Моделирование долгосрочных оптимальных решений по выбору параметров инвестиционных проектов предприятий Дальневосточного рыбохозяйственного кластера на примере промысла и переработки сардины-иваси и скумбрии Текст научной статьи по специальности «Экономика и бизнес»

ВОПРОСЫ РЫБОЛОВСТВА, 2017, том 18, №2; с. 192-201 PROBLEMS OF FISHERIES, 2017, vol. 18, №2; p. 192-201

АСПЕКТЫ РАЗВИТИЯ РЫБОЛОВСТВА

УДК 639.2.05

МОДЕЛИРОВАНИЕ ДОЛГОСРОЧНЫХ ОПТИМАЛЬНЫХ РЕШЕНИЙ

ПО ВЫБОРУ ПАРАМЕТРОВ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ ПРЕДПРИЯТИЙ ДАЛЬНЕВОСТОЧНОГО РЫБОХОЗЯЙСТВЕННОГО КЛАСТЕРА НА ПРИМЕРЕ ПРОМЫСЛА И ПЕРЕРАБОТКИ САРДИНЫ-ИВАСИ И СКУМБРИИ

© 2017 г. Б.И. Покровский, А.И. Соломин, И.В. Малахов, К.А. Кайзер

Тихоокеанский научно-исследовательский рыбохозяйственный центр,

Владивосток, 690091 E-mail: pokrovsky@tinro.ru

Поступила в редакцию 21.12.2016 г.

В работе представлены результаты исследования перспектив применения моделей линейного программирования и системной динамики в целях совершенствования методики анализа инвестиционных проектов. В качестве основы апробации методики выбраны различные сценарии промысла и переработки сардины-иваси и скумбрии.

Ключевые слова: сардина-иваси, скумбрия, инвестиционный проект, модель линейного программирования, оптимизация, модель системной динамики.

ВВЕДЕНИЕ

Основным инструментом определения эффективности рассматриваемого инвестором проекта является бизнес-планирование. В ходе разработки бизнес-плана выполняются, как правило, детальные экономические расчеты всех затрат по созданию будущего производства, оценивается потенциальный рынок сбыта продукции, намечаемой к выпуску, определяется прибыльность проекта и сроки его окупаемости (Гармаш и

др., 2012).

Необходимость анализа эффективности предполагаемых инвестиций в промышленные предприятия обусловлена долгосрочным характером использования капиталов. При этом специфика предприятий рыбной промышленности, как добывающих, так и перерабатывающих, состоит в том, что решение об инвестировании принимается в условиях действия весьма значимых факторов риска, к которым можно отнести риски промысловой обстановки, выбора эффективного оборудования и маркетинговой стратегии. Опыт

применения аппарата бизнес-планирования ставит вопрос о развитии и дополнении традиционных процедур инвестиционного анализа и экспертной оценки методами оптимизации и системного моделирования. Совершенствование процедур анализа позволит снизить риски реализации инвестиционных проектов и подтолкнуть предприятия Дальневосточного рыбохозяйственного бассейна к более активному обновлению основных фондов.

МАТЕРИАЛ И МЕТОДИКА

В работе рассматривается применение моделей линейного программирования и системной динамики в составе процедуры принятия решений об инвестировании в проекты рыбного хозяйства. Совмещение обычных процедур разработки инвестиционных проектов и оптимизационных моделей линейного программирования и моделей системной динамики представлено на рис. 1.

База данных

Модель линейного программирования

Модель линейной динамики

га

Н

« СЗ Й

и «

р « £н о г*-. с

X

(и д Щ а н

Я о я К н

о м г*.. О С а И Щ а

и р о м

<и п о й >■1 ьч

Результаты исследований,. -*■ информация для формирования технического проекта

Рис. 1. Блок-схема процедуры принятия решений с совместным использованием моделей линейного программирования и системной динамики при инвестировании в проекты рыбохозяйственной отрасли.

