CC BY
1514
как у общественности, некоторых представителей органов власти и управления, так и у отдельных руководителей региональных вузов.
И, самая серьезная проблема, связана с разработкой и оптимизацией структуры сети высшего образования в регионе.
Возросшая роль регионов в управлении всеми сферами жизни общества диктует необходимость формирования региональной системы образования (не только высшего, но и среднего специального) на основе четкого определения целей и функций каждого вуза или группы учебных заведений. Особое место в системе образования региона должны занимать классические университеты, а значит, фундаментальная наука. Понимание такого места классического университетского образования побуждает некоторых руководителей региональных вузов, не являвшихся ранее классическими университетами, добиваться нового статуса. Основой подготовки конкурентоспособных специалистов является наличие квалифицированных преподавателей, которые непосредственно влияют на подготовку в регионе, к факторам способствующим стимулированию системы высшего и среднего специального образования в регионе можно отнести как глобализацию, сопровождающуюся жесткой проверкой на конкурентоспособность всех национальных, региональных образовательных достижений, критериев и оценок качества педагогического образования, так и появление альтернативных форм образования, становление нового культурного типа личности: активной, компетентной, конкурентоспособной, мобильной. Кроме того необходимо учитывать наличие образовательной гуманитарной среды и эффективной системы управления качеством образования в региональных вузах, экономическую доступность образования для региональной молодежи.
Региональная направленность вузовского образования позволяет каждой региональной системе высшего образования идти ин-
дивидуальным путем развития с учетом конкретной ситуации и специфики региона (сложившихся традиций, обычаев, своеобразия развития экономики, хозяйства, кадрового обеспечения).
На региональном уровне конкурентоспособность человеческого потенциала выступает как результат полученного образования, социального опыта и этнорегиональных компетенций. Формирование конкурентоспособной личности специалиста представляет собой специально организованный, целенаправленный педагогический процесс, направленный на формирование профессиональных компетенций и личностных качеств, необходимых специалисту для успешной профессиональной и альтернативной трудовой деятельности в регионе.
Литература:
1. Платонова Р.И. Формирование конкурентоспособного специалиста в условиях регионального педагогического вуза // Современный мир. Современное образование. Проблемы, тенденции развития, подходы: Материалы Всероссийской научно-практической конференции (Кемерово, июнь, 2009) М.: СГА, 2009. - С.424-436.
2. Наумов, С.В. Теория системного управления инновационным развитием регионального образования: монография / С.В. Наумов. - Н. Новгород, Нижегородский институт развития образования, 2008.
3. http:// www.un.org/russian/esa/hdr/2007/
4. http://www.gks.ru/ - официальный сайт Федеральной службы государственной статистики
5. http://stat.edu.ru/ - официальный сайт статистики российского образования
6. http://www.ed.gov.ru/ - официальный сайт Рособразования
7. http://ecsocman.hse.ru/text/17380832/
МЕТОД МОНТЕ-КАРЛО ДЛЯ АНАЛИЗА РИСКОВ И ОПТИМИЗАЦИИ ЗАКУПОЧНОГО ПРОЦЕССА В СВИНОВОДЧЕСКОМ КОМПЛЕКСЕ
Широченкова Ю.В., студентка РЭУ им. Г.В. Плеханова
В статье рассматривается применение метода Монте-Карло в целях эффективного управления рисками инвестиционных проектов в сельскохозяйственной отрасли.
Ключевые слова: метод Млнте-Карло, управление, инвестиционные риски,сельскохозяйственная отрасль.
THE MONTE CARLO METHOD FOR RISK ANALYSIS AND OPTIMIZATION OF THE PROCUREMENT PROCESS IN THE PIG FARM
Shirochenkova Y., student, Plekhanov Russian University of Economics
This article discusses the application of the Monte Carlo method for the effective risk management of investment projects in the agricultural sector.
Keywords: Mlnte Carlo method, management, investment risk, the agricultural industry.
