CC BY
55
УДК 338.34
анализ динамики изменения диагностических параметров устойчивости функционирования
предприятия
Н. С. ВАСИН,
кандидат экономических наук, начальник отдела E-mail: vasinn@rambler. ru Тульский филиал Банка Москвы Е. Б. ФАНГУЛ, специалист E-mail: jobm@bk. ru Федеральное казначейство
Рассмотрены вопросы комплексного диагностирования деятельности предприятия в условиях неопределенности внешней среды. Предложено контролировать тренды диагностических параметров с целью раннего обнаружения тенденций к нарушению устойчивости функционирования предприятия.
Ключевые слова: диагностика, устойчивость, временной ряд, изменение, тренд, параметр, предприятие.
В современных условиях, когда Российская Федерация вступила во Всемирную торговую организацию, на отечественную экономику во все большей степени начинает оказывать влияние фактор международной конкуренции и глобализации. Это сказалось в существенном расширении и повышении неопределенности внешней среды предприятий и усилении тенденций к нарушению устойчивости их функционирования. И потому особенную важность приобретает использование на предприятиях эффективных и современных диагностических систем, позволяющих обнаружить предпосылки к кризисным явлениям задолго до их наступления. Основной целью такой диагностики является оценка экономической устойчивости предприятия.
Согласно работе [2] под экономической устойчивостью понимаются комплекс свойств организационной, инновационной, логистической, производственной, финансово-кредитной деятельности с учетом взаимовлияния и взаимодействия, а также качество и новизна выпускаемой продукции, уровень научно-технической развитости материальной базы, стабильность всего спектра ресурсного обеспечения, развитость кадрового и интеллектуального потенциалов, наличие инновационного менеджмента.
В современных условиях для обеспечения устойчивости функционирования предприятий необходимо проводить комплексную превентивную диагностику основных направлений деятельности, а именно:
— обеспечения материальными ресурсами;
— финансового состояния;
— универсальности людских ресурсов и их интеллектуального потенциала;
— информационного обеспечения;
— соответствия производственных мощностей целям бизнеса;
— оптимальности организационной структуры;
ФИНАНСОВАЯ АНАЛИТИКА
проблемы и решения
47 (185) - 2013
Вопросы экономики
— используемых производственных процессов и т. д.
Диагностирование состояния любого промышленного предприятия можно выполнять в двух направлениях. Первым является оценка потенциала предприятия, который может быть как интегральным, обеспечивающим все стороны деятельности, так и локальным, связанным с одним из направлений деятельности.
Характерным примером локального потенциала является инновационный потенциал, который активно исследуется в настоящее время. В связи с этим любая диагностическая система прежде всего оценивает потенциал предприятия, который должен быть наиболее полно реализован.
Другим направлением диагностирования является оценка результатов стратегических решений и оперативной деятельности, направленной на разработку и изготовление конкурентоспособной продукции. Только подобная комплексная диагностика предприятия в статике (рассмотрение потенциала) и в динамике (рассмотрение деятельности) может обеспечить достоверную оценку его состояния и прогнозировать его дальнейшую устойчивость.
В общем случае все используемые системы показателей диагностирования можно разделить на следующие основные группы.
1. Показатели соответствия производственных мощностей целям бизнеса и уровню их использования.
2. Показатели обеспечения материальными ресурсами.
3. Показатели конъюнктуры или внешней среды предприятия во времени.
4. Показатели финансового состояния.
5. Показатели степени универсальности людских ресурсов и их интеллектуального потенциала.
6. Показатели информационного обеспечения.
7. Показатели качества инновационной стратегии и динамики инновационной активности.
Необходимо также оптимизировать затраты на диагностику. Они должны быть достаточными для обеспечения ее эффективности, но при этом не должны приводить к существенному сокращению расходов на основные производственные процессы.
Диагностика может осуществляться силами как самого предприятия при наличии соответствующего подразделения, так и специализированных сторонних организаций (например, аудиторских). Однако
услуги последних характеризуются довольно высокой стоимостью. В то же время преимуществами диагностирования предприятия сторонними организациями являются их профессионализм и эффект взгляда со стороны.