Оптимизация параметров инвестиционного проекта методами линейного программирования состоит в поиске таких значений показателей, при которых выгода от проекта будет максимальной при условии выполнения системных ограничений проекта. Построенная модель линейного программирования позволяет быстро получать оптимальный план выпуска продукции при любом изменении исходных параметров и определять с помощью двойственных оценок наилучшие варианты наращивания мощностей инвестиционного проекта.

Вместе с тем нужно заметить, что оценки оптимальных параметров проекта носят статичный характер и не позволяют рассмотреть особенности динамики проектируемого объекта в условиях «нештатных» ситуаций, например, при значительных колебаниях параметров производственных потоков.

Опыт работы авторов с различными вариантами бизнес-планов показывает необходимость проведения инвестиционных исследований различных вариантов организации промысла и переработки водных биоресурсов на судах и на береговых предприятиях с помощью методов системной динамики. Построение модели системной

динамики дает возможность корректировать исходные параметры проекта с учетом рисков операционной деятельности предприятия.

В качестве объекта моделирования в нашем исследовании использован инвестиционный проект промысла и переработки дальневосточной сардины (сардины-иваси) и японской скумбрии. С ар дина-иваси и скумбрия являются традиционными объектами промысла в Дальневосточном ры-бохозяйственном бассейне, однако с начала 1990-х гг. их запасы находились на очень низком уровне (Барышко, 2009). Сегодня этот промысел восстанавливается, что вызывает необходимость разработки и анализа различных вариантов организации промысла и производства продукции из этих видов.

Для анализа возможностей промысла и переработки сардины-иваси и скумбрии был разработан инвестиционный проект. Согласно проекту, промысел предполагается вести двумя среднетоннажными судами новой постройки (малый траулер-процессор), осуществлять доставку на береговое предприятие двумя транспортными судами (переоборудованный наливной сейнер) также новой постройки. Режим доставки уловов — челночный: пока одно судно находит-

Сиенарнн промысла сардины-иваси и

и перераооткц скумбрии

Промысел сардины н скумбрии:

сардина Юяло-Курильской зоны - июнь-ноябрь (2 декада);

скумбрия Южно-Курильской зоны - ноябрь (3 декада) — март, а прель-май - порт

1.1 Выпуск традиционной продукции:

сардина-иваси -соленая неразделаиная, консервы, пресервы,

мл lia и жир; склгмбрия - соленая и копченая н еразделаи н ая, консервы, пресервы, мука и жир

1.2 Выпуск нетрадиционной и традиционной продукции:

сардина-иваси - то же, фарш, полуфабрикаты из фарша, биологически активные добавки: скумбрия — го же, биологически активные добавки

Промысел сардины п скумбрии с

дополнительными объектами:

двухвидовой промысел сардины и скумбрии ЮКЗ в

соотношении 60:40 — июнь-ноябрь: промысел сельди Северо-Охогоморской подзоны — декабрь;

промысел минтая Северо-Охотоморской подзоны -январь-март; апрель-май — порт

1

2.1 Выпуск традиционной продукции:

сардина-иваси — соленая неразведанная, консервы, пресервы,

мука и жир; скумбрия - соленая и копченая неразделанная, консервы, пресервы,

мука и жир; минтай — филе, фарш, мука и жир; сельдь - соленая, копченая, консервы, пресервы, мука и жир

2.2 Выпуск нетрадиционной н традиционной продукции:

сардина-иваси - то же, фарш, полуфабрикаты из фарша, биологически активные добавки; скумбрия — то же, биологически активные

добавки, минтай — то же, фарш-сури.ми, имитации на основе сурими; сельдь - то же

Рис. 2. Сценарии промысла и переработки сардины-иваси и скумбрии.

ся на приеме сырца от добывающих судов, другое сгружает сырец в порту, что позволяет наладить регулярные поставки свежего сырья на береговое предприятие. Из зоны Южных Курил срок доставки (в оба направления) составляет 3,5 сут., из Охотского моря — 5 сут.

Большое разнообразие продукции из сардины-иваси и скумбрии делает необходимым создание определенной группировки по ассортименту для разработки вариантов переработки сырья. Такие варианты переработки приведены на схеме (рис. 2), включающей в себя сценарии промысла и подсцена-рии переработки уловов.

