

с начальными условиями:

где K (t ) – величина ОПФ в момент времени t ; I k (t ) – величина инвестиций в производственный капитал в момент времени t ; – коэффициент выбытия ОПФ, рассчитан по статистическим данным УР и составляет 0,116.

В результате решения дифференциального уравнения (1)-(2) с использованием численной схемы явного метода Эйлера и с учетом прогнозных значений инвестиций в ОПФ УР получили прогнозные значения величины производственного капитала УР на период 2011-2015 годы (см. таблицу 1).

Для анализа и прогноза динамики человеческого капитала используется экономико-математическая модель:

где H (t ) – величина человеческого капитала в момент времени t ; J (t ) – величина инвестиций в человеческий капитал в момент времени t ; – норма амортизации человеческого капитала; – средняя доля населения, участвующая в производстве. Коэффициенты и рассчитываются по статистическим данным и для экономической системы УР составляют 0,016 и 0,739 соответственно.

Для численного решения дифференциального уравнения (3)-(4) также использовалась явная схема Эйлера и с учетом прогнозных значений инвестиций в человеческий капитал получена динамика прогнозных значений человеческого капитала УР на 2011-2015 годы, которая представлена в таблице 1.

3. Прогнозирование валового регионального продукта на основе производственной функции Рассмотрим производственную функцию, как зависимость объема произведенного продукта Y от таких факторов производства, как величина производственного капитала K и величина человеческого капитала H, объединяющего в себе количественные и качественные демографические характеристики: Y F K, H. Производственную функцию региона примем в виде функции Кобба-Дугласа:

Построение производственной функции (5) проводится на сглаженных статистических данных по значениям человеческого капитала, производственного капитала и валового регионального продукта за период 1996годы.

Параметры производственной функции УР оцениваем методом МНК:

при этом коэффициент детерминации составил R 0,90, статистика Фишера F 114,5.

Прогнозная динамика производственного и человеческого капитала дает возможность спрогнозировать по построенной производственной функции (6) валовой региональный продукт УР (см. рисунок 2 и таблицу 1).

Рисунок 2 – Динамика величины валового регионального продукта УР с 1996 по 2010 годы и его прогноз на период 2011-2015 годы Сводная таблица по прогнозам макроэкономических показателей УР на Согласно проведенным оценкам в перспективе до 2015-го года прогнозируется замедление темпа снижения показателя в прогнозном периоде по сравнению с темпами падения последних лет, которые в среднем составили 6,5 % за период 2008-2010 годы. Средний темп прироста объема валового регионального продукта на 2011-2015 годы достигнет 2,6%. В случае сохранения сложившихся тенденций в экономической системе прогнозное значение ВРП в 2015-м году составит 299 383 млн. руб., что на 13,2 % выше, чем в 2010-м году.

МОДЕЛИРОВАНИЕ ПОТЕНЦИАЛА ТРУДОВЫХ РЕСУРСОВ

И СТОИМОСТНЫХ ХАРАКТЕРИСТИК

ДЕМОГРАФИЧЕСКИХ ПОТЕРЬ

Проблема оценки стоимости человеческой жизни волновала философов и ученых во все времена. Само понятие это появилось еще в глубокой древности, когда необходимо было исчислить суммы материальных возмещений родным и близким погибших, а также штрафы государству за преступления. Поскольку человек является очень важным ресурсом государства, то оценка стоимости среднестатистической жизни и экономического ущерба от преждевременных демографических потерь требует внимательного изучения.

Рассмотрим моделирование потенциала трудовых ресурсов и стоимостных характеристик демографических потерь на основе работы [1] на примере Удмуртской Республики.

Для оценки упущенной выгоды для экономики Удмуртской РеспубликиРРРРРРРРрРыфлупфми, связанной с потерей демографического элемента в возрасте, рассмотрим расходы бюджета региона на образование, культуру, здравоохранение и на социальную политику.

Пусть BN t, - сумма расходов бюджета региона на ту или иную статью N в момент времени t на демографическую единицу возраста. В результате получим распределение удельных суммарных расходов бюджеqt, (см. рисунок 1):

та по возрастам t, – распределения населения по возрастам в момент времегде Рассмотрим экономические показатели региона за 2010 год, для этого воспользуемся статистическими данными по численности занятых в экономике Lt, основным производственным фондам K t, валовому региональному продукту Y t, общему объему заработной платы Gt и объему потребления Rt за 2010 год (см. таблицу 1).

Рассчитаем средние удельные значения экономических показателей:

производительность труда y t, заработную плату g t, объем потребления r t и прибавочный продукт w t (см. таблицу 2).

Расчетные значения средних удельных величин для экономики УР Год руб./чел./год руб./чел./год руб./чел./год руб./чел./год Упущенная выгода экономической системы региона, связанная с потерей среднестатистического демографического элемента возраста в момент времени t, рассчитывается по формуле (2):

t, – повозрастной коэффициент смертности, который рассчигде тывается как отношение числа смертей в возрасте к среднегодовой численности в этом возрасте; t, – доля демографических элементов возраста, участвующих в формировании величины заработной платы g (t ) и – нормированные шкалы распределения среднего удельного значения производительности труда, заработной платы, объема потребления и прибавочного продукта.