В последнее время все большее число российских предприятий внедряют в свою деятельность системы анализа и оценки рисков. Стремление минимизировать финансовый риск приводит к необходимости снизить неопределенность проекта и разработать альтернативную модель управления рисками, позволяющую формализовать и объединить основные процедуры принятия решений и финансовой оценки, гибко настроить их на меняющиеся условия рынка и впоследствии создать методику снижения рисков инвестиционных проектов субъектов хозяйствования. Решения данных вопросов позволит защитить инвестора от негативных последствий внешних и внутренних факторов ведения хозяйственной деятельности.
Анализ рисков инвестиционного проекта по строительству Свиноводческого комплекса, находящегося в 150 км от Москвы по Ярославскому шоссе, осуществлен методом Монте-Карло.
Метод Монте-Карло, как метод имитации, применим для решения почти всех задач при условии, что альтернативы могут быть выражены количественно. Построение модели начинается с определения функциональных зависимостей в реальной системе, которые в последствии позволяют получить количественное решение, используя теорию вероятности и таблицы случайных чисел. Модель Монте-Карло является более гибкой, чем другие имитирующие модели.
Сутью инвестиционного проекта является строительство откормочного свиноводческого комплекса. Начальная вмещаемость комплекса будет насчитывать 1800 голов одновременного содержания на начальном этапе. При плановой загрузке (3 цикла в год) объем продукции в полутушах составит 437,4 тонны (5 400 полутуш) в год.
Весь производственный процесс сводится к откорму свиней, которые закупаются поросятами весом 25-27 кг (70-80 дней) и продаются потребителям при достижении 110 кг (180 дней). За 105110 дней подсвинки прибавляют 80-85 кг живого веса. Убойный выход откормленных свиней составляет 72% - 73%, что позволяет продавать по 79-80кг продукции в полутушах. Толщина сала составляет 1,5 см, что соответствует 1 категории продукции.
Поросята доставляются в спецфурах партиями 450-600 голов. Поступающая партия (1 фура) будет распределяться на 2 ангара со средней плотностью заселения 225 голов на ангар. После доставки поросята осматриваются, определяются проблемные, которые изолируются в карантиннике. Вся партия проходит вакцинацию в несколько этапов.
Свиньи будут откармливаться по принципу adlibitum, имея постоянный доступ к поилкам и кормушкам. В качестве корма будут использоваться сбалансированные сухие зерновые комбикорма,
смешиваемые на основе пшеницы, ячменя и соевого шрота, с добавлением белково-витаминно-минеральных премиксов.
По достижении свиньями веса 110 кг будут формироваться партии по 150 голов, заказываться спец-фуры и отправляться на бойню, где происходит передача продукции покупателям.
После освобождения ангаров производится сбор и вывоз соломенно-навозной массы в навозохранилище, организованное в дальней части участка. После очистки ангара производится его мойка и несколько этапов санитарной обработки.
Проведем анализ рисков при помощи метода Монте-Карло.
Количественный анализ рисков в числовом виде определяет отдельные риски и риск проекта в целом. Данный метод особенно удобен для практического применения тем, что удачно сочетается с другими экономико-статистическими методами, а также с теорией игр и другими методами исследования операций.
Рассчитаем оптимальное количество голов выращиваемого скота при помощи статистического моделирование Монте-Карло. Для этого соберем необходимые данные. Скотоводческий комплекс будет продавать поросят достигших в весе 110 кг (в среднем). В за полгода комплекс будет продавать около 10 тысяч голов, то есть около 55 голов в день в среднем. Цена за кг будет около 140 руб. Судя по статистике продаж стандартное отклонение дневного спроса составляет 5 туш (то есть около 900 голов за полгода).
Комплекс выращивает поросят с 2 месячного возраста до 8 месячного за полгода. Набор веса у поросят проходит с погрешностью 1-2 недели. В среднем количество выращенных поросят составляет 12-13 тысяч, т.е. резерв на негодность/болезнь/мор предусмотрен. Менеджер руководствуется предложенной методикой его руководства, по которой следует для расчета закупки молодняка придерживаться 12-13 тыс голов на полгода с учетом безопасного резерва.
Оптимален ли принятый безопасный резерв голов молодняка? Учитывая, что закупочная цена поросят 3500 руб., на каждом выращенном поросенке комплекс зарабатывает 2500 руб. Издержки хранения безопасного резерва поросят составляют 60% закупочной цены. По этим данным оценим оптимальный размер безопасного резерва и предложим оптимальную схему расчета закупки молодняка.
