CC BY
11
тель рецензирует каждый проект и дает оценку сформиро-ванности компетенций, в рамках традиционной образовательной парадигмы, то есть оценке знаний, умений и навыков по дисциплине. Эксперты профессиональной среды, рассматривая каждый проект, оценивают кроме этого, еще и уровень сформированности интеллектуальных, инструментальных, общенаучных, социально-личностных компетенций. "А также классифицируют компетенции на пороговые, необходимые для достижение минимального результата, и дифференцирующие, позволяющие отличить лучших исполнителей от сред-них"[3,с.15].
"Практико-ориентированная направленность и интеграция образовательной и профессиональной среды позволяют реализовать компетентностный подход и повысить качество образовательных технологий" [2, с.46].
Принцип единства теории и практики раскрывает соотношение и взаимосвязь общенаучной и специальной,
теоретической и практической подготовки специалистов. Наука постулируется как потребность практики, а практикой доказывается истинность знаний.
Список литературы:
1. Астахова Л.В., Полуэктова О.А. Развитие графической компетенции будущего инженера в ВУЗе // Вестник ЮУрГУ Серия «Образование. Педагогические науки» 2014. Том 6. № 2. С. 48-56.
2. Горбань Н.А. Реализация компетентностного подхода при изучении графических дисциплин. /Н.А. Горбань, А.В. Горбань, С.С. Шестериков Материалы НПК «Авиамашиностроение и транспорт Сибири».- Иркутск, 2013. -С. 42-46.
3. Якимова З.В., Николаева В.И.. Оценка компетенций: профессиональная среда и вуз // Высшее образование в России. 2012. № 12. С 13-22
ПРИМЕНЕНИЕ ^^- АНАЛИЗА ПРИ РЕШЕНИИ УПРАВЛЕНЧЕСКИХ ЗАДАЧ ПЛАНИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ
Певцова Татьяна Александровна
Канд. физ.-мат. наук, доцент, доцент кафедры алгебры и геометрии ФГБОУ ВПО «МГУ им. Н.П. Огарева», г. Саранск Рябухина Елена Александровна Канд. пед. наук, доцент кафедры систем автоматизированного проектирования
ФГБОУ ВПО «МГУ им. Н.П. Огарева», г. Саранск Гущина Оксана Александровна Канд. тех. наук, доцент, доцент кафедры систем автоматизированного проектирования
ФГБОУ ВПО «МГУ им. Н.П. Огарева», г. Саранск
В данной статье предлагается один из вариантов применения компьютерного инструментария при выполнении сложных статистических расчетов в инженерной практике на основе XYZ-анализа.
Метод XYZ-анализа, как и аналогичный метод АВС-анализа, позволяет произвести классификацию товарно-материальных ресурсов данного подразделения в зависимости от стабильности ресурсов: чем стабильнее тенденция ресурсов, тем точнее можно производить прогнозирование [4, с. 18]. Основу метода XYZ-анализа составляет группировка товарно-материальных ресурсов в порядке возрастания коэффициента вариации, который, как известно, характеризует степень отклонения значений изучаемого признака от его среднего значения.
Результатом XYZ-анализа является классификация товарно-материальных ресурсов по трем группам.
Группа Х: к этой группе, как правило, относятся те товарно-материальные ресурсы, которые обладают известной стабильностью или незначительными колебаниями; рекомендуется для этой группы составлять прогнозы с высокой точностью прогнозирования.
Группа Y: к этой группе можно отнести те товарно-материальные ресурсы, которые имеют небольшие колебания либо ярко выраженную сезонность. Очевидно, что для этой группы составлять прогнозы с высокой точностью прогнозирования практически невозможно, поэтому прогнозы этой группы ресурсов отличаются только средней точностью прогнозирования.
Группа Z: к этой группе можно отнести те товарно-материальные ресурсы, которые имеют большие и непредсказуемые колебания; для этой группы составлять про-
гнозы даже со средней точностью прогнозирования проблемно, поэтому прогнозы этой группы ресурсов отличаются довольно низкой точностью прогнозирования.