На рисунке 1 представлен график упущенной выгоды при выбытии демографического элемента в возрасте для 2010 года.

u (t, ) 106, руб./чел./год Рисунок 1 – Упущенная выгода для экономики региона при выбытии демографического элемента в возрасте на момент времени t 2010 год В соответствии с проведенными расчетами можно сделать следующие выводы: в случае выбытия демографической единицы в возрасте до года величина упущенной выгоды составляет 0,7 млн. руб.; с увеличением возраста смерти данная величина растет, достигая своего максимального значения к возрасту 22-х лет (1,75 млн. руб.) и в последующем периоде имеет отрицательную динамику. Начиная с возраста 59-ти лет, вкладываемые в человека денежные средства в виде бюджетных расходов превышают прибавочный продукт, производимый им на последующем жизненном интервале.

демографических единиц возраста определится из выражения (3).

Тогда суммарную упущенную выгоду, связанную с ежегодной смертностью населения до возраста, можно найти по формуле (4).

ческого демографического элемента к возрасту :

Расчет потерянной ценности для семьи в результате выбытия среднестатистической демографической единицы в возрасте производится из выражения:

где r t – средний объем потребления среднестатистического человека в момент времени t.

Заметим, что в данной модели потерянная ценность человеческой жизни складывается из упущенной выгоды экономической системы региона и потерянной ценности для семьи. В соответствии с этим, если сложить выражения (2) и (6), положив при этом 0, то получим полный экономический потенциал среднестатистического демографического элемента за вычетом полных расходов на его собственное содержание (формула 7):

Далее определяется накопленный экономический потенциал среднестатистического человека к возрасту (формула 8):

и накопленное потребление (формула 9):

На рисунке 2 представлены графики экономического потенциала и накопленное потребление демографической единицы в зависимости от возраста.

Рисунок 2 –Реализованный экономический потенциал (1) и накопленное потребление (2) демографической единицы к возрасту на момент времени t 2010 год Из графика, представленного на рисунке 2 видно, что накопленное потребление на протяжении всей жизни человека носит прямолинейный возрастающий характер. Накопленный потенциал же до 20-ти лет практически равен нулю. К 39-ми годам накопленное потребления сравнивается с экономическим потенциалом среднестатистической демографической единицы, человек сам себя окупает. Начиная с 40-ти лет, накопленный потенциал демографической единицы превышает накопленное потребление.

Таким образом, определены стоимостные характеристики демографических потерь и потенциал трудовых ресурсов для Удмуртской Республики.

При расчете учитываются различные социально-экономические показатели, такие как распределение населения по возрастам, вклад демографической единицы каждого возраста в производство ВРП, а также потребление и заработная плата демографических единиц.

Развитие, как страны, так и отдельного региона, напрямую зависит от демографической ситуации. Проанализировав трудовые ресурсы, как основной источник производства прибавочного продукта, можно определить социально-экономическое положение региона, что послужит обоснованием повышения объемов бюджетных расходов в социальную сферу.

ЭКОНОМИКО-МАТЕМАТИЧЕСКОЕ ОБОСНОВАНИЕ

ОПТИМАЛЬНОЙ КОНФИГУРАЦИИ СТРОИТЕЛЬСТВА

ПИРОЛИЗНОГО КОМПЛЕКСА В РЕСПУБЛИКЕ ТАТАРСТАН

Казанский Национальный Исследовательский Технологический Университет, +79872964430, axyanova@rambler.ru Наращивание экспорта нефти и газа наталкивается на физические ограничения, и уже не может быть основным драйвером роста доходов страны, как это было в докризисные годы. Решить эту задачу позволит рост добавленной стоимости от переработки первичного энергосырья и нефтегазохимии.

Тема работы затрагивает комплекс экономических проблем по обоснованию строительства современных крупнотоннажных пиролизных комплексов, отвечающих мировым требованиям глубокой переработки сырья, и поэтому является современной и актуальной на данном этапе развития нефте- и газохимии России. В настоящее время технологическая структура российской нефтегазоперерабатывающей промышленности не отвечает современным мировым требования глубокой переработки сырья [1].

Базовым процессом в нефтехимическом производстве является пиролиз углеводородного сырья. Пиролиз представляет собой термическое разложение углеводородов с образованием таких базовых мономеров как этилен, пропилен и бутадиен, которые в свою очередь являются основой для производства большого количества нефтехимических продуктов [2].

Основным же барьером для развития пиролизных производств является дефицит мощностей по производству базовых мономеров.

Для решения проблем в отрасли в России на перспективу до 2030 года предполагается создание шести промышленных кластеров, крупнейшим из которых является Приволжский нефтегазохимический кластер (производства в Татарстане, Башкирии, Нижегородской и Самарской областях), для которого был рассчитан вариант конфигурации современного пиролизного комплекса, основанного на более комплексном использовании фракций пиролиза. В качестве объекта исследования выбран пиролизный комплекс для предприятия Республики Татарстан ОАО «Нижнекамскнефтехим» [3].

Разработка оптимальной технологической схемы пиролизного комплекса проходила в два этапа. Прежде с целью выбора углеводородного сырья была рассмотрена типовая схема пиролизного комплекса. Рассматривалось три варианта входного сырья: нафта, этан и сжиженные углеводородные газы (СУГ) (рис. 1).

