CC BY
42
финансово-экономической деятельности малых предприятий.
Для решения поставленной задачи использовался ППП Statistica 6.0 и модуль «агломеративный иерархический кластерный анализ». Объединение регионов происходило по алгоритму «средняя связь» [3].
В результате была получена дендограмма кластеров (рис. 1).
На рис. 1 можно выделить четыре кластера и два отдельных региона. Первый кластер представлен Самарской и Пермской областями. Самый многочисленный второй кластер - это Оренбургская, Кировская, Ульяновская, Пензенская области, Чувашская и Удмуртская Республики. В третий кластер вошли Республика Мордовия и Марий Эл. Четвертый кластер составили Нижегородская область и Республика Башкортостан. Они лидеры по развитию малого бизнеса. Отделились Республика Татарстан и Саратовская область. Это вызвано тем, что в Республике Татарстан такие показатели как инвестиции в основной капитал, количество МП, среднесписочная численность занятых на МП, поступление единого налога
имеют высокое значение. Отделение Саратовской области от Пензенской и регионов второго кластера обусловлено тем, что для нее характерно более высокий уровень объема производства продукции и поступления единого налога.
Используя результаты кластерного анализа, можно утверждать, что дискриминантные функции (формулы 1-3) будут корректно классифицировать малые предприятия регионов второго кластера, так как он включает Пензенскую область. При этом самая точная оценка будет у Удмуртской Республики. Из рис. 1 видно, что она объединилась с Пензенской областью на первой итерации. Это свидетельствует о большом сходстве этих регионов по показателям развития малого предпринимательства.
Таким образом, используя полученные диск-риминантные функции, можно классифицировать малые предприятия по показателям финансовой устойчивости. Дискриминантные функции можно использовать не только для региона, по которому составлялась обучающая выборка, но и применяя кластерные технологии - для регионов со схожим уровнем развития малого предпринимательства.
СПИСОК ЛИТЕРАТУРЫ
1. Шадрина Г.В., Богомолец С.Р., Косорукова
И.В. Комплексный экономический анализ организации. М.: Мир, 2005.
2. Основные показатели финансово-хозяйственной деятельности малых организаций Пензенской области за 2005 год (по данным бухгалтерской отчетности): Статистический бюллетень (Терри-
ториальный орган Федеральной службы государственной статистики по Пензенской области). Пенза: Госкомстат, 2005.
3. Зубков А.Ф., Деркаченко В.Н. Методология построения прогнозных моделей, кластерные технологии в социально-экономических исследованиях. Монография. Пенза: ПГТА, 2005.
Катаев А.В.
модели организации деятельности виртуальных предприятий
Основой виртуальных предприятий для постоянного поиска и выполнения отдельных рыночных заказов являются динамические партнерские сети, которые призваны обеспечить быстрый отбор партнеров и организацию их в единую систему для выполнения конкретного рыночного заказа или проекта.
Процедуры оценки, отбора и объединения партнеров должны учитывать такие цели и возможные конкурентные преимущества виртуальных предприятий, как скорость выполнения рыночного
заказа; снижение совокупных затрат; более полное удовлетворение потребностей заказчика; гибкая адаптация к изменениям окружающей среды; снижение барьеров выхода на новые рынки.
Для эффективного выполнения отдельных заказов необходимо разработать систему отбора и объединения партнеров. В этой связи должны решаться две взаимосвязанных и взаимодополняющих задачи:
1. Привлечение новых участников динамической сети, обладающих ключевыми компетенциями
для эффективного выполнения отдельных задач возможных рыночных заказов и проектов и для функционирования виртуального предприятия в целом.
2. Оптимальный отбор и объединение исполнителей и партнеров, обладающих ключевыми компетенциями для выполнения конкретного рыночного заказа, в соответствии с целями и задачами проекта.
Вторую задачу условно можно разбить на следующие этапы:
1. Определение необходимых ключевых компетенций и ресурсов, требующихся для выполнения задач задача и требований проекта.
2. Поиск среди участников динамической сети потенциальных исполнителей и партнеров, обладающих требуемыми ключевыми компетенциями и ресурсами для выполнения рыночного заказа.
3. Оценка ключевых компетенций и ресурсов потенциальных исполнителей и партнеров с целью отбора партнеров, которые наилучшим образом могут выполнить определенные задачи.