В модели фиксированного периода заказа заказ рассчитывается по формуле:
д = d*(L+T) - I + г*в*(Ь+Т)Л0.5
Здесь Т - период между заказами (в нашем случае 180 дней), Ь
- срок погрешности (7 дней), а d - средний спрос. Таким образом, средняя потребность в товаре на срок Ь+Т дней равна d*(L+T) = 10 285 голов молодняка.
Безопасный резерв, в свою очередь, равен г*в*(Ь+Т)Л0.5, где б
- стандартное отклонение дневного спроса (5 голов), а г - безопасный резерв в относительных единицах (2 000 тыс. молодняка). Ве-
личина г зависит от риска дефицита. И, наконец, I - остаток полу-туш на день в среднем.
Таким образом, логика количества закупки молодняка в настоящее время такова: к средней потребности на 187 дней (10 285 туш) добавляется безопасный резерв для 7 дополнительных дней (1 825 шт), а затем вычитается остаток склада, равный в среднем, очевидно, 110 туш, откуда и получается средняя закупка молодняка - 12 000 туш.
Соберем данные в одну таблицу (Табл. 1).
Фактически нам нужно смоделировать расход туш свиней с фермы. Запас в нашем случае равен потребности в товаре на срок 187 дней + безопасный резерв, т.е. 12 000 полутуш ( И = а*(Ь+Т) + /*з*(Ь+Т)Л0.5 ). Запишем его в ячейку. Тогда в следующую ячейку можно заполнить функцией для моделирования случайного времени исчерпания запаса 12000 штук. Смоделированное время исчерпания запаса позволяет рассчитать риск дефицита и число потерянных клиентов. Для расчета риска дефицита будем определять, хватило полутуш до прибытия новой поставки поросят через 187 дней, или нет.Если товара хватило, пусть значение функции равняется 0. Если возник дефицит, значение функции равно 1 (см. Рис. 2.3.1.). Запустим статистическое моделирование, задав в качестве целевой ячейки риск дефицита. (Рис. 2.3.1.)
Получается, что в принятой модели заказа дефицит случается с вероятностью 13%. Т.е. при 2 циклах закупки поросят в год ( 365/ 187 ) примерно меньше 1 раза может возникнуть нехватка голов скота для продажи.
По времени исчерпания заказа не сложно оценить и величину возможного дефицита или, иначе, число потерянных клиентов. (см. Табл. 2.3.4.) Для этого нужно вычислить, сколько времени осталось до поступления новой партии поросят, если он исчерпался раньше этого срока. Остаток времени равен просто разница в количестве дней от заказа до исчерпания запаса. Если же этот остаток времени умножить на средний спрос, то мы получим, сколько именно товара не хватило. Так же мы записали формулу для расчета числа упущенных клиентов (Табл. 2.3.4.).
Если провести моделирование, то мы выясним среднее число клиентов, потерянное за цикл заказа - 180 дней, с учетом того, что иногда дефицит случается, иногда нет. Т.е. нулевые потери тоже включаются в расчет среднего. У нас количество потерянных клиентов равно 0.
Можно оценить и уровень обслуживания. Уровень обслуживания - это процент обслуженных клиентов, среди всех спросивших товар, с учетом вариаций спроса. Доля не обслуженных клиентов равна отношению количества потерянных клиентов за период между заказами к среднему спросу за эти 180 дней. Наш сервисный уровень равен 100.
Проведем моделирование учитывая одновременно риск дефи-
Таблица 1. Данные для расчета оптимального заказа поросят
Спрос средний (за полгода в день)= полутуш 55 Закупочная цена = руб 3500
Стандартное отклонение спроса полутуш 5 Прибыльность = руб 2500
Цвремя доставки с фермы до заказчика )= ДН. 3 Удельная изд. хранения % 60%
Т (промежуток между заказами)= дн. 180 Ь+Т= дн. 183
I (остаток полутуш на ферме в день)— полутуш 5,0 с!*(Ь+Т)= полуту ш 10174,8
Потребность в товаре + БезопасгыйРезерв = полутуш 12000 Безопасный резерв = полуту ш 1825,20
Время исчерпания запаса ДН. 232,38 Потеряно клиентов шт. 0,00
Риск дефицита = % 0 Издержки хранения = руб 3 832 920р.