Рисунок 1 – Технологическая схема типового пиролизного комплекса Для расчёта оптимальной конфигурации строительства пиролизного комплекса нового поколения, использовались методы экономикоматематической оптимизации. Обобщённая математическая модель, для вариантов производств, приняла следующий вид, где:

1) управляемые переменные X j ( x1, x2,..., xn ) - это выпуск товарных продуктов j - го вида, тонн;

2) целевая функция, максимизирующая маржинальную прибыль, имеет вид:

3) ограничения По ресурсам (базовым мономерам):

По управляемым переменным:

Pj - цена реализации товарного продукта j -го вида, рублей за тонну;

S - количество исходного сырья (нафта, этан, СУГи), т;

O - количество остаточных, неиспользуемых мономеров пиролиза исходного сырья, идущих на реализацию, т;

Q - количество необходимого покупного хлора, т;

C Cl - затраты на приобретение хлора, руб.;

P - цена реализации остаточных мономеров, руб.;

C - затраты на приобретение сырья, рублей;

bi -запасы ресурсов (базовых мономеров) i -го вида, т;

a ij - расход i -го ресурса на производство 1 т j -го продукта, т;

bi (ос) - остаточные неиспользованные мономеры (ресурсы) i -го вида, т;

D j - спрос на товарную продукцию j -го вида, т.

Для каждого варианта найдены оптимальные планы производства продукции, и соответствующее значение маржинальной прибыли. Результаты анализа показали, что из трех видов сырья наибольшая маржинальная прибыль получается при использовании этана (30 954 млн.руб.), наименьшая прибыль - в производстве с использованием в качестве исходного сырья нафты (20 392 млн.руб.). Общая доля использованных мономеров при производстве нафты составила - 55,7%, этана – 81,2%, СУГов – 61%. При высоком спросе на этиленпотребляющие продукты большую выгоду будет получать предприятие, использующее в качестве исходного сырья этан и СУГ, поскольку выход этилена при пиролизе у них больше (этан - 78,1%, СУГ – 41,8%, нафта 34%). Однако в случае изменения конъюнктуры рынка, при перепроизводстве или когда спрос на продукцию из этилена, будет снижаться, может появиться необходимость компенсировать потерянную прибыль. Это возможно сделать, если расширить номенклатуру выпускаемой продукции за счёт более полного и комплексного использования фракций пиролиза и в случае падения спроса на одни продукты, предприятие может легко сманеврировать и перейти на производство других, компенсировав потери и получив большую прибыль.


В качестве входного сырья для пиролизного комплекса, с учётом условий по ресурсообоеспечению НГХК РТ, была выбрана нафта. Номенклатура продукции была расширена, рассматривалось производство каучуков (СКИ и СКД), а также новых перспективных продуктов с высокой добавленной стоимостью - малеинового ангидрида и циклопентадиена (рис. 2).

Полученные результаты по составленной для комплекса схеме с применением рассмотренной выше экономико-математической модели показали что, при расширении номенклатуры производимой продукции, путём увеличения глубины переработки сырья (+14,55%) прибыль от реализации увеличивается (+9 010 млн. руб. 44,3%).

Анализ на чувствительность полученного оптимального решения в Excel показал, что производство продуктов этиленгликоля и малеинового ангидрида во многом ограничивается спросом на эти продукты, и в случае увеличения ёмкости рынка, увеличение производства приведёт к повышению прибыли. При этом больший прирост прибыли следует ожидать от производства малеинового ангидрида (+45 636 руб. на тонну). В случае увеличения доли выхода изопрена и бутадиена возможен существенный рост маржинальной прибыли (по изопрену на 77 199 руб.).

Далее был рассмотрен вариант расширения пиролизных мощностей, с выходом этилена на уровне 1млн. т. Значение маржинальной прибыли составило 78 422 млн. руб., рентабельность по маржинальной прибыли для производства - 56%, что говорит о высокой доходности производства. Полученные значения товарных продуктов в более полной мере удовлетворяли спросу.

Для обоснования экономической эффективности строительства пиролизного комплекса по предложенной схеме, рассчитаны показатели и применены методы финансового анализа инвестиционных проектов.

На основе полученных результатов расчёта можно сделать следующие выводы:

- как самостоятельное инвестиционное мероприятие, проект является доходным, т.е. чистая текущая стоимость проекта (NPV ) имеет положительное значение и составляет 24 712 млн. руб.;

- строительство пиролизного комплекса является прибыльным, внутренняя норма доходности составляет 38% годовых;

- срок возврата капитальных вложений составляет 3,3 лет, что меньше срока функционирования проекта;

- индекс доходности составляет 1,15%, что говорит о хорошей рентабельности инвестиций.

Использованные методы экономико-математической оптимизации позволили оценить и обосновать необходимость строительства современных крупнотоннажных пиролизных комплексов глубокой переработки сырья.

Применение их на практике будет способствовать эффективному развитию нефтегазохимической отрасли, а также достижению высокого уровня конкурентоспособности региональной экономики.

Нафта Рисунок 2 – Технологическая схема возможного варианта производства для Использованные методы экономико-математической оптимизации позволили оценить и обосновать необходимость строительства современных крупнотоннажных пиролизных комплексов глубокой переработки сырья.

Применение их на практике будет способствовать эффективному развитию нефтегазохимической отрасли, а также достижению высокого уровня конкурентоспособности региональной экономики.

Список литературы 1. Брагинский О.Б. Нефтехимический комплекс мира: Монографические исследования: экономика.- М.: Academia. 2009. -800 c.