4. В случае отсутствия в динамической сети подходящих ключевых компетенций и ресурсов производится поиск и оценка потенциальных исполнителей и партнеров вне динамической сети.
5. Привлечение потенциальных исполнителей и партнеров.
6. Оптимальный отбор исполнителей и партнеров в соответствии с целями и задачами проекта, ограничениями по времени, стоимости, качеству исполнения и т.п.
7. Объединение исполнителей и партнеров для выполнения рыночного заказа или проекта.
Первая задача усложнена тем, что для ускорения и улучшения качества выполнения заказа необходимо формировать динамические сети потенциальных партнеров без привязки к конкретному рыночному заказу и при достаточно размытых требованиях к компетенциям потенциальных партнеров. Другими словами, участники динамической сети не мотивированы конкретным рыночным заказом, а могут долгое время ожидать его появления. Следовательно, необходима соответствующая разработка механизмов поиска, оценки, отбора, привлечения и объединения участников динамической сети. В этой связи были выделены основные стимулы и возможности, способствующие привлечению участников динамической сети:
1. Получение новых заказов, которые участнику самому было бы практически невозможно получить (выход на новые рынки).
2. Доступ к специализированной и специфической информации (методики, ранее проведенные исследования, различные базы данных и др.).
3. Повышение уровня (качества) своих услуг за счет использования опыта и знаний партнеров.
4. Расширение перечня услуг и предложения комплексных решений за счет включения услуг и продуктов партнеров.
5. Уменьшение издержек и сроков выполнения заказов за счет привлечения ресурсов партнеров.
6. Участие в выполнении заказа, который сам участник выполнить не смог бы (участие в комплексных и крупных проектах).
7. Получение дополнительного дохода за счет нового использования простаивающих или неиспользуемых ресурсов.
Таким образом, для эффективной организации и функционирования виртуальных предприятий необходима разработка соответствующих методов и процедур поиска, оценки, отбора, привлечения и объединения участников динамической сети и партнеров для выполнения отдельных заказов. Для решения второй задачи в виртуальных предприятиях используются методы и подходы, разработанные и используемые в сфере управления проектами, которые требуют адаптации под особенности организации и функционирования виртуальных предприятия. Первая же задача требует более детальной проработки и разработки соответствующих механизмов и процедур.
Одним из основных этапов эффективного управления виртуальным предприятием является оптимальное и оперативное распределение заказов среди участников сети (партнеров).
Можно выделять три вида задач распределения заказов в рамках виртуального предприятия:
1. Задачи оперативного выбора партнера, который наилучшим образом может выполнить поступивший заказ.
2. Задачи оптимального распределения совокупности партнеров на выполнение совокупности несвязанных заказов за определенный период времени, когда один заказ полностью выполняется только одним партнером.
3. Задачи оптимального распределения заказа по партнерам, когда один заказ требует участия нескольких агентов.
В общем случае при выборе и распределение партнеров по заказам необходимо минимизировать стоимостные характеристики выполнения заказа и время выполнение заказа с одновременной максимизацией качества и количественных характеристик выполнения заказа.
В этой связи определены следующие группы характеристик заказа, которые могут выступать и как критерии оптимальности, и как ограничения: 1) стоимостные характеристики заказа;
2) временные характеристики выполнения заказа;
3) характеристики качества выполнения заказа;
4) количественные характеристики заказа/
Учитывая, что полной информацией по независимым и автономным партнерам и их возможностям нет, необходимо производить оценку и отбор по той информации, которую они предоставляют сами, и по внешним результатам и оценкам их деятельности.
Также выделены возможные показатели состояния и деятельности агента:
1. Уровень компетенции агента по конкретной сфере деятельности (может оцениваться на основе мнения других участников сети, бывших и настоящих клиентов и заказчиков, независимых экспертов).
2. Надежность агента (может определяться как отношение количества ранее выполненных заказов к принятым).
3. Мощность, потенциал и величина агента (могут определяться на основе выполнения количества типовых заказов за единицу времени или имеющегося количества определенных ресурсов или др.).
4. Степень автономности (самостоятельности) агента (возможность выполнять определенные задачи без привлечения других агентов виртуального предприятия).