Предполагаются два сценария — базовый и резервный. При базовом ведется промысел сардины-иваси и скумбрии круглый год, при резервном — с июня по ноябрь. В остальное время при резервном сценарии ведется промысел минтая и сельди. Резерв -ный сценарий необходим для сопоставления

базового сценария с менее рискованным вариантом организации промысла.

Вылов на судо-сутки лова сардины-иваси принимался на уровне 15—40 т, в среднем — 27,5 т. С учетом потерь времени на промысле вылов может составить 22 т, на два среднетоннажных судна — 44 т. Аналогичным образом определяли суточные поставки сырья для других видов рыбы. В случае промысла минтая и сельди срабатывают ограничения по объему трюмов транспортных и добывающих судов (принимались равными 280 т в RSW-танках (Refrigerated Seawater)).

На рис. 2 приведен весь возможный ассортимент выпускаемой продукции, за исключением мороженой рыбы низкой степени разделки. Ограниченность сырьевой базы и неравная ценность различных видов продукции делают необходимым построение модели оптимизации ассортимента.

Расчеты по оценке оптимальных параметров инвестиционных проектов для

вышеперечисленных сценариев функционирования предприятия могут выполняться в следующих вариантах:

оптимизация по критерию максимума прибыли для заданных объемов вылова и технологических ограничений перерабатывающего комплекса;

максимизация вылова при ограничениях по затратам предприятия и заданных объемах вылова;

минимизация затрат при условии выполнения планового задания в стоимостных показателях и технологических ограничениях.

В расчетах использовали критерий максимизации прибыли, поскольку данная целевая функция лучше всего отражает задачи хозяйствующего субъекта в условиях рыночной экономики. Она может быть записана в виде (формула 1):

Z II vх s х n хp -e +

1=1 i=1 V

+ у (v , х s , х n. X p -ee )+ v X

¿—i \ 1 } 1 1 z ß / 1

Z = 1

муки (т) и рыбьего жира (о) соответственно при переработке / -того вида рыбы (морепродукта).

Управляемыми переменными в модели являются 5/.; все остальные элементы, включая объемы поставок сырья, представляют собой параметры.

Ограничения модели можно записать в следующем виде (2—4):

i v x s , < с,

¿—i 1 1i 1

=1

(2)

X n. X p -e. + v. X s. X n. X

w w w i i ),

x n, x p, - e ,

JO JO JO

^ max,

(1)

где Vj — принятый суточный объем рыбы (морепродукта) j-того вида, направленный на переработку, т; Sj. — доля суточного объема рыбы (морепродукта) j-того вида, направленная на выработку ¿-того вида

продукции; Nj., Njiz, Njiw, Njm и Njo - н°рмы

выхода ¿-того вида продукции, z-того вида субпродукта при производстве ¿-того вида продукции, отходов (w) при производстве ¿-того вида продукции, нормы выхода рыбной муки (m) и рыбьего жира (о) соответственно при переработке j-того вида рыбы (морепродукта); Pj., Pjiz, Pjim и Pjio - цена за 1 т ¿-того вида продукции, z-того вида субпродукта, рыбной муки (m) и рыбьего жира (о) соответственно при переработке j-того вида рыбы (морепродукта); Ej, E-n , E-jim и Ejio — прямые издержки (включая инвестиционные) на производство 1 т ¿-того вида продукции, z-того вида субпродукта, рыбной

I I Vд д жв * , (3)

1=1 i=1

где С1 и Ст — производительность линии по производству ¿-того вида продукции и рыбной муки соответственно;

вк * Vд д Ж * вь, (4)

где С^- и (у — нижняя и верхняя ера-ницы объем а производства ¿-того вида продукции из /-того вида рыбы (морепродукта) соотвенственно, обдсжовлежн ыд рыионными и нормат ивными факторами.

Получаемые оценки оптимально-го распределения сырья и соответствующей им инвестиционной отдачи с применением двойственных оценок оптимального плана позволяют выбрать наиболее эффективный из предложенных подсценариев промысла и переработки ресурса.