2. Исследование состояния и перспектив направлений переработки нефти и газа, нефте- и газохимии в РФ /В.И.Фейгин, О.Б.Брагинский, С.А.Заболотский, И.Г. Кукушкин, А.В. Маевский, Н.И. Масленников, Ю.Г. Рыков. -М.: Экон-информ, 2011. - 3. www.chemsummit.ru/wp-content/uploads/2011/02/Plan-2030.pdf 4. Исследование операций: в 2-х томах. Пер. с англ. / Под ред. Дж. Моудера, С. Элмаграби. – М.: Мир, 1981. – 677 с.

УПРАВЛЕНИЕ ТОВАРНЫМИ ЗАПАСАМИ АПТЕЧНОЙ СЕТИ

Тел. 8-927-883-55-78, e-mail: saveleva-mf@mail.ru Выпускная квалификационная работа посвящена изучению проблемы эффективного управления запасами как элементом оборотных активов аптечной сети ОАО «Марий Эл – Фармация», деятельность которой направлена на получение прибыли за счет оказания услуг по оптовому и розничному отпуску фармацевтической продукции на территории Республики Марий Эл.

Излишки запасов и их недостаточное количество отрицательным образом сказываются на показателях, характеризующих качество работы системы управления запасами. Основной задачей управления запасами является оптимизация их общего размера и структуры при минимизации затрат на приобретение и хранение, а также обеспечение эффективного контроля за их движением.

В выпускной квалификационной работе проанализированы практические проблемы управления запасами, рассчитаны связанные с этим фактические затраты, представлен глубокий экономический анализ, объективная и точная картина финансового состояния предприятия.

Дипломный проект представлен на 106 страницах, в том числе страницы основного текста и 3 страницы приложений. Всего таблиц – 39, рисунков – 12, формул – 71. В ходе решения поставленных задач были использованы 32 источника литературы.

В первой главе дипломного проекта представлена характеристика коммерческой организации ОАО «Марий Эл – Фармация». А так же проведен экономический анализ деятельности предприятия, который представляет собой системное исследование всех сторон деятельности фирмы, финансовый анализ, главной целью которого является получение наиболее информативных параметров, дающих объективную и точную картину финансового состояния предприятия, а также анализ товарных запасов.

Во второй главе представлена экономико-математическая модель для управления оптимальной величиной запасов лекарственных средств в ОАО «Марий Эл – Фармация», в результате реализации которой совокупные издержки будут минимальны.

В третьей главе проведен расчет эффективности проекта (экономический эффект), т.е. сопоставлен базовый вариант снабжения, рассчитанный на основании существующей системы снабжения, с модельным вариантом плана снабжения лекарственными средствами, построенным на основе реализации экономико-математической модели, а также проанализированы суммарные затраты и оценены преимущества.

В качестве исходной информации использовалась учебная, научная, методическая, справочная литература, отчетные данные анализируемого предприятия за период 2009-2011 гг.

Процессы управления в логистике ОАО «Марий Эл – Фармация» связаны с достаточно большим количеством объектов. При этом далеко не все из них оказывают существенное влияние на эффективность управления этими процессами, т.е., для достижения максимального объема выручки от реализации продукции необходимо эффективно управлять не всем ассортиментом продукции, а сравнительно небольшой его частью.

Для определения перечня товаров, для которых будет разработана модель управления запасами, была использована система ABC-XYZ анализа.

Она позволила разбить данные по продажам на 9 групп в зависимости от вклада в выручку компании (АВС) и регулярности покупок (XYZ).

С больными, средства Минеральные воды Запасы лекарственных средств, вошедших в категорию «А-X» (таблица 1), включают товарно-материальные ценности, имеющие наибольшую значимость в обеспечении бесперебойного операционного процесса и формировании конечных финансовых результатов. Данную группу составляют наиболее дорогостоящие виды запасов с продолжительным циклом исполнения заказа, которые требуют постоянного мониторинга в связи с серьезностью финансовых последствий, вызываемых их недостатком. Следовательно, в дальнейших расчетах целесообразно использовать именно товары группы «АX».

В качестве целевой функции в модели управления запасами при вероятностном спросе выступили суммарные затраты на содержание запасов, складские операции, потери от порчи при хранении и моральное старение, потери от дефицита и штрафы за отсутствие товара (потерянная прибыль компании). Кроме того, закупая избыточный товарный запас, предприятие «замораживает» деньги, потраченные на покупку, так как поставщики не предоставляют кредит в форме отсрочки платежа за поставленный товар.

Необходимо учитывать, что в задаче управления запасами рассматриваются три вида издержек: издержки заказа, издержки хранения и издержки дефицита Издержками заказа называют затраты, прямо зависящие о количества раз пополнения запасов (транспортные расходы от поставщика, расходы по оформлению, проверке качества и т.п.). Затраты на пополнение единицы запаса в соответствии с условиями заключенных с поставщиками договоров составляют 1,7% от себестоимости товара.

Издержками дефицита является недополученная прибыль в результате дефицита товара на складе.

При расчете показателя затрат на хранение продукции необходимо учитывать, что расходы на склад включают в себя издержки обращения. К ним относятся расходы на содержание административных и складских помещений, на оплату коммунальных услуг, аренды, на транспортные услуги, рекламу, представительские услуги, лицензию на вид деятельности, заработную плату персоналу, налоги, отчисления, страховые взносы, местные сборы. Таким образом, среднее значение затрат на хранение 1 упаковки товара равно 0,37 руб. в день или 2,57 руб. в неделю.

