CC BY
10
4. Savinova T.A. Zemsky statistics, as a source of formation of the organizational-production school. - M.: MGU, 2010. - 221 р.
5. Chayanov A.V. The set of provisions made when discussing the issues of the budget research methodology at the meetings of the statistical department of 1913 // Proceedings of the Commission on Zemstvo Statistics 13-16 February 1914. -M., 1916.
УДК 311.4
6. Chayanov A.V. Organization of a farm // Economic heritage A.V. Chayanov. - M.: Publishing House Tonchu, 2006. - 664 p.
7. Chelintsev A.N. Local agronomy and accounting analysis of the peasant agriculture. - Samara, 1914. - 46 p.
8. Chelintsev A.N. Theoretical foundations of the organization of the farm. -Kharkov: Agronomy, 1919. - 178 p.
Абалуева Е.М.
ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ ВЫБОРОЧНОГО КОНТРОЛЯ ПРОЦЕССА ПРОИЗВОДСТВА АВТОМОБИЛЬНЫХ ФИТИНГОВ
Аннотация
Исследование методов статистического управления процессами производства в автомобильной отрасли РФ в настоящее время обладает особой актуальностью в связи с необходимостью реализации процессов импортозамещения иностранных компонентов и деталей автомобилей согласно Стратегии развития автомобильной промышленности Российской Федерации на период до 2025 года. Решение поставленных задач потребует увеличения объемов продукции данного вида деятельности. Цель данной статьи состоит в рассмотрении методики принятия решения о достаточном объеме выборочного контроля производства. Для достижения поставленной цели используется метод выборочного наблюдения. Обычно для определения объемов выборочного наблюдения используется метод, основанный на допустимых предельных ошибках выборки, устанавливаемых при разработке исследования. В статье предлагается методика определения объемов выборки, адаптированная к проведению экономически обоснованных наблюдений, учитывающих достигнутый уровень технологического обеспечения производства. Расчеты выполнены на основе данных одного из производственных предприятий Санкт-Петербурга. Предлагаемый метод позволяет существенно понизить затраты предприятия на статистическое управление процессами без потери их качества. Применение метода экономически обоснованного расчета объемов выборочного наблюдения выявило, что традиционные методы расчета выборки, исходя из допустимых ошибок, требуют значительных временных и ресурсных затрат. Применение адаптированной методики позволяет учитывать фактическое состояние производственных процессов в организации при определении необходимых объемов выборки. На основе адаптированной методики выполнены расчеты, позволяющие сделать вывод о том, что предприятие может сократить затраты на проверку продукции в несколько раз, если будет учитывать накопленные данные о состоянии производственных процессов. Автомобильная отрасль РФ представлена компаниями малого и среднего размера. В этом сегменте рынка отсутствует возможность для содержания громоздкого аппарата службы качества. Применение адаптированной системы расчета объемов выборочного наблюдения позволяет в несколько раз снизить объем проверяемой продукции без ущерба для качества.
Ключевые слова
Автомобильная промышленность, анализ процессов производства, статистическое управление процессами, технологии.
JEL C44
Abalueva E.M.
ECONOMIC DECISION OF SPOT CHECK CONTROL OF PRODUCTION IN AUTOMOTIVE FITTINGS PRODUCTION
Annotation
The purpose of the study is to research statistical process control methods used in Russian automotive industry due to its actual relevance in the light of import substitution according to the Strategy of development in Russian automotive industry until 2025. The volume of manufacturing shall increase in order to reach the targets specified in the strategy. This paper studies the methods of decision taking in order to fulfill the spot check in production. The paper applies the method of selective control in order to achieve the target. This method is usually based on the allowed marginal mistakes specified by researcher. The method described in this paper takes into consideration both the economic value of the spot check and the level of technological development achieved by the company. All calculations were approved in the field based on the data available from manufacturing company from Saint-Petersburg. The method allows a company to reduce the costs associated with quality check by multiple times. Traditional methods of spot check calculation require significant resources. Adjusting the methods with the data about the development of technological processes allows a company to reduce the cost of quality checks without reducing the quality of finished goods itself. Russian automotive industry is based on small and medium enterprises, which do not have enough resources to maintain huge quality control departments. Using the adjusted spot check methods allows a manufacturer to maintain the required level of quality without significant investments.
Keywords
Automotive industry, production process control, quality loss, technology.