По этим и другим показателям могут быть введены ограничения (фильтры) при первоначальном отборе потенциальных исполнителей заказа из всей совокупности агентов и при оптимизации распределения заказов. Также эти критерии могут быть решающими при возникновении «конфликтных» случаев, когда по всем параметрам один заказ одинаково могут выполнить несколько партнеров.
Показатель уровня компетенции агента может служить критерием максимизации качества выполнения заказа. Т. е. для увеличения качества выполнения заказа необходимо выбирать агентов с максимальным уровнем компетенции по требуемой сфере деятельности или задаче.
Задача распределения заказов может быть сформулирована как задача о назначениях. Классическая постановка однокритериальной задачи о назначениях в исследовании операций состоит в нахождение пар «Исполнитель - Работа», которые обеспечивают минимум суммарных затрат на вы-
полнение всех работ, причем каждый исполнитель выполняет только одну работу и для одной работы требуется только один исполнитель. Т. е. исполнители не делимы между работами, а работы не делимы между исполнителями.
В общем виде модель распределения заказов выглядит следующим образом:
L (X )=II cyx4 ^ min i=1 j=1
" m , _4
I Xj =1 (i = l,n)
j=1
n , _4
I Xj =1 (j =1,m)
i=1
0, /. ---4
1 (i = 1,n; j = 1,m).
(1)
Xj =
Исходные параметры модели:
1. n - количество партнеров, m - количество заказов;
2. Oj. - затраты (стоимость) выполнения j-го заказа i-ым партнером. Также, с. может быть компетентностью i-го партнера при работе на j-й должности; временем выполнения заказа и др.
Искомые параметры:
1. Xj. - факт распределения или нераспределения i-го заказа j-му партнеру:
[0, если i-му партнеру не передана j-я работа, j [1 , если i-му партнеру передана j-я работа.
2. L(X) - общая (суммарная) характеристика качества распределения заказов по партнерам.
Следует заметить, что для решения данной задачи с помощью модели (1) n должно равняться m. В случае несовпадения количества партнеров и заказов, необходимо ввести либо фиктивные заказы, либо фиктивных партнеров с присвоением Cj заведомо больших значений (запрет) - больше максимального с. не фиктивных значений.
Далее построим модели распределения заказов (3) и (4) с учетом трех критериев - стоимость с. (матрица С), компетентность исполнителя q^ (матрица Q), время выполнения заказа t (матрица T).
Учитывая, что значения критериев имеют различные единицы измерения, приведем их к безразмерному виду и произведем свертку с учетом важности каждого критерия. В итоге получим матрицу интегральных коэффициентов (суперкритериев) SK, элементы которой можно получить по следующей формуле:
ен - min (C) ( а,, - min (Q)
SR.. = v -,j-—— + 1 - v —-
,J е max(C)-min(C) I q max(Q)-min(Q)
+v,
ty - min (Т) max (Т )- min (Т)
(2)
где SK - матрица интегральных коэффициентов; ус, уч, V - коэффициенты важности соответствующих критериев, причем ус + V + V = 1;
п т
L (X )=Ц SK,
i=1 j=1
yXy ^ min
m , _ч
I ajxy ^ ry (i=w
j=1
I xy =1 (j =1,m)
i=1
n , _4
Itjxj ^ Tmj (j=1'm))
i =1
n , _.
I qyxj > Qmj (j = ^m)
i =1
n , _.
I cjxj ^ Cmj (j = 1'm/) i =1
x,-,- = ^0' (i = 1,n; j = 1,m).
L (X )=II SKi
i=1 j=1
yxy ^ min
m , _ч
I xy * ^ (i = U)
j=1
n , _ч
I xy = 1 (j = 1,m)
i =1
n , _ч
Itjxj ^ Tmj (j = 1'm)) =1
n , _ч
I qyxy > Qmy (j = 1'm))
=1
n , _ч
Ic jx j ^ Cmj (j = 1'm)) =1
xj = |j' (i = 1'n; j = 1'm).
(3)
(4)
где к - количество возможных заказов; а - коли] ' ч
чество (объем) требуемых ресурсов для выполнения заказа; г - возможное количество (объем) ресурсов, которое может выделить партнер для выполнения всех заказов; Тт - максимальное время, за которое необходимо выполнить ^й заказ; Qm. - минимальная компетенция партнера, которая необходима для выполнения ^го заказа; Ст - максимальная стоимость выполнения 1-го заказа.