Пусть z- запас продукции до начала пополнения (известная величина), y- запас после пополнения ( y z ), v=y-z- объем заказа на пополнение, xслучайный спрос за время операции Т, f(x)- плотность распределения спроса, функция c(y-z)- расходы на пополнение запаса.

В момент реализации объема пополнения конкретное значение x неизвестно, но задана плотность f(x). Предполагается, что заказ на пополнение исполняется мгновенно.

Если к концу операции на складе остается часть невостребованного запаса (y-x)0, то система снабжения несет избыточные расходы на хранение, задаваемые функцией S T ( y x ). При x y функция ST ( y x) =0. При неполном удовлетворении спроса (xy) система платит штраф PT ( y x).

Математическая модель управления запасами при вероятностном спросе имеет следующий вид:

где - запас продукта к началу операции;

- случайный спрос за время операции T;

- плотность распределения спроса;

- расходы на пополнение запасов;

- расходы при неполном удовлетворении спроса (штраф за дефицит).

В работе приводятся результаты реализации построенной экономикоматематической модели управления запасами на основе фактических значений параметров в пакете прикладных программ MathCad, который позволил сгенерировать значения случайного спроса, а также величину запасов после пополнения. Сформирован оптимальный набор всех необходимых предприятию товаров для получения минимальных издержек в соответствии с имеющимися на предприятии ресурсами.

Абсолютные и относительные показатели экономической эффективности моделей рассчитаны в таблице 2 путем сравнения базового варианта снабжения, рассчитанного на основании существующей системы снабжения и экономико-математической модели управления запасами лекарственных средств аптечной сети ОАО «Марий Эл-Фармация».

Затраты на хранение избыточного запаса, руб.

Затраты на пополнение товара, руб.

Штраф за дефицит, руб. 1930,51 1300,16 -630,35 -32,65% Сравнивая показатели издержек базового варианта с модельными, можно сделать вывод что, предпочтительнее реализация экономикоматематической модели. В результате внедрения модели при покупке лекарственных средств в определенном количестве затраты на хранение избыточного запаса снизятся на 46,55%, затраты на пополнение товара – на 11,55%, а недополученная выручка – на 32,65% (рис.1). Это означает, что при реализации модели в распоряжении организации будет дополнительная сумма денег, которую она будет использовать на дальнейшее развитие.

Практическая ценность дипломного проекта заключается в том, что разработанная экономико-математическая модель позволит фирме более эффективно использовать запасы лекарственных средств и приведет к существенной экономии затрат, связанных с осуществлением коммерческой деятельности ОАО «Марий Эл – Фармация».

ФОРМИРОВАНИЕ ОПТИМАЛЬНОЙ СТРАТЕГИИ РАЗВИТИЯ

ФИЛИАЛА ЗАО «ЭР-ТЕЛЕКОМ ХОЛДИНГ» В Г.ЙОШКАР-ОЛА

Руководитель: Еклашева Ольга Витальевна, к. э. н., доцент Актуальность темы исследования Филиал «ЭР-Телеком Холдинг» в Йошкар-Оле является растущей развивающейся компанией, что видно, в том числе и из финансовоэкономического анализа – финансовые показатели улучшаются с каждым годом, в частности, быстрыми темпами растет прибыль. И, тем не менее, всегда существуют возможности для развития, для оптимизации работы компании.

Однако обзор тенденций в отрасли и исследование продаж выявили, что в качестве стратегии развития компания может реализовать проект внедрения цифрового телевидения в нашем городе. Причем филиал на сегодняшний день имеет необходимые сети передачи данных, что позволит снизить затраты на внедрение, а также сроки реализации проекта.

Интерактивное телевидение сегодня востребовано по всей стране, в том числе и в Йошкар-Оле. То есть сейчас самое время для компании вводить подобную услугу, используя все свои преимущества, не медлить и не упустить это открывшееся «окно» возможностей, иначе в недалеком будущем все абоненты подключатся к конкурентам и «окно» закроется.

Содержание работы В данном проекте ставилась цель сформировать оптимальную стратегию развития филиала с использованием метода теории игр – построение дерева решений. При этом была представлена общая характеристика филиала, финансово-экономический анализ деятельности филиала ЗАО «ЭРТелеком Холдинг» в Йошкар-Оле. В научно-исследовательской части содержится анализ рынка и исследования продаж услуг компании в городе, сделан вывод о возможности ввода цифрового кабельного телевидения.

Целесообразность внедрения и оптимальные условия ввода оценены в ходе решения позиционной задачи с помощью дерева решений. В результате решения позиционной задачи определена оптимальная стратегия развития филиала. Завершающая часть работы представляет собой оценку экономической эффективности проекта.

Формирование оптимальной стратегии филиала.

На основании анализа рынка и исследования продаж услуг, предоставляемых компанией в городе в настоящее время, сделан вывод о возможности ввода цифрового кабельного телевидения на рынок Йошкар-Олы.

Целесообразность такого внедрения и выбор оптимальных условий ввода определены в ходе решения позиционной задачи с помощью дерева решений.

Для этого в первую очередь сделан анализ преимуществ и недостатков трех возможных альтернативных технологий внедрения цифрового телевидения и стоимости необходимого оборудования при использовании каждой из них. Выбор любой из технологий предполагает наличие клиентского оборудования, которое можно предоставлять абонентам в аренду или обязать приобретать в собственность. Также рассчитан спрос в каждом случае на основании статистики российских городов. С учетом экспертных оценок определены вероятности наилучшего, наихудшего и наиболее реалистичного вариантов развития ситуации.