Введение. Выборочный контроль промышленной продукции нередко относят к тем простым вспомогательным мероприятиям, которые не требуют сложных инженерных расчетов, а для их выполнения вполне достаточно приблизительных экспертных оценок работников предприятия. Данный подход является верным до некоторой степени в том случае, если система управления предприятием находится на ранних стадиях развития и неспособна обеспечить более точное управление из-за отсутствия необходимых ресурсов, как человеческих, так и материальных. Однако с
развитием самого предприятия и его системы менеджмента требуется усиление контроля за качеством с целью снижения потерь и укрепления позиции на рынке. Таким образом, выборочный контроль играет существенную роль в производстве и необходим в компаниях любого размера.
Международный опыт показал, что автомобильная промышленность представляет собой отрасль, которая в значительной степени зависит от деятельности малого и среднего бизнеса (в английской литературе обозначается термином SME - small and medium
enterprise) [1]. Бизнес-процессы крупных автомобильных предприятий организованы таким образом, что значительную долю компонентов, используемых для сборки автомобилей, производят предприятия с численностью до 15 человек и годовым оборотом до 20 миллионов евро [2]. Подобная организация процессов предъявляет повышенные требования к управлению сетями поставок и значительно ужесточает допуски по качеству продукции. Изменение требований приводит к увеличению роли выборочного контроля и статистического анализа как инструментов управления предприятием. Итак, современная организация автомобильного производства с целью увеличения качества продукции предполагает, что методы проектирования и расчета объемов выборки для статистического анализа должны быть научно обоснованными и соответствующими потребностям предприятия.
Методика определения объемов выборочного наблюдения. Применение методов общей теории статистики для определения необходимого объема выборки является наиболее распространенным при определении доли выборочного контроля в общем объеме выпускаемой продукции. Традиционно вычисление объемов выборки производится с использованием формул для повторного и бесповторного отбора. В качестве весов используются показатели среднего квадратического отклонения для альтернативного признака. Методика выборочного наблюдения описана в большинстве учебников по статистике [3, 4, 5] и в научных исследованиях, посвященных вопросам выборочного контроля процессов производства [6, 7].
Экономически обоснованное определение объемов выборочного контроля продукции, представленное в работах иностранных исследователей, таких как Р. Лехтонен [8], Л. Барт [9] и Я. Окоши [10], обладает определенной новизной.
Данная методика может быть адаптирована для изучения возможностей улучшения качества продукции на промышленных предприятиях, выпускающих серийные изделия.
Р. Лехтонен [8] предлагает использовать объем потерь, связанных с выпуском бракованной продукции, в качестве корректирующего коэффициента для вычисления объема проверяемой продукции. В работе [8] проведен анализ потерь в зависимости от доли определенного товара в торговом обороте предприятия. В этом случае объем выборки продукции для оценки ее качества определяется по формуле:
п0
М
(1)
< ^М е)'
где V - потери, возникающие в случае, если в производство попадает негодная продукция, V - известные затраты на проверку одной единицы продукции, N - исследуемый объем продукции, который подлежит проверке, е -константа (основание натурального логарифма).
Адаптация данной методики для определения объемов выборки с учетом технологических возможностей производства требует введения в формулу параметра, отражающего текущие возможности производственных процессов. В качестве параметра технологических процессов могут быть рассмотрены коэффициент технологического состояния производства и индекс возможностей процесса. Тогда объем выборки, учитывающий текущее состояние и возможности производства, можно будет определить по формуле:
п0
М
( е) Срк'
где g - коэффициент технологического состояния производства [7], Cpk -коэффициент возможностей процесса [6].
Анализ полученных результатов. Применение коэффициента техно-
логического состояния производства позволит оценивать влияние на объемы выпуска со стороны простоев оборудования или длительность времени его работы, затраченной на производство некачественной продукции. Использование значений индекса возможностей процесса учитывает объемы некачественной продукции, выходящей за заданные границы процесса. Оба рассматриваемых элемента формулы рассчитываются исходя из накопленных данных о деятельности предприятия и, таким образом, носят исторический характер. Корректировка на технологическое состояние производства позволит снизить объем проверяемой продукции, так как при лучшем состоянии производствен-
V = 1800,00 + Затраты на проверку одного изделия составляют V = 7,00 руб. Тогда объем выборки без учета состояния техно-
п0 = 0, 6 1 • ^-Л = 0 , 6 1
Известно, что в предыдущем периоде время работы рабочего центра составило 160 часов, из которых 2 часа рабочий центр выпускал продукцию, которая затем была признана негодной. Данная информация позволяет определить коэффициент технологического состояния производства:
2,000 г-
<7= —-=0 , 0 1 2 5 руб. (5)
а 160,000 ' ^ у '
ных процессов возможность получения некондиционной продукции снижается.