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Применение модели линейного программирования позволило определить перечень продукции в каждом сценарии, при котором выручка оказывается максимальной. Результаты приведены в табл. 1.

Для каждого вида продукции предполагается устанавливать только одну базовую производственную линию, производительность которой является ограничением по загрузке сырьем. Такой подход рассчитан на диверсификацию производства и позволяет не производить оценку емкости рынка, поскольку объемы производства будут небольшими.

Таблица 1. Ассортимент вырабатываемой продукции на предприятии береговой переработки сардины-иваси и скумбрии

Сценарий Объект Объем поступления сырца, т/судо-сут-ки промысла Вид продукции Объем сырца, направляемый на производство вида продукции, т Длительность промысла, судо-сутки Годовой объем сырца, направляемый на производство вида продукции, т

1.1 Сардина 44 Пресервы 24,0 165 3960

Консервы 19,0 3135

Соленая не-разделанная 1,0 165

Скумбрия 36 Копченая не-разделанная 1,0 135 135

Пресервы 12,0 1620

Консервы 23,0 3105

1.2 Сардина 44 Медицинский жир 2,2 (отходы) 165 363

Пресервы 12,0 1980

Консервы 17,0 2805

Фрикадельки из фарша 14,0 2310

Соленая не-разделанная 1,0 165

Скумбрия 36 Копченая не-разделанная 1,0 135 135

Пресервы 12,0 1620

Консервы 23,0 3105

2.1 Сардина 26,4 Пресервы 12,0 180 2160

Консервы 13,4 2412

Соленая не-разделанная 1,0 180

Скумбрия 17,6 Копченая не-разделанная 1,0 180 180

Пресервы 12,0 2160

Консервы 4,6 828

Сельдь 44 Пресервы 12,0 30 360

Консервы 31,0 930

Соленая не-разделанная 1,0 30

Минтай 44 Филе 22,0 90 1980

Фарш 22,0 1980

Таблица 1. Окончание

Сценарий Объект Объем поступления сырца, т/судо-сут-ки промысла Вид продукции Объем сырца, направляемый на производство вида продукции, т Длительность промысла, судо-сутки Годовой объем сырца, направляемый на производство вида продукции, т

2.2 Сардина 26,4 Медицинский жир 2,2 (отходы) 180 396

Пресервы 12,0 2160

Консервы 13,4 2412

Соленая не-разделанная 1,0 180

Скумбрия 17,6 Копченая не-разделанная 1,0 180 180

Пресервы 12,0 2160

Консервы 4,6 828

Сельдь 44 Пресервы 12,0 30 360

Консервы 31,0 930

Соленая не-разделанная 1,0 30

Минтай 44 Филе 22,0 90 1980

Фарш-сурими 22,0 1980

На основании оптимального плана для каждого сценария были выполнены расчеты инвестиционной привлекательности проекта по добыче и береговой переработке сардины-иваси и скумбрии. Общий объем инвестиций составляет от 2,0 до 2,3 млрд руб. в зависимости от сценария.

Ниже в табл. 2 представлены результаты расчета экономической и инвестиционной эффективности организации промысла и переработки сардины-иваси и скумбрии по заданным сценариям. Методика анализа описана ранее (Беренс и др., 1995; Брейли и др., 2008; Виленский и др., 2008). Горизонт планирования установлен в 15 лет.

Добавление в число промысловых объектов минтая и сельди (сценарии 2.1 и 2.2) снижает окупаемость проекта. Этот эффект связан с тем, что основные фонды проекта ограничивают суточный вылов по минтаю и

сельди в 15—30 т на судо-сутки, что приводит к потере основного преимущества промысла этих объектов — больших уловов на усилие.