ХУ2-анализ ресурсов можно осуществлять по таким же классификационным признакам, как и в АВС-ана-лизе, но в отличие от него, можно выполнять и многопараметрический XYZ-анализ. Основными положениями ХУ2-анализ являются следующие:
- примерно 10 % сельскохозяйственной техники используется для сельскохозяйственных работ регулярно, не взирая на сезон;
- примерно 25 % сельскохозяйственной техники используется для сельскохозяйственных работ почти регулярно или с небольшими колебаниями;
- примерно 75 % сельскохозяйственной техники, используемой для сельскохозяйственных работ, имеет ярко выраженный сезонный характер и т.п.
Смысл XYZ-анализа состоит в том, чтобы классифицировать всю хозяйственную номенклатуру на группы, присвоив каждой группе одну из категорий, например X, Y, Z. В производственной практике предлагается следующая стандартная классификация категорий (по одному параметру):
- «X» - это самая важная группа сельскохозяйственной техники из имеющегося машинно-тракторного парка, самая главная, продуктивная» категория, которая должна быть в хозяйстве всегда;
- «У» - это средняя по важности группа сельскохозяйственной техники из имеющегося машинно-тракторного парка, которая будет использоваться почти стабильно или с незначительными колебаниями;
- «Ъ» - это группа сельскохозяйственной техники из имеющегося машинно-тракторного парка, используется с большими колебаниями, сезонно.
Если произвести подобную классификацию машинно-тракторного парка в хозяйстве, то задачу управления им можно считать решенной, т.к. в этом случае для использования машинно-тракторного парка можно строить прогнозы с различной степенью точности. Подобная классификация в хозяйстве позволяет наиболее рационально расходовать время и другие товарно-материальных ресурсы для бесперебойной работы сельскохозяйственной техники и организацию самой эффективной производительности труда, для получения высоких урожаев сельскохозяйственных культур и максимального валового сбора и т.д.
Как определить «эффективность» техники или её «не эффективность», по какому признаку или по какой комбинации признаков её классифицировать? В теории управления и принятия решения к таким классификационным признакам можно отнести, например, следующие: 1) количество сделок с данным техникой; 2) себестоимость содержания техники; 3) объем реализации валового продукта в продажных ценах; 3) объем реализации валового продукта по себестоимости; 4) объем реализации валового продукта в натуральном выражении; 5) величина маржинальной прибыли; 6) оборачиваемость средств и др.
Среднестатистические группы категорий «X», <^», «2» имеют почти такие же процентные соотношения, как и группы в АВС-анализе.
Группа «X»: количество единиц техники этой категории составляют примерно 10 - 20% от всего машинно-тракторного парка, а доля в результате 50 - 80%;
Группа <^»: количество единиц техники этой категории составляют приблизительно 30% от всего машинно-тракторного парка, а доля в результате 10 - 15%;
Группа «Z»: количество единиц техники этой категории составляют 50 - 60% от всего машинно-тракторного парка, а доля в результате 5 - 10%.
Для повышения эффективности управленческой деятельности для каждой выделенной категории групп разрабатываются свои специальные методы и методики управления, в зависимости от различных факторов, например, от вида сельскохозяйственной техники, отраслевой направленности хозяйств, погодных и климатических условий, конкурентного окружения и др.
Метод XYZ-анализа, как и метод АВС-анализа, является в настоящий момент самым популярным и эффективным методом в теории управления и принятия решений, т.к. опирается на новейшие информационные технологии и современный компьютерный инструментарий.
Общие рекомендации решения экономических задач и принятия эффективного управленческого решения, предлагаемые в методике применения XYZ-анализа аналогичны тем, которые применяются для проведения АВС-анализа.
Группа «Х»: это наиболее стабильная группа единиц сельскохозяйственной техники из машинно-тракторного парка, поэтому рекомендуется:
1) этот машинно-тракторный парк необходимо часто контролировать;
2) управление и организацию всего машинно-тракторного парка необходимо начинать с этой группы сельскохозяйственной техники;
3) тратить на управление и организацию работы этой группы сельскохозяйственной техники наибольшее количество времени и других ресурсов;
4) разработать для данной категории наиболее точную экономическую модель прогнозирования.