Далее оценена величина финансовых вложений, в том числе затрат на продвижение нового продукта. Потоки платежей определены на основе прогноза объема продаж и использования маркетинговых приемов. В свою очередь прогноз объема продаж основан на динамике заключения договоров на новые продукты компании в городах холдинга, учтено возможное отклонение динамики в худшую сторону. Маркетинговые приемы предполагают отсутствие или наличие скидки на абонентскую плату для новых абонентов и установление величины скидки.

Последовательность альтернативных действий и имеющихся возможностей представлена в виде дерева решений Соответственно, при использовании каждой технологии есть выбор из двух вариантов – предоставлять оборудование в аренду или продавать, для каждого варианта возможны 3 случая развития ситуации относительно клиентов, 3 варианта установления акции и 2 возможности развития ситуации относительно динамики продаж.

В зависимости от комбинаций имеем 108 различных вариантов объемов продаж и потоков платежей, для каждого из них определена прибыльность.

Как альтернатива внедрению цифрового телевидения рассчитана прибыльность банковского депозита.

Далее произведен анализ дерева решений, начиная от конечных исходов к начальному узлу принятия решений. Для узлов-возможностей определены средние значения выигрыша. В узлах принятия решения реализуется принцип максимизации среднего выигрыша В результате решения позиционной задачи определена оптимальная стратегия развития филиала ЗАО «ЭР-Телеком Холдинг» в Йошкар-Оле Оценка экономической эффективности разработанного проекта Решение позиционной игры есть процесс выбора оптимальной стратегии игрока с учетом фактора неопределенности и альтернативных вариантов.

В данной работе рассмотрен выбор оптимальной стратегии вложения собственных средств холдинга с целью увеличения прибыли.

Капиталовложения - совокупность затрат, реализуемых в форме долгосрочных вложений собственного или заемного капитала. Они представляют собой актив, который компания использует для увеличения своего богатства за счет различного рода доходов, полученных от вложения.

Решение о выборе варианта производственных вложений - наиболее ответственное в бизнесе. Вложения превращаются в невозвратные издержки, а при ошибочности проекта - в большие убытки, поэтому расчет затрат и результатов реализации проектов капиталовложений, оценка их эффективности настоятельно необходимы.

Для того чтобы определить, насколько эффективен выбранный проект, необходимо сравнение с базовым. Наиболее логичным представляется сравнение развития ситуации при внедрении проекта и без его внедрения.

Но для построения прогноза динамики любых показателей, в том числе прибыли, имеются данные лишь за 5 лет существования филиала в Йошкар-Оле. Это позволит сделать прогноз на период менее года, рассмотрение более длительного промежутка времени вероятнее всего даст некорректные результаты. Если рассматривать ситуацию с внедрением проекта, то именно на первый год приходятся основные траты, то есть проект за год еще не окупится и будет убыточным. Очевидно, что в этом случае от сравнения ситуации с проектом и без проекта следует отказаться.

Второй вариант – рассмотреть ситуацию, когда холдинг не вкладывает в проект, соответственно не получает ни прибыли, ни убытка. В реальности так и происходит. При таком сравнении любой проект, приносящий хоть какую-то прибыль, даже совсем небольшую, будет эффективным.

Вместе с тем у холдинга есть вариант не вкладывать деньги в проект, а положить их на депозит в банк. В этом случае он получает не большую, но прибыль. Сравнение данной ситуации с ситуацией внедрения проекта наиболее обосновано.

Таким образом, в качестве базового проекта принято вложение холдингом имеющихся собственных средств на банковский депозит. Для сравнения проектов рассчитаны их основные показатели: прибыль и прибыльность. Особое внимание уделено показателю прибыльности, поскольку он позволяет учесть величину вложений в проект.

На основании анализа полученных результатов был сделан вывод о том, что рассмотренный проект значительно превосходит базовый и по прибыли, и по прибыльности.

Таким образом, эффективность реализации проекта внедрения ЦКТВ доказывает привлекательность для холдинга вложения денежных средств в рассмотренный проект.

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ

Учебно-методическое объединение

СБОРНИК НАУЧНЫХ ТРУДОВ

ВСЕРОССИЙСКОГО СТУДЕНЧЕСКОГО КОНКУРСА

ВЫПУСКНЫХ КВАЛИФИКАЦИОННЫХ РАБОТ

по направлению «Статистика» и специальности «Математические методы

Pages:     | 1 | 2 ||


Похожие работы:

«Оуэнс К. Д., Сокс Г. К. мл. Принятие решений в медицине: вероятностное медицинское обоснование Owens K. D., Sox H. C. Jr. Medical decision making: probabilistic medical reasoning Edward Shortliffe/Leslie Perreault, Medical Informatics: Computer Applications in Health Care. Addison-Wesley Publishing Company. Addison-Wesley Publ.Co. 1990, Chpt. 3, P. 70-116 2725 Sand Hill Road, Menlo Park, CA 94025 Принятие решений о лечении Ключевые слова Анализ полезности Системы информационного обеспечения...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Тверской государственный университет Факультет прикладной математики и кибернетики Кафедра вычислительной математики УТВЕРЖДАЮ Руководитель направления подготовки магистров д.ф.- м.н. доцент С.М.Дудаков 2012 года УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС по дисциплине Плановая модель ветровой циркуляции в водоёме для магистров 2 курса очной формы обучения (3 семестр)...»