Другой эффект обнаруживается при расчете показателей сценария 2.2, предполагающего производство нетрадиционных видов продукции. Выпуск такой продукции значительно более выгоден предприятию, чем производство рыбных полуфабрикатов низкой степени разделки. Также, если сравнить сценарии 1.2 и 2.2, можно увидеть, что разница между ними по показателям эффективности инвестиций близка к нулю (табл. 2). Напомним, что под сценарием 1.2 подразумевается целевой промысел сардины-иваси и скумбрии, а под сценарием 2.2 — промысел этих видов рыбы и дополнительных объектов, а именно минтая и сельди. Из этого можно сделать предварительный вывод о том, что в современных условиях

Таблица 2. Показатели эффективности инвестиций

Показатель Сценарий*

1.1 1.2 2.1 2.2

Ставка дисконтирования, % 23,55 23,55 23,55 23,55

Период окупаемости, мес. 45 28 не окупается 28

Дисконтированный период окупаемости, мес. 101 44 не окупается 44

Средняя норма рентабельности, % 35,90 60,33 26,83 59,65

Чистый приведенный доход, млн руб. 393,394 1 907,579 -165,070 2 056,560

Среднегодовая чистая прибыль, млн руб. 630,819 1087,215 516,400 1184,570

Индекс прибыльности, руб. 1,22 2,06 0,91 2,04

Внутренняя норма рентабельности, % 28,68 46,48 21,50 46,01

Модифицированная внутренняя норма рентабельности 25,23 29,64 22,81 29,55

Примечание. *См. в табл. 1.

внедрение производства нетрадиционных типов продукции позволяет диверсифицировать сырьевую базу предприятия без ущерба для нормы прибыли.

Полученные оценки оптимального распределения ресурсов и соответствующей им инвестиционной отдачи позволяют выбрать наиболее выгодный проект из предложенного перечня сценариев. Однако они носят статический характер и дают ограниченное представление о поведении производственной системы при изменениях различных параметров. Модель системной динамики, реализованная в рамках данного исследования, позволяет проанализировать динамику исследуемой производственной системы (рис. 3, табл. 3).

Построение модели системной динамики основывалось на модели линейного программирования, что достигалось посредством отражения правой части уравнений последней модели в накопительных переменных первой (Dingethal, 2016; Martinez et al., 2016).

Модель системной динамики позволяет своевременно выявлять «узкие места» и потенциальные рисковые зоны инвестиционного проекта, связанные с развитием проекта во времени. Она может быть дополнена промысловым и финансовым блоками для более полного отражения всех производственных процессов.

ВЫВОДЫ

По результатам проведенной работы можно сделать следующие выводы.

Использование в инвестиционном анализе моделей линейного программирования и системной динамики позволяет добиться большей эффективности принятия решений об инвестировании в проекты рыбного хозяйства и избежать стратегических ошибок, возникающих в «нештатных» ситуациях. Модель линейного программирования дает возможность выбрать оптимальный план производства при заданных параметрах проекта, а модель системной динамики — проанализировать возможные риски проекта при изменении этих параметров.

Проведенное исследование эффективности инвестиций в промысел и переработку сардины-иваси и скумбрии позволяет рекомендовать целевой промысел указанных объектов с выпуском продукции глубокой переработки. Риски инвестирования в проект могут быть снижены за счет совершенствования методики системного моделирования работы производственного цеха, особенно на этапе выхода на полную производственную мощность.

Необходимо заметить, что применение указанных методов в совокупности дает

Рис. 3. Схема функционирования берегового цеха в терминах модели системной динамики, обозначения см. в табл. 3.