Группа <^»: это менее стабильная группа единиц сельскохозяйственной техники из машинно-тракторного парка, поэтому рекомендуется:
1) работу этой техники из машинно-тракторного парка контролировать реже;
2) управление и организацию этой группы единиц сельскохозяйственной техники необходимо производить во вторую очередь, после группы «Х»;
3) тратить на управление и организацию работы этой группы сельскохозяйственной техники меньше времени и ресурсов, чем на группу единиц сельскохозяйственной техники категории «Х»;
4) для данной категории товаров точность экономической модели прогнозирования спроса может быть пониже.
Группа <^»: это группа единиц сельскохозяйственной техники должна быть в наличии и использоваться се-зонно, поэтому рекомендуется:
1) работу сельскохозяйственной техники из этого машинно-тракторного парка необходимо контролировать гораздо реже, чем технику групп «X» и
2) управление и организацию работы этой группы единиц сельскохозяйственной техники необходимо производить в последнюю очередь, после групп «X» и
3) тратить на управление и организацию работы этой группы сельскохозяйственной техники времени и ресурсов с учётом сезонности;
4) для данной категории техники экономическая модель прогнозирования в вязи с сезонными колебаниями будет гораздо ниже по точности, чем для групп «X» и
5) используется эта группа техники, как правило, только сезонно, но в сезон используется довольно интенсивно.
Для проведения XYZ-анализа предварительно рекомендуется:
1. Выбрать объект анализ. В теории управления и принятия решения в качестве объекта анализа рекомендуется выбирать количественный признак: товары, запасы, техника, приборы, клиенты, поставщики, потребители, структурные подразделения и т. д.
2. Выбрать классификационный признак. В теории управления и принятия решения в качестве классификационного признака рекомендуется выбирать: себестоимость, расход ресурсов, валовой доход, прибыль, частоту сделок и т.п.
3. Выбрать количество периодов. В теории управления и принятия решения количество периодов выбирается в зависимости от характера товарно-материальных ресурсов, горизонта планирования, вертикали управления
и других факторов. В качестве периода может фигурировать один день, одни сутки, один месяц, квартал, полугодие, год и т.д.
4. Вычислить коэффициент вариации, который характеризует степень отклонения изучаемого классификационного признака от его среднего значения.
5. Ранжирование объектов анализа в порядке возрастания значения коэффициента вариации.
6. Разбиение на группы по категориям «X», «Y» и «Z» в зависимости от значения коэффициента вариации; номенклатурные позиции группы «X» от 0 до 10%, группы «Y» - от 10 до 25%, остальные значения - это позиции группы «Z».
Алгоритм проведения XYZ-анализа в MS Excel [2,
c. 38]:
1. Составить таблицу, в которую нужно занести исходные данные.
2. Произвести в таблице необходимые статистические расчёты и вычислить коэффициент вариации.
3. Разбить объекты на группы по категориям «X», «Y», «Z» по этому классификационному признаку.
4. Рассчитать долю в ассортименте объектов каждой категории нарастающим итогом.
5. Построить кривые XYZ-анализа.
Замечание. Для повышения точности прогнозирования при решении прикладных задач рекомендуется использовать XYZ-анализ совместно с АВС-анализом.
Рассмотрим алгоритм практической реализации XYZ-анализа на конкретном примере.
Пример 1. Провести XYZ-анализ с использованием табличного процессора MS EXCEL по данным (представленным в табл. 1) расхода горюче-смазочного материала указанной номенклатурой сельскохозяйственной техники за 2-й квартал (май, июнь, июль и август: столбцы 1-5); результаты исследования представлены в столбцах 6-9 этой же таблицы.
Основные этапы исследования:
1) выбор объекта анализа - конкретная сельскохозяйственная техника;
2) выбор классификационного признака - количество использования горюче-смазочного материала данной номенклатурой сельскохозяйственной техники по месяцам 2-го квартала;
3) итоговое разбиение на группы по категориям «X», «Y», «Z» соответственно.
Табл. 1.