Количество потерянных клиентов = шт 0,000 Потери прибыли = руб - Р-
Уровень обслуживания = % 100,00 Полные потери = руб 3 832 920р.
Целевая ячейка - С25 (Риск дефицита —)
Среднее значение Станд. отклонение Станд. отклонение оценки среднего значения Максимум Минимум 0,013
0,11
0,0011
1,00
0,00
Рис. 2.3.1. Расчеты по методу Монте-Карло 1
цита, количества потерянных клиентов и уровень сервисного обслуживания. В данном случае свинокомплекс теряет примерно 2 клиента за полгода или примерно 4 клиентов за год, при условии 100% сервисного обслуживания. (Рис. 2.3.2.)
Мы имеем все данные, необходимые для того, чтобы выяснить величину оптимального безопасного резерва, а так же оптимальных риска дефицита и уровня обслуживания. Вычислим величину безопасного резерва - 1 825 полутуш. Если за один цикл заказа мы теряем 2 клиентов, то за год будет потеряно 4 клиента.
Издержки хранения в расчете на год рассчитываем, умножая величину безопасного резерва 1 825 на закупочную цену 3 500 руб и на удельную издержку хранения 60%.
Суммарные издержки потери прибыли с одной полутуши будут равняться 2 500 руб. И наконец, в ячейке “полные потери” записаны полные потери - от упущенных клиентов и хранения безопасного резерва. Осталось только выполнить статистическое моделирование.
Итак, полные потери составляют 3 832 920 руб. Много это или мало? Ответить на этот вопрос можно, только сравнив эти потери с потерями при другой схеме заказа. Мы нашли, что уровень обслуживания, соответствующий риску дефицита 13%, равен 100%.
В заключение можно снова заметить, что подобные расчеты можно было провести и без использования статистического моделирования. Однако необходимый для этого математический аппарат довольно сложен, и, что гораздо хуже, не прозрачен. Даже простая формула расчета размера заказа д = d*(L+T) - I + г*Б*(Ь+Т)Л0.5 не является, к сожалению, интуитивно понятной.
В этом случае статистическое моделирование помогает продемонстрировать работоспособность формулы и «прощупать» поведение системы управления запасами при изменении параметров.
1. Управление риском является частью процедур общего руководства предприятия. Главной задачей управления рисками является обеспечение успешного функционирования деятельности предприятия в условиях риска и неопределенности. Это означает, что даже в случае возникновения экономических затруднений реализация мер по управлению риском должна обеспечить предприятию возможность продолжения действий, их стабильности и устойчивости соответствующих денежных потоков, поддержания прибыльности и роста данного Свиноводческого комплекса.
Подробное расмотрение метода Монте-Карло на основе статистического моделирования, позволило нам рассчитать оптимальное количество заказуемых поросят в партии. Оптимальным размером заказа поросят было выявлено 10 285 голов молодняка. То есть именно такое количество комплекс способен содержать и выкармливать, не неся убытки.
Прибыльность любого производственного комплекса во многом зависит от грамотно составленного бизнес-плана, учитывающего всего возможные риски проекта, а так же использующего все возможные методы оценки рисков, в том числе и метод Монте-Карло. В статье описан инвестиционный проект по строительству свиноводческого комплекса и рассчитан оптимальный заказ поросят в партии, в цифрах определена сумма оптимального заказа, которая позволяет комплексу работать безубыточно.
Целевые ячейки => С25 (Риск дефицита =) С26 (Количество потерянных клиентов =) С27 (Уровень обслуживания =)
Среднее значение Станд. отклонение Станд. отклонение оценки среднего значения Максимум Минимум 0,02 2,08 1,00
0,1255 22,0623 0,0021
1.255Е-03 2Д06Е-01 2Д13Е-05
1,00 649,59 1,00
0,00 0,00 0,94
Рис. 2.3.2. Расчеты по методу Монте-Карло 2