Предлагаемая методика определения объема выборки на предприятии была применена для процесса производства автомобильных фитингов. Себестоимость фитинга составляет 1800 рублей. Дневной объем производства на одном рабочем центре равен 250 шт., в производстве используется 1 рабочий центр - токарно-винторезный станок 16В20. Производство 1 изделия занимает 1,92 минуты, стоимость одной минуты составляет 6,82 рубля. Таким образом, потери, возникающие в случае производства 1 негодного изделия, составляют:
6,8 2 = 1 8 0 6,8 2 руб. (3)
логического процесса и возможностей производства составит:
1806,82 I 7,00
руб.
(4)
По ранее накопленным данным оценка возможностей производства через коэффициент возможностей процесса Срк показывает, что уровень существующих производственных процессов не позволяет предприятию всегда выпускать продукцию с заданными параметрами, коэффициент возможностей Срк равен 0,87. Объем выборки с учетом состояния производственных процессов составил:
п0 =
(П\ д
1806,82\ /250\ 0,0125
рк у
Проведенный анализ показал, что накопленная информация о состоянии процесса производства позволяет предприятию сократить затраты времени на проверку в 8 раз. Годовая сумма эконо-
С?годбез,д 247,00 <2Т0ДСд = 247,00 • Заключение. Таким образом, применение научно обоснованных методов определения объема выборки позволяет предприятиям автомобильной промышленности, в том числе SME, существенно снижать затраты на опера-
7,00
= 18,40 = 19.
(6)
154,00 18,00
2,72/ 0,87
мии от определения уточненных объемов выборки определяется исходя из годовой программы производства данной детали, учитывая, что в году 247 рабочих дней:
руб. (7)
•7,0 0 = 3 1 1 2 2, 0 0 руб. (8)
ционный контроль производственных процессов. При изучении механизмов управления, позволяющих снижать объем затрат и повышать конкурентоспособность отдельных отраслей промышленности, важным аспектом является
применение методов статистического контроля производственных процессов. Важное место в структуре этого контроля занимает выборочное наблюдение качества продукции и определение необходимого объема этих наблюдений. В статье предложена методика определения объемов выборочного контроля готовой продукции на промышленных предприятиях, которая позволяет сократить объем затрат на содержание службы качества в несколько раз по сравнению с традиционными методиками проведения подобных исследований. Продемонстрирована возможность адаптации существующих методик на величину интегрального показателя, отражающего технологический уровень процессов, происходящих на предприятии, без потери качества продукции. Ввиду значимости качества в конкурентоспособности предприятия предлагается включить данную методику в механизмы управления промышленными предприятиями.
Библиографический список
1. Bolesnikov, Minja & Popovic StijaciC, Milica & Radisic, Mladen & Takaci, Aleksandar & Borocki, Jelena & Bolesnikov, Dragana & Bajdor, Paula & Dziendziora, Joanna. (2019). Development of a Business Model by Introducing Sustainable and Tailor-Made Value Proposition for SME Clients. Sustainability. 11. 1157. 10.3390/su11041157.
2. Moica, Sorina & Ganzarain, Jaione & Ibarra, Dorleta & Peti, Ferencz. (2018). Change Made in Shop Floor Management to Transform a Conventional Production System into an «Industry 4.0» Case studies in SME automotive production manufacturing. 10.1109/ICITM.2018.8333919.
3. Статистика: учебник для академического бакалавриата: в 2 т. / под ред. И.И. Елисеевой. - 4-е изд., перераб. и доп. - М.: Юрайт, 2018. - Т. 1. - 332 с.
4. Теория статистики: учебник / под ред. Р. А. Шмойловой. - 3-е изд., перераб. - М.: Финансы и статистика, 2000. - 560 с.
5. Бизнес-статистика: учебник и практикум для академического бакалавриата / под ред. И. И. Елисеевой. -М.: Юрайт, 2018. - 411 с.
6. Уилер Дональд, Чамберс Дэвид Статистическое управление процессами: Оптимизация бизнеса с использованием контрольных карт Шухарта: пер. с англ. - 2-е изд. - М.: Альпина Паблишер, 2016. - 409 с.
7. Внедрение сбалансированной системы показателей: пер. с нем. / Horvath & Partners. - 3-е изд. - М.: Аль-пина Бизнес Букс, 2008. - 478 с.
8. Lehtonen, Risto. (2005). Multilevel Statistical Models (3rd ed.). Harvey Goldstein. Journal of the American Statistical Association. 100. 354-355.
9. Holler, Manuel & Barth, Linard & Fuchs, Rainer. (2019). Trustworthy Product Lifecycle Management Using Block-chain Technology-Experience from the Automotive Ecosystem.
10. Yayoe Okoshi, Cleina & Pinheiro de Lima, Edson & Gouvea da Costa, Sergio. (2019). Performance cause and effect studies: Analyzing high performance manufacturing companies. International Journal of Production Economics. 210.
Bibliographic list
1. Bolesnikov, Minja & Popovic Stijacic, Milica & Radisic, Mladen & Takaci, Aleksandar & Borocki, Jelena & Bolesnikov, Dragana & Bajdor, Paula & Dziendziora, Joanna. (2019). Development of a Business Model by Introducing Sustainable and Tailor-Made Value Proposition for SME Clients. Sustainability. 11. 1157. 10.3390/su11041157.
2. Moica, Sorina & Ganzarain, Jaione & Ibarra, Dorleta & Peti, Ferencz. (2018). Change Made in Shop Floor Management to Transform a Conventional Production System into an «Industry 4.0» Case studies in SME automotive production manufacturing. 10.1109/ICITM.2018.8333919.
3. Statistika. In 2 v. Vol. 1: uchebnik dlya akademicheskogo bakalavriata / Ed.
I.I. Eliseyevoy. 4th ed. - Moscow: Izda-tel'stvo YUrayt, 2018. - 332 p. (In Russ.)
4. Teoriya statistiki: Uchebnik. Ed. R.A. SHmoylovoy. 3rd ed. - Moscow: Finansy i statistika, 2000. - 560 p. (In Russ.)
5. Business-statistika: uchebnik dlya akademicheskogo bakalavriata / Ed. I.I. Eliseyevoy. - Moscow: Izdatel'stvo YUrayt, 2018. - 411 p. (In Russ.)
6. Donald Wheeler, David Chambers Statisticheskoe upravlenie processami: Opti-mizacia biznesa s ispol'zovaiem kontrol'nykh kart Shuharta: Per. s angl. - 2nd ed. -Moscow: Alpina Publisher, 2016. - 409 p. (In Russ.)
7. Vnedrenie sbalansirovannoy sys-temy pokazateley: Per. s nem. / Horvath &
УДК 303.64: 004.4 412/414
Partners. - 3rd ed. - Moscow: Alpina Business Books, 2008. - 478 p. (In Russ.)
8. Lehtonen, Risto. (2005). Multilevel Statistical Models (3rd ed.). Harvey Goldstein. Journal of the American Statistical Association. 100. 354-355.
9. Holler, Manuel & Barth, Linard & Fuchs, Rainer. (2019). Trustworthy Product Lifecycle Management Using Blockchain Technology-Experience from the Automotive Ecosystem.
10. Yayoe Okoshi, Cleina & Pinheiro de Lima, Edson & Gouvea da Costa, Sergio. (2019). Performance cause and effect studies: Analyzing high performance manufacturing companies. International Journal of Production Economics. 210.
Кракашова О.А., Житников И.В.
КОНТЕНТ-АНАЛИЗ МАТЕРИАЛОВ II ОТКРЫТОГО РОССИЙСКОГО СТАТИСТИЧЕСКОГО КОНГРЕССА
Аннотация
В статье выполнен контент-анализ текста сборника материалов II Открытого российского статистического конгресса и построена абстрактная модель типичного для данного издания текста статьи. Использовались Internet-сервисы для семантического анализа текстов Istio и построения облака тегов WordltOut. Выявлено, что содержание текстов статей соответствует тематике и стилистике конгресса. Статьи, опубликованные в сборнике, посвящены преимущественно статистическому анализу уровня развития России. Исследования имеют явно выраженную экономическую направленность, проведены преимущественно на годовых макро- и мезоданных, рассматриваемых в динамике.
Ключевые слова
Контент-анализ, статистика, статистический конгресс, семантический анализ, облако тегов.
JEL A32, С46, C80, L86
Krakashova О.А., Zhitnikov I. V.
CONTENT ANALYSIS OF ARTICLES OF THE II OPEN RUSSIAN STATISTICS CONGRESS
Annotation
The article presents a content analysis of the text of the proceedings of the II Open Russian statistical Congress and an abstract model of the typical for this publication text of the