Техника Расход горюче-смазочного материала Итого Коэффи-ци-ент вариации Группа XYZ Доля в ассортименте нарастающим итогом
май июнь июль август
Комбайн 1 55 59 67 62 243 0,072 X 0,05
Веялки 2 100 102 108 124 434 0,087 X 0,10
Уборочная техника 2 259 268 294 325 1146 0,090 X 0,15
Веялки 3 200 177 167 209 753 0,090 X 0,20
Трактор 3 255 268 311 320 1154 0,096 X 0,25
Веялки 4 104 90 117 112 423 0,097 X 0,30
Трактор 2 55 45 55 65 220 0,129 Y 0,35
Комбайн 2 36 30 41 30 137 0,134 Y 0,40
Сеялка 1 26 20 25 30 101 0,141 Y 0,45
Веялки 1 58 48 48 38 192 0,147 Y 0,50
Комбайн 3 46 56 36 50 188 0,155 Y 0,55
Уборочная техника 1 26 16 23 30 95 0,215 Y 0,60
Трактор 5 26 16 23 30 95 0,215 Y 0,65
Трактор 1 78 98 88 50 314 0,228 Y 0,70
Трактор 4 40 60 50 30 180 0,248 Y 0,75
Уборочная техника 3 5 21 54 5 85 0,941 Z 0,80
Уборочная техника 4 93 23 10 15 141 0,955 Z 0,85
Сеялка 2 48 15 8 1 72 1,001 Z 0,90
Сеялка 3 51 23 4 1 79 1,008 Z 0,95
Сеялка 4 35 4 3 6 48 1,110 Z 1,00
Для наглядности результатов исследования рекомендуется построить кривую XYZ-анализа; построение этой кривой позволяет уточнить границы интервалов по её точкам перегиба, например, точки (13; 0,2) и (17; 1) являются точками перегиба [3, с. 235-246].
Рассмотрим ещё один алгоритм практической реализации XYZ-анализа.
Пример 2. Провести XYZ-анализ с использованием табличного процессора MS EXCEL по данным, представ-
ленным в табл. 2: объёму выработки той же номенклатурой сельскохозяйственной техники так же за 2-й квартал (май, июнь, июль и август: столбцы 1-6); результаты исследования представлены в столбцах 7-10 этой же таблицы. Для наглядного представления результатов исследования предлагается график кривой XYZ-анализа, точки перегиба которого определяют визуально границы категорий.
1,2
з 1,0 гг
?!
& 0,8
0
1 0,6 «>
з
г
3
Р 0,2
0,4
0,0
Кривая XYZ -анализа
10 15
Доля ассортимента
/
г У*
—1
20
25
0
5
Рисунок 1. Диаграмма по данным табл. 1
Табл. 2.
Исходные и результирующие данные для расхода объема выработки
Объём выработки (чел.-час)
№ Техника май июнь июль август Итого Коэффициент вариации Группа XYZ Доля в ассортименте нарастающим итогом
1 Трактор 3 1800 1900 1950 1850 7500 0,030 X 0,05
2 Уборочная техника 2 2000 1888 2110 2215 8213 0,059 X 0,10
3 Комбайн 1 690 700 770 800 2960 0,063 X 0,15
4 Веялки 2 1000 1100 1080 1240 4420 0,078 X 0,20
5 Веялки 4 1400 1500 1200 1300 5400 0,083 X 0,25
6 Веялки 3 200 177 167 209 753 0,090 X 0,30
7 Трактор 2 500 400 600 500 2000 0,141 У 0,35
8 Веялки 1 600 500 550 400 2050 0,144 У 0,40
9 Комбайн 2 900 800 700 600 3000 0,149 У 0,45
10 Уборочная техника 1 800 600 700 500 2600 0,172 У 0,50
11 Трактор 5 800 600 700 500 2600 0,172 У 0,55
12 Комбайн 3 800 600 700 500 2600 0,172 У 0,60
13 Трактор 4 800 600 700 500 2600 0,172 У 0,65
14 Уборочная техника 3 200 30 20 150 400 0,771 ъ 0,70
15 Сеялка 1 70 500 65 550 1185 0,774 ъ 0,75
16 Трактор 1 480 200 58 90 828 0,803 ъ 0,80
17 Сеялка 3 500 250 40 15 805 0,970 ъ 0,85
18 Сеялка 2 480 150 80 12 722 0,995 ъ 0,90
19 Уборочная техника 4 400 50 20 60 530 1,171 ъ 0,95
20 Сеялка 4 350 40 30 10 430 1,306 ъ 1,00
Для наглядности результатов исследования данной уточнить границы интервалов по точкам перегиба: напри-задачи также построим кривую XYZ-анализа; ярко выра- мер, точки (0