Для распределения заказов в партнерской сети виртуального предприятия классическая модель (1) мало применима в связи с ограничениями по объемам используемых ресурсов и количеству заказов, которое может взять один партнер. В постановках же (3) и (4) не требуется совпадение количества исполнителей и работ в модели, также учтены возможнее ограничения по стоимости заказа, времени и качеству его выполнения.
В модели (3) и (4) могут быть добавлены ограничения на невозможность, отказ или запрет выполнения работ i-ым партнером j-ого заказа.
Модель (4) применима, когда заказы не типовые, но используются типовые ресурсы (количество сотрудников, фонд времени, площади и т. п.).
Описанные выше модели применимы в случае, когда один заказ может быть выполнен полностью одним партнером. В противном случае, можно предложить следующие подходы:
1. Разбивка заказа на независимые части (подзаказы) и распределение их по партнерам c помощью моделей (3) и (4).
2. Построение сетевого графика выполнения проекта (рис. 1.) с разбиением заказа на отдельные связанные работы и учет топологии сети в модели (5). Данный подход применим в случае, когда администратор имеет информацию и возможность спроектировать выполнения заказа по этапам, работам, срокам, требуемым ресурсам и т.п.
3. Выделение ключевых компетенций, требуемых для выполнения заказа, и формирование группы партнеров, которой заказ перейдет полностью. Этот применим в том случае, если администратор может выделить необходимые ключевые компетенции и общие требования, но не может спроектировать ход выполнения заказа.
4. Определение партнера, который может наилучшим образом выполнить или организовать выполнение заказа, а затем вместе с этим партнером находятся пути улучшения параметров (сроков, качества, стоимости и т. п.) выполнения заказа за счет передачи отдельных задач (работ) другим партнерам.
n m
L(X)=IISKyxy ^min (5)
i=1 j=1
TP (g)- Tp (k)- Eh (k,g)xy > 0 (j = 1,m)
\i=1
Tр (1)=0;
Тр (Smax )<= Tm';
n m
ЕЕc jxj <= Cm;
i=i j=1
n , _4
Е xj=1 (j=1,m)
xy = ^ (i = 1,n; j = 1,m); Тp(s) > 0; (k, g)> 0;
где: Тр(в) - ранний срок наступления события е. Т.е. время, которое необходимо для выполнения всех работ, предшествующих данному событию в; Тр(к) и Тр(§) - ранние сроки наступления начального и конченого события для работы Р(к, §); 1 (к, §) - время выполнения работы Р(к, §) ьым партнером; Тт и Ст - максимальные длительность и стоимость выполнения всего заказа соответственно; Т^) - срок наступления конечного для проекта события (срок окончания проекта).
Построенные модели (3), (4) и (5) с введением дополнительных критериев и ограничений на отдельные характеристики покрывают большую область задач распределения заказов в партнерской сети виртуального предприятия.
Заключение
Таким образом, для эффективного выполнения заказов предложена система отбора и объединения партнеров, решающая две задачи:
- привлечение новых участников динамической сети, обладающих ключевыми компетенциями для эффективного выполнения отдельных задач, возможных рыночных заказов и для функционирования долгосрочного виртуального предприятия в целом.
- оптимальный отбор и объединение исполнителей и партнеров, обладающих ключевыми компетенциями для выполнения конкретного рыночного заказа, в соответствии с целями и задачами проекта.
Разработаны однокритериальные и многокритериальные модели распределения типовых заказов, учитывающие такие параметры заказа, как время, качество и стоимость выполнения, при различных ограничениях ресурсов для различных ситуаций: для ситуации, когда один заказ может быть полностью выполнен одним партнером; для распределения совокупности заказов по совокупности партнеров.
Предложена оптимизационная модель формирования сети партнеров на основе методов сетевого планирования и управления, линейного программирования и многокритериального выбора.
СПИСОК ЛИТЕРАТУРЫ
1. Бурков В.Н. и др. Модели и механизмы распределения затрат и доходов в рыночной экономике / Бурков В.Н., Горгидзе И.И., Новиков Д.А., Юсупов Б.С.. М.: ИПУ РАН, 1997. 59 с.
