Методические аспекты прогнозирования качественных показателей производства продукции льноводства Текст научной статьи по специальности «Экономика и бизнес»

влияние на уровень сбалансированности за исследуемый период оказали такие страны как Россия, Украина и Казахстан.

Список литературы

1. Ковальчук В.В. Инновационные подходы к оценке эффективности внешнеторговых связей Республики Беларусь // Academy: научно-методический журнал, 2017. № 12 (27). С. 64-67.

2. Внешняя торговля: годовые данные: основные показатели внешней торговли. [Электронный ресурс]. 2018. Режим доступа: http://www.belstat.gov.by/ofitsialnaya-statistika/ (дата обращения: 20.11.2018).

3. Почетна В.В., Ковальчук В.В. Эффективность международной торговли // Минск: Право и экономика, 2007. 390 с.

МЕТОДИЧЕСКИЕ АСПЕКТЫ ПРОГНОЗИРОВАНИЯ КАЧЕСТВЕННЫХ ПОКАЗАТЕЛЕЙ ПРОИЗВОДСТВА ПРОДУКЦИИ ЛЬНОВОДСТВА Чухлеб А.В.

Чухлеб Алла Васильевна - кандидат экономических наук, доцент; кафедра статистики и экономического анализа, Национальный университет биоресурсов и природоиспользования Украины, г. Киев, Украина

Аннотация: в статье рассмотрены методические аспекты прогнозирования качественных показателей производства льнопродукции на всех этапах технологического процесса.

Ключевые слова: льнопродукция, качество, оценка, эффективность, метод, тренд, прогноз.

Одним из основных методических вопросов эффективного функционирования льноводства является системный подход к определению качественных показателей производства льнопродукции на отдельных стадиях технологического процесса.

Качество льнопродукции непосредственно влияет на ее конкурентоспособность, расширение ассортимента товаров, уровень цены их реализации, результативные показатели работы предприятий по производству и переработке продукции льноводства.

Качество получаемой льнопродукции - решающий фактор эффективного функционирования льноводства, который характеризуется технологической ценностью продукции как сырья для промышленности.

Оценка качества льносырья характеризуется способностью перерабатываться в пряжу той или иной тонкости. Так, при переработке тресты номером 1,00 нормативный выход всего волокна составляет 24,5%, номером 2 - 27,8%. Таким образом, для получения 100 кг длинного волокна необходимо переработать 408 кг льносырья номером 0,5; 383 кг - номером 1,00; 359 кг - номером 2,00 или 357 кг льносырья найвысшего номера. Количество полученной ткани зависит от качества используемого льоносырья. [2]

Проблемы качества льнопродукции и эффективности льнопроизводства взаимосвязаны и взаимообусловлены. При построении математической модели производственной функции эффективности производства льнопродукции необходимо учесть фактор - качество льнопродукции.

Для построения количественной модели, отображающей общую тенденцию изменения качественных показателей производства льнопродукции (по отдельным этапам

технологического процесса), целесообразно использовать метод аналитического выравнивания. При аналитическом выравнивании динамического ряда фактические

значения у заменяют расчетными значениями на основе функций времени у = /) .

Выбор типа функции основывается на теоретическом анализе сущности качественных показателей производства продукции льоноводства, характере их динамики.

Аналитическое выравнивание ряда динамики по прямой используется в тех случаях, когда уровни динамического ряда изменяются в арифметической прогрессии или приближаются к ней. Выравнивание ряда динамики по прямой имеет вид:

У4 = ао + М (1) где а0, а1 - параметры прямой (начальный уровень и ежегодный прирост); 1 - час.

Параметры а0 и а1 определяют способом наименьших квадратов, решив систему нормальных уравнений [1]:

Гпао + а^ =Ху; \_aoIt + а^ ^ (2) Уровень адекватности трендовой модели оценивают с помощью коэффициента детерминации:

Я2 = 1 -

Ш — у, )2 К« &2 Г&

(3)

ч

Если фактическое значение коэффициента детерминации превышает теоретическое значение, это означает, что построенная трендовая модель является адекватной.