При диагностировании силами самого предприятия создается центр диагностики в структуре системы управления. Его функциональные обязанности охватывают поиск, сбор, передачу, интеллектуальную обработку и хранение информации, связанной с основными направлениями деятельности. При этом затраты на диагностирование определяются универсальностью и уровнем профессиональной подготовки кадров центра.
Естественно, оптимальным будет являться положение, при котором результат диагностики параметров функционирования предприятия превышает затраты на ее осуществление. Однако определение эффекта от диагностирования представляет собой отдельную и достаточно сложную задачу, так как его достаточно трудно вычленить из общего экономического эффекта, возникающего в результате оперативного управления.
Типы диагностики могут быть представлены в виде логических соотношений, динамических, функциональных, структурных и регрессивных моделей. Для комплексного диагностирования деятельности предприятия можно применять, например, экспертные системы, дискриминантный анализ, методы нелинейной диагностики и т. д.
Диагностирование может быть комплексным, когда оценивается целый ряд параметров. Это максимально эффективно при условии правильного выбора показателей. В противном случае изменение наиболее информативных параметров может быть «замаскировано» стохастическим изменением менее информативных. При этом, если производить диагностирование по N параметрам, состояние системы можно рассматривать как точку в ^мерном пространстве. Любое изменение состояния вызовет ее смещение на некоторое расстояние, и в результате возникает некоторая фазовая траектория (фазовый портрет) в этом пространстве.
Но если имеется возможность выделения отдельных наиболее информативных параметров, можно производить диагностирование путем построения трендов для изменения этих показателей во времени — фактически не что иное, как мониторинг.
При этом возможен вариант методики диагностирования, когда анализ отдельных параметров
ФИНАНСОВАЯ АНАЛИТИКА
проблемы и решения
проводится с определенной периодичностью, т. е. дискретно, а наиболее существенные показатели функционирования предприятия отслеживаются непрерывно. Периодичность, а следовательно, и объем работ зависят от динамики изменения параметров как внешней, так и внутренней сред в конкретных условиях деятельности предприятия.
Задача определения наиболее информативных параметров может быть решена на основе известной методологии факторного анализа, который может быть детерминированным или стохастическим, прямым или обратным, одноступенчатым или многоступенчатым, статическим или динамическим, а также ретроспективным или перспективным (прогнозным).
Для выявления влияния отдельных факторов в детерминированном факторном анализе используются способы выявления изолированного влияния факторов, цепной подстановки, абсолютных разностей, относительных разностей, пропорционального деления и др. [5]. Стохастический факторный анализ предусматривает оценку корреляции факторов (диагностических параметров) и уровня опасности возможных нарушений устойчивости функционирования предприятия, который может быть оценен величиной соответствующего риска.
После выбора наиболее информативных параметров может быть проведен их мониторинг с определением трендов (например, в форме регрессионных зависимостей). Это позволит накапливать информацию для экстраполяции значений этих параметров и прогнозировать, таким образом, дальнейшее развитие ситуации. Подобное диагностирование даст возможность своевременно обнаруживать тенденции к нарушению устойчивости функционирования предприятия.
При решении этой задачи прежде всего необходимо определить тип тренда, т. е. вид функции, которая будет описывать изменение диагностического параметра во времени, которое отображается временным рядом [1]. Желательно, чтобы тип тренда соответствовал характерным особенностям процесса. Однако в рассматриваемой задаче, когда параметры изменяются под воздействием изменений внешней и внутренней сред (причем это не всегда может быть описано какими-либо функциями), определить тип тренда исходя из особенностей процесса затруднительно.
Другой проблемой является отделение случайных изменений от систематического тренда.
Кроме того, характер тенденции часто маскируется наличием колебательных процессов, периодических изменений. В этом случае тренд необходимо искать на их фоне.
Проще всего предположить линейное или полиномиальное изменение параметра. Эта гипотеза вполне применима для краткосрочного прогнозирования. Изменения внешней среды при этом приводят к соответствующим изменениям диагностических параметров.