«РОССИЙСКАЯ АКАДЕМИЯ НАУК СИБИРСКОЕ ОТДЕЛЕНИЕ ИНСТИТУТ СИСТЕМ ИНФОРМАТИКИ ИМ. А.П. ЕРШОВА НАУЧНЫЙ СОВЕТ ПО МУЗЕЯМ И.А. Крайнева, Н.А. Черемных Путь программиста Ответственный редактор доктор физико-математических наук, профессор А. Г. Марчук Новосибирск 2011 УДК 007(092) ББК 32.81 Е 80 Путь программиста / И.А Крайнева., Н.А. Черемных. Новосибирск: Нонпарель, 2011. 222 с. ISBN 978-5-93089-033-4 Биография выдающегося ученого, математика, программиста, создателя Сибирской школы программирования...»

«Министерство образования и науки РФ Новокузнецкий институт (филиал) федерального государственного бюджетного образовательного учреждения высшего профессионального образования Кемеровский государственный университет Факультет информационных технологий Кафедра математики и математического моделирования УТВЕРЖДАЮ Директор В.С. Гершгорин _20г. УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС ДИСЦИПЛИНЫ Б2.Б.1.4 ДИСКРЕТНАЯ МАТЕМАТИКА Для направления 230100.62 Информатика и вычислительная техника Квалификация (степень)...»

«Кирикчи Василий Павлович Эволюция развития, организация и экономические аспекты внедрения IPTV Специальность: 5А522104 – Цифровое телевидение и радиовещание Диссертация на соискание академической степени магистра Работа рассмотрена Научный руководитель и допускается к защите к.т.н., доцент Абдуазизов А.А. зав. кафедрой ТВ и РВ к.т.н., доцент В.А. Губенко (подпись) (подпись) _ 2012...»

«Центросоюз Российской Федерации Российский университет кооперации Волгоградский кооперативный институт (филиал) Кафедра информационных систем в экономике Э.Г. Федоров Базы данных Курс лекций для студентов специальности 080801 Прикладная информатика (в экономике) всех форм обучения Волгоград 2010 Рецензент: Игнатьев А.В., кандидат технических наук, доцент кафедры информационных систем в экономике Волгоградского кооперативного института (филиала) Российского университета кооперации Федоров Э.Г....»

«Раздел 1 УМК Министерство образования и науки Российской Федерации федеральное государственное бюджетное образовательное учреждение высшего профессионального образования УЛЬЯНОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ УТВЕРЖДАЮ: Декан факультета Информационных систем и технологий В. В. Шишкин 2011 г. РАБОЧАЯ ПРОГРАММА Дисциплины (модуля) Пакеты прикладных программ для подготовки научных документов наименование дисциплины (модуля) 230700.62 Прикладная информатика (шифр и наименование...»

«Документ по ядерному регулированию ISBN 978-92-64-99044-9 ЦЕЛИ РЕГУЛИРОВАНИЯ ПРИ ОБЕСПЕЧЕНИИ ЯДЕРНОЙ БЕЗОПАСНОСТИ Оригинальное издание OECD на английском языке: The Regulatory Goal of Assuring Nuclear Safety, NEA № 6273 © 2008 OECD Все права сохраняются. © 2008 г. НТЦ ЯРБ НТЦ ЯРБ (Россия) несет ответственность за данное российское печатное издание Публикуется по согласованию с OECD, Париж. ОЭСР 2008 АЯЭ № 6273 АГЕНТСТВО ПО ЯДЕРНОЙ ЭНЕРГИИ ОРГАНИЗАЦИЯ ЭКОНОМИЧЕСКОГО СОТРУДНИЧЕСТВА И РАЗВИТИЯ...»

«Государственное бюджетное образовательное учреждение города Москвы Московская международная гимназия АНАЛИЗ РАБОТЫ ГОСУДАРСТВЕННОГО БЮДЖЕТНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ ГОРОДА МОСКВЫ МОСКОВСКАЯ МЕЖДУНАРОДНАЯ ГИМНАЗИЯ ЗА 2013/2014 УЧЕБНЫЙ ГОД Москва 2013 – 2014 учебный год 1 ПЕДАГОГИЧЕСКИЕ КАДРЫ ГИМНАЗИИ В 2013/2014 учебном году в педагогический состав гимназии входило 109 человека. С целью улучшения научно-методического обеспечения учебно-воспитательного процесса в гимназии работали следующие...»

«Лекции по логическим алгоритмам классификации К. В. Воронцов 21 декабря 2007 г. Материал находится в стадии разработки, может содержать ошибки и неточности. Автор будет благодарен за любые замечания и предложения, направленные по адресу voron@ccas.ru. Перепечатка любых фрагментов данного материала без согласия автора является плагиатом. Содержание 1 Логические алгоритмы классификации 2 1.1 Понятие информативности.......................... 3 1.1.1 Эвристическое...»

«Предисловие к третьему изданию Международный консорциум Электронный университет Московский государственный университет экономики, статистики и информатики Евразийский открытый институт Т.И. Захарова Организационное поведение Учебно-методический комплекс Москва 2008 1 Организационное поведение УДК 65 ББК 65.290-2 З 382 Захарова Т.И. ОРГАНИЗАЦИОННОЕ ПОВЕДЕНИЕ: Учебно-методический комплекс. – М.: Изд. центр ЕАОИ. 2008. – 330 с. ISBN 978-5-374-00117-4 © Захарова Т.И., 2008 © Евразийский открытый...»