Другой способ оценить адекватность выбранной модели тренда - рассчитать стандартную погрешность аппроксимации по формуле:

v = J-1-ху| | х 100% (4)

п — т — 1 Ч у,

где п - количество уровней ряда динамики; т - количество параметров уравнения тренда.

Если значение стандартной погрешности аппроксимации не превышает 15%, модель можно использовать для прогнозирования качественных показателей производства льнопродукции.

Для прогнозирования качества льнопродукции при условии, что выявленная тенденция сохранится и в дальнейшем за пределами изучаемого ряда динамики, в уравнение тренда подставляют значение t с продолжением исходного ряда и получают точечное прогнозное значение качества льнопродукции Упр.

Построение интервальной оценки прогноза качественных показателей льнопроизводства предусматривает определение доверительных границ, в которых будет находиться прогнозное значение с установленным уровнем вероятности. В основу построения доверительного интервала прнято доверительное число ^ определяющееся по таблицам распределения Стьюдента с установленным уровнем значимости а и степенями свободы (п-т).

Стандартную погрешность прогноза качественных показателей производства продукции льноводства определяют по формуле:

п +1 3 х (п + 2у — 1)2 /-«ч

<ув =о-ех1-+-^---, (5)

р п п х (п2 —1)

где V - интервал прогноза;

сЕ - остаточное среднее квадратическое отклонение, которое вычисляют по формуле:

2

п

п

=

Z(Y - х )2 f6.

- (6)

n - m

Для определения границ интервалов используется интервальное неравенство:

Yt - tas< Ynp < Yt + tas (7)

Таким образом, для построения количественной модели, отображающей тенденцию качественных показателей производства льнопродукции в динамике (по отдельным этапам технологического процесса), целесообразно использовать метод аналитического выравнивания. Проверив трендовую модель на адекватность, осуществляют прогнозирование качественных показателей прроизводства льнопродукции.

Список литературы

1. БекВ.Л. Теорiя статистики: Курс лекцш. Навчальний поабник. К.: ЦУЛ, 2003. 288 с.

2. Чухлеб А.В. Аналитическая оценка производства льнопродукции в Украине // Актуальные проблемы гуманитарных и естественных наук, 2014. № 9. С. 193-195.

РОЛЬ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В МЕНЕДЖМЕНТЕ

12 3

Ильин А.С. , Панченко Г.М. , Ковалёва М.В.

1Ильин Алексей Сергеевич - студент; 2Панченко Глеб Михайлович - студент; 3Ковалёва Марина Владимировна - кандидат экономических наук, Федеральное государственное бюджетное образовательное учреждение высшего образования Хабаровский государственный университет экономики и права, г. Хабаровск

Аннотация: в статье представлена периодизация развития систем искусственного интеллекта, дано определение искусственного интеллекта и конкретизированы его элементы. Определены сферы применения искусственного интеллекта. Представлен опыт внедрения отдельных элементов искусственного интеллекта российскими предприятиями.

Ключевые слова: искусственный интеллект, история развития искусственного интеллекта, сферы применения искусственного интеллекта.

В настоящее время менеджмент на основе искусственного интеллекта набирает все большую популярность. В современных условиях система управления организаций и, HR-сфера в частности, находится под неизбежным влиянием цифровой инновационной трансформации: бизнес-аналитики, искусственного интеллекта и других передовых технологий.

Область научного знания об искусственном интеллекте сформировалось в середине XX века, однако работы в этом направлении велись с древних времен. О прототипах современных систем искусственного разума можно говорить начиная с 1950-х гг. [1]. Этапы становления искусственного интеллекта представлены в таблице 1.

Понятие «интеллект» образовано от латинского слова inteUectus - ум, рассудок, разум, мыслительные способности. В начале 1980-х гг. ученые в области теории вычислений Барр и Файгенбаум предложили следующее определение искусственного интеллекта: искусственный интеллект - это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, то есть систем, обладающих

50