Таблица 3. Расшифровка обозначений, представленных на рис. 3

Обозначение Расшифровка обозначения

С1 Норма выхода соленой неразделанной рыбы

С2 Объем производства консервированной рыбы

С3 Цена соленой рыбы

С4 Цена консервированной рыбы

С5 Цена консервированной продукции

С6 Цена рыбной муки

С7 Цена фарша

С8 Объем производства соленой неразделанной рыбы

С9 Объем выхода консервированной рыбы

С10 Норма выхода консервированной рыбы

С11 Объем продаж

С12 Цена на фрикадельки

С13 Объем выхода соленой неразделанной рыбы

С14 Доля сырца, направленная на производство консервированной рыбы

С15 Реализация продукции

Таблица 3. Продолжение

Обозначение Расшифровка обозначения

С16 Доля сырца, направленная на производство соленой рыбы

С17 Объем сырца, направленный на производство консервированной рыбы

С18 Объем отходов от производства

С19 Общий объем отходов от производства

С20 Коммунальные платежи

С21 Объем сырца, направленный на производство соленой неразделанной рыбы

С22 Отходы от производства консервированной рыбы

С23 Поступление сырца для производства соленой неразделанной рыбы

С24 Отходы от производства пресервов

С25 Норма выхода пресервов

С26 Затраты на зарплату

С27 Объем поставок сырца от промысла

С28 Объем сырца

С29 Поступление сырца для производства консервированной рыбы

С30 Объем пресервов

С31 Поступление сырца для производства пресервов

С32 Объем выхода пресервов

С33 Объем производства пресервов

С34 Дополнительные затраты

С35 Поступление сырца

С36 Поступление сырца для производства фарша

С37 Доля сырца, направленная на производство пресервов

С38 Поступление сырца на производство фрикаделек

С39 Доля сырца, направленная на производство фрикаделек

С40 Общий объем отходов от производства

С41 Поступление отходов на производство рыбной муки

С42 Объем производства рыбной муки

С43 Амортизация

С44 Запас сырца для производства фрикаделек

С45 Запас сырца для производства фарша

С46 Объем производства фарша

С47 Норма выхода рыбной муки

С48 Затраты на упаковку

С49 Норма выхода фрикаделек

С50 Доля сырца, направленная на производство фарша

С51 Выработка фарша

С52 Налоги

С53 Налоговые платежи

Таблица 3. Окончание

Обозначение Расшифровка обозначения

С54 Выработка фрикаделек

С55 Объем отходов при производстве фрикаделек

С56 Норма выхода фарша

С57 Выработка отходов при производстве фрикаделек

С58 Объем производства фрикаделек

С59 Выработка общего объема отходов при производстве фрикаделек и фарша

С60 Выработка отходов при производстве фарша

возможность оперативно анализировать возможные последствия изменений в инвестиционном проекте, что непосредственно отражается на уровне качества принятия управленческих решений.

СПИСОК ЛИТЕРАТУРЫ

Барышко М.Е. Промысел скумбрии и сардины-иваси на Дальнем Востоке. Владивосток: Дальрыбвтуз, 2009. 472 с.

Беренс В., Хавранек П. Руководство по подготовке промышленных технико-экономических исследований. М.: Интерэксперт, 1995. 343 с.

Брейли Р., Майерс С. Принципы корпоративных финансов. М.: Олимп-Бизнес, 2008. 1008 с.

Виленский ПЛ., Лившиц В.Н., Смоляк С А.. Оценка эффективности инвестиционных проектов. М.: Дело, 2002. 888 с.

Гармаш Д.Е., Покровский Б.И., Костюкова О.И., Соломин А.И. Инновационный подход к развитию структуры и основных фондов рыбопромышленных предприятий / / Нац. интересы: приоритеты и безопасность. 2012. № 38. С. 38-43.

Dingethal C. Incorporating optimisation processes into system dynamics models — an application in the field of logistics. 2016. (www. fucam.ac.be/redirect.php3?id=46692)

Martinez S, Cordillo F., Lopez E, Alcala I. A case of interaction between systems dynamics and linear programming: the rapim-pirenaica model. 2016. (http://www.systemdynamics.org/

conferences/1999/PAPERS/PARA115.PDF)

LONG-TERM OPTIMIZATION SOLUTIONS MODELLING FOR THE RUSSIAN FAR EAST FISHERY PROCESSING ENTERPRICES CLUSTER (EXAMPLE OF CATCHING AND PROCESSING FOR MACKEREL AND IWASHI-SARDINE FISHERY)

© 2017 у. B.I. Pokrovskii, A.I. Solomin, I.V. Malakhov, K.A. Kaizer

Pacific Ocean Scientific Research Fishery Center, Vladivostok, 690091

Main results of the common linear programming and system dynamic models in the field of analyzing investment projects methods are proposed in presented paper. Different scenario for types of mackerel and iwashi-sardine catching and processing management are investigated below.

Keywords: sardine-iwashi, mackerel, investment project, linear programming model, system dynamic modeling.