«Министерство образования Республики Беларусь Учреждение образования Белорусский государственный университет информатики и радиоэлектроники Кафедра систем управления А. В. Павлова МАТЕМАТИЧЕСКИЕ ОСНОВЫ ТЕОРИИ СИСТЕМ Конспект лекций по курсу Математические основы теории систем для студентов специальности 1-53 01 07 Информационные технологии и управление в технических системах В 2-х частях Часть 1 Минск 1 СОДЕРЖАНИЕ ВВЕДЕНИЕ. ОБЩИЕ СРЕДСТВА МАТЕМАТИЧЕСКОГО ОПИСАНИЯ СИСТЕМ. ТЕМА 1. ОСНОВЫ ТЕОРИИ...»

«Положение о лабораториях научной деятельности в Лист 2 Негосударственном (частном) образовательном учреждении высшего Всего листов 51 профессионального образования Южно-Сахалинский институт экономики, права и информатики (НЧОУ ВПО ЮСИЭПиИ) СК О ПСП 12-2013 Экземпляр № СОДЕРЖАНИЕ 1. Общие положения.. 3 2. Цели и задачи лабораторий научной деятельности. 4 3. Организация деятельности лабораторий научной деятельности. 6 4. Финансовое и материально-техническое обеспечение лабораторий. 7 5....»

«System Informatics (Системная информатика), No. 2 (2013) 23 УДК: 519.95 Название: Некоторые модели анализа и прогнозирования временных рядов Автор(ы): Шевченко И.В. (Институт систем информатики им А.П. Ершова СО РАН), Аннотация: В статье рассматриваются несколько популярных классических моделей анализа и прогнозирования временных рядов. Вначале описываются относительно простые модели усреднения и сглаживания, затем модели авторегрессии, скользящего среднего, а также смешанная модель...»

«Тесты по темам программы предмета Прикладная информатика Тема Основные устройства ПК. Их назначение Вопросы, соответствующие низкому уровню 1. Что из перечисленного не является носителем информации? а) Книга б) Географическая карта в) Дискета с играми г) Звуковая плата 2. Какое имя соответствует жесткому диску? а) А: б) B: в) С: г) Я: 3. Что необходимо делать в перерывах при работе за ЭВМ? а) Почитать книгу б) Посмотреть телевидение в) Гимнастику для глаз 4. Какое устройство оказывает вредное...»

«НАЦИОНАЛЬНОЕ ОБЪЕДИНЕНИЕ СТРОИТЕЛЕЙ ПОРЯДОК организации и проведения строительного контроля при строительстве объектов связи Издание официальное Москва 2014 НОСТРОЙ ХХХХХ – 20ХХ Предисловие Сведения о документе 1 РАЗРАБОТАН ООО НИИ экономики связи и информатики Интерэкомс (ООО НИИ Интерэкомс) 2 ПРЕДСТАВЛЕН НА Комитетом по строительству объектов связи, телеУТВЕРЖДЕНИЕ коммуникаций, информационных технологий Национального объединения строителей. Протокол от г. №. 3 УТВЕРЖДЕН И ВВЕДЕН В Решением...»

«Акт контроля за деятельностью ГБУК Белгородская государственная универсальная научная библиотека по итогам плановой проверки, проведенной лицами, уполномоченными на проведение проверки Настоящий акт составлен в том, что комиссией в составе представителей управления культуры Белгородской области: Андросовой Н.О., заместителя начальника управления культуры области - начальника отдела развития социально-культурной деятельности, библиотечного дела и взаимодействия с органами местного...»

«ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ ГОСУД АРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ САМАРСКИЙ ГОСУДАРСТВЕННЫЙ АЭРОКОСМИЧЕСКИЙ УНИВЕРСИТЕТ имени академика С.П. КОРОЛЕВА Изучение операционной системы Linux: интерфейс и основные команды Утверждено Редакционно-издательским советом университета в качестве методических указаний к лабораторной работе № 8 С АМ АР А Издательство СГАУ 2010 УДК Сос тавители А.М. С у х о в, Г.М. Г а й н у л л и н а Рецензент: к.т. н.,...»

«ПРЕДИСЛОВИЕ РЕДАКТОРА Двенадцатый выпуск серии Конструирование и оптимизация программ посвящен решению актуальных задач, связанных с разработкой методов и инструментов конструирования эффективных и надежных программ. Продолжая уже сложившиеся традиции, данный выпуск, как и предыдущие, базируется на результатах исследований, выполненных в лаборатории по конструированию и оптимизации программ Института систем информатики СО РАН совместно с Новосибирским государственным университетом при...»

«ОТЧЕТ о деятельности органов исполнительной власти Республики Татарстан за 2011 год Казань 2012 Содержание стр. I. Основные итоги социально–экономического развития 1 Республики Татарстан за 2011 год II. Отчёт об основных направлениях деятельности за 2011 год: Министерства экономики Республики Татарстан 4 Министерства промышленности и торговли Республики Татарстан 34 Министерства энергетики Республики Татарстан 45 Министерства сельского хозяйства и продовольствия Республики 61 Татарстан...»






 
© 2014 www.kniga.seluk.ru - «Бесплатная электронная библиотека - Книги, пособия, учебники, издания, публикации»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.