Однако изменения внешней среды могут иметь стохастический характер. Тогда и изменения диагностического параметра будут стохастическими, и тренд отсутствует. Если в этом случае величина параметра достигает критического значения, свидетельствующего о возможном нарушении устойчивости функционирования предприятия, это означает, что данная производственная система не обладает необходимым потенциалом устойчивости. Если же наблюдается постоянное изменение параметра во времени, это можно интерпретировать как неудачное оперативное управление, которое может быть вызвано в том числе нарастанием уровня ант-ропоэнтропии в системе.
Другими вариантами типа тренда являются логарифмические и экспоненциальные, а также полиномиальные или степенные зависимости, например квадратичная. Если они обнаруживаются, то с течением времени может произойти резкое изменение состояния системы, что будет отражено в резком росте диагностического параметра.
Когда гипотеза о типе тренда выбрана, необходимо осуществить ее статистическую проверку. Для этого можно использовать различные методики, однако все они сводятся к выполнению следующих действий:
1) чтобы снизить искажающее тренд влияние колебаний, проводится сглаживание ряда значений, например по скользящей средней по трем или пяти значениям;
2) по ряду сглаженных уровней вычисляются цепные абсолютные изменения: А. = Ц+1- и. — первые конечные разности;
3) ряд разбивается на несколько равных или примерно равных подпериодов, и по каждому вычисляется средняя величина того параметра, постоянство которого подтверждает выдвинутую гипотезу о типе тренда: средний абсолютный прирост — для прямой, среднее ускорение — для параболы, средний темп — для экспоненты;
ФИНАНСОВАЯ АНАЛИТИКА
проблемы и решения
47 (185) - 2013
Вопросы экономики
4) методом дисперсионного анализа при многих средних значениях проверяемого параметра или по ¿-критерию при двух значениях проверяется существенность различий средних значений параметра в разных подпериодах исходного ряда. Если нельзя отклонить гипотезу о несущественности, принимается гипотеза о соответствующем типе тренда. Если различия средних признаются существенными, гипотеза о данном типе тренда отвергается, и выдвигается следующая гипотеза в порядке усложнения: после отклонения прямой линии — об экспоненте; после отклонения экспоненты — о параболе; при отклонении параболы — о других типах линий.
Возможно также определение типа тренда путем применения многократного аналитического выравнивания с последующим рассмотрением динамики изменений основного параметра тренда по скользящим интервалам.
В основе способа определения параметров трендов лежит метод наименьших квадратов. Зависимости для определения параметров тренда для линейной, квадратичной и гиперболической аппроксимации тренда известны и аналогичны. Для определения параметров экспоненциального, логарифмического и логистического трендов необходимо выполнять логарифмирование значений параметров.
Логистическое уравнение тренда имеет следующий вид:
и - и ■
и Ц ) = _ ™ + и_
а+аг
+1
Особенностью логистического тренда является необходимость определения значений максимального и минимального уровней временного ряда. Это обоснование проводится на основе, во-первых, уровней фактического ряда, во-вторых, теоретических, т. е. внешних по отношению к статистике соображений, относящихся к содержанию изучаемого процесса.
Логистический тренд характеризуется изменением угла наклона кривой от минимального в начале до максимального в центре и вновь до минимального с приближением к максимальному значению параметра. В соответствии с этим трендом имеется некоторый участок «насыщения», когда изменение диагностического параметра замедляется.
Как уже отмечалось, для краткосрочного прогноза можно использовать линейное или полиномиальное приближение тренда на фоне случайного
изменения диагностического параметра. Анализу таких процессов, или временных рядов, посвящен ряд работ российских и зарубежных авторов [1, 3—4]. С математической точки зрения эта проблема представляет собой экстраполяцию некоторой математической зависимости, полученной по наблюдениям в определенном периоде, за его пределы.
Одним из классических приемов решения этой задачи является регрессионный анализ [1, 3], в соответствии с которым модель процесса строится в виде линейной комбинации известных функций от времени:
и (г) = Ё аЛк (г)
к=1
где и — диагностический параметр;
ак — постоянные, подлежащие определению; f (0 — функциональный базис. Для определения ак используется метод наименьших квадратов в различных модификациях. Выбор определенного функционального базиса неоднозначен и, естественно, во многом определяет качество аппроксимации. В работе [3] рекомендуется рассмотреть множество базисов и окончательно выбрать тот, который обеспечивает минимум некоторого функционала качества, например средне-квадратического отклонения реальных данных от аппроксимирующего выражения.
Для базиса можно выдвинуть следующие требования. Функции, составляющие базис, должны быть линейно независимы. Желательно, чтобы базис обладал свойством полноты. Желательна также ортонормированность базиса в следующем смысле:
¡/к С) /т (О =
0 V к ф т
1 V к = т.
Часто в качестве базиса выбирают степенные функции вида /п (^) = , отвечающие первым двум требованиям.
В данной работе для прогнозирования изменений диагностического параметра предлагается использовать полиномиальную аппроксимацию, наделяя ее свойством адаптивности [3, 4] в следующем смысле.
1. Выделяется конечный интервал времени, примыкающий к дате начала наблюдения; данные о величине параметра на нем предполагаются известными. В дальнейшем интервал называется скользящим окном наблюдения или просто окном.
ФИНАНСОВАя АНАлИТИКА
проблемы и решения
Адаптация реализуется за счет жесткой связи между началом контракта и концом окна.
2. Степень аппроксимирующего полинома определяется по минимуму его среднеквадратичного отклонения от данных, наблюдаемых в окне. Тем самым такая модель адаптивна и к ошибке аппроксимации.
Основное статистическое свойство модели — среднеквадратическая ошибка прогноза (экстраполяции) . Данная величина может быть вычислена по зависимости, являющейся несмещенной оценкой дисперсии выборки:
с =
N _
1 N
'т £
1 к=1
£ аХ
1_ т=0
и
где N — количество значений параметра в окне или периоде наблюдения;
М — степень аппроксимирующего полинома; tk — моменты наблюдения параметра; ио — значение параметра в начале интервала наблюдения.
Если после сглаживания и корреляционного анализа тренд не обнаруживается и диагностический параметр стохастически следует за изменениями внешней среды, то, как уже отмечалось, необходимы модернизация производства, внедрение технологических и маркетинговых инноваций.
При наличии линейного или полиномиального тренда необходимо искать ошибки в управлении и, может быть, менять оперативное руководство предприятия. Здесь следует отметить, что сглаживание следует проводить весьма осторожно, чтобы не потерять информации об изменениях параметра, свидетельствующих о приближении кризисного состояния.
Анализ динамики изменения диагностических параметров, проводимый в режиме мониторинга, позволит обнаружить тенденции к нарушению устойчивости функционирования предприятия до наступления негативных событий, своевременно найти причину возможного срыва и в итоге не допустить его.
Список литературы
1. Бокс Д., Дженкин Г. Анализ временных рядов. М.: Наука, 1974. 406 с.
2. Захарченко В. И. Экономическая устойчивость предприятия в переходной экономике // Машиностроитель. 2002. № 1. С. 9—11.
3. КочетыговА. А. Случайные процессы: учеб. пособие. Тула, ТулГУ, 2000. 307 с.
4. Лукашин Ю. П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1979. 254 с.
5. Факторный, дискриминантный и кластерный анализ: пер. с англ. под ред. И. С. Енюкова. М.: Финансы и статистика, 1989. 215 с.
2
Издательский дом «ФИНАНСЫ и КРЕДИТ» ИнфорМИруеТ
о продолжении подписки на I полугодие 2014 г.
Все издаваемые журналы и отдельные статьи, публикуемые в наших изданиях, доступны и в электронном виде на сайте интернет-магазина www.dilib.ru.
По всем вопросам подписки либо приобретения предыдущих выпусков журналов
обращаться в отдел реализации.
Напоминаем также, что нашим подписчикам предоставляется возможность размещения рекламы в наших изданиях с 50%-ной скидкой.
(495) 989-96-10 podpiska@fin-izdat.ru
www.fin-izdat.ru
ФИНАНСОВАя АНАлИТИКА
проблемы и решения ' 25