2. Иванов ДА. Виртуальные предприятия и логисти-
ческие цепи: комплексный подход к организации и опера-
тивному управлению в новых формах производственной кооперации. СПб.: Изд-во СПбГУЭФ, 2003. 320 с.
3. Ларичев О.И., Мошкович Е.М Качественные методы принятия решений. Вербальный анализ решений. М.: Наука, 1996. 208 с.
4. Катаев A.B. Управление виртуальными предпри-
ятиями: проблемы стратегического планирования // В сб.: Стратегическое планирование и развитие предприятий: труды симпозиума. М.: ЦЭМИ РАН, 2003. С. 33-42.
5. Катаев A.B. Модели распределения независимых заказов в рамках партнерской сети виртуального предприятия // Известия ТРТУ. Тематический выпуск «Управление в социальных и экономических системах». Таганрог: Изд-во ТРТУ, 2007. №2 (74). С. 108-112.
6. Катаев A.B. Виртуальные системы // В кн.: Теория систем и системный анализ в управлении организациями: Справочник / Под ред. В.Н. Волковой и А.А. Емельянова.
М.: Финансы и Статистика , 2006. С. 91-103.
7. Катаев A.B. Математические модели оптимизации распределения заказов в партнерской сети виртуального предприятия // В сб.: Системный анализ в проектировании и управлении: Труды XI Международной науч.-практ. конф. Ч.1. СПб: Изд-во Политехн. ун-та, 2007. С. 1999-2004.
8. Катаев A. B. Информационные системы и модели оптимизации распределения заказов в партнерской сети виртуального предприятия // Прикладная информатика № 5 (11), 2007. С. 11-22.
Бабкин И.А.
Анализ методов и разработка моделей прогнозирования затрат на новую технику
В настоящее время при стратегическом планировании создания и развития новой техники (далее - НТ) используются многочисленные методы оценки и прогнозирования затрат (цен). Правильный выбор метода в зависимости от целей оценки, качества и количества исходной информации, а также этапа программного планирования (ПП), на котором находится исследователь при этом является одной из задач адекватного и достоверного прогнозирования затрат на создание и развитие образцов НТ. Анализу методов оценки и прогнозирования затрат на перспективную технику и областей их применения посвящено большое количество работ [1-9 и др.].
Переход от командно-административной системы хозяйствования и управления к рыночной экономической системе привел к значительным изменениям в практике ПП. В результате изменения механизма регулирования цен стоимость научно-технической продукции резко возросла, изменилась и структура цены, что сделало проблематичным использование прежних методик [3, 10]. Методики, основанные на использовании стабильных нормативов, утратили своё значение. При этом, заказчику при осуществлении мероприятий ПП необходимо знать ожидаемый уровень затрат, т. к. значительное его превышение приведет к неоправданному расходованию финансовых ресурсов, а значительное занижение - к нереализуемости заказа. Следовательно, актуальной задачей в настоящее время является разработка
методики оценки и прогнозирования затрат на перспективные образцы НТ, которая бы позволяла осуществлять расчет затрат с минимальными погрешностями.
В период формирования производственной программы исходная информация для прогнозирования затрат на разработку и производство перспективных образцов представлена в виде технических требований, обоснованных для перспективных образцов НТ в процессе системо-технического и научно-технического прогнозирования, затратами на разработку и производство изделия-аналога, возможностями предприятий промышленности, степенью новизны оцениваемых изделий, требуемой точностью оценки затрат.
На рассматриваемом этапе еще не сформирован схемно-конструктивный облик перспективных средств, нет значений эксплуатационных показателей, а значения технических и конструктивных показателей обладают существенной неопределенностью.
Эти причины накладывают естественные ограничения на выбор методов прогнозирования затрат на разработку и производство перспективных образцов.
Существующие методы оценки затрат на научно-техническую продукцию и образцы НТ в зависимости от характера исходной информации можно разбить на три группы [11-18 и др.]:
• методы калькулирования;
• нормативно-параметрические методы;
• статистические методы.
1 Работа выполнена при финансовой поддержке КНиВШ Правительства Санкт-Петербурга в рамках гранта для молодых кандидатов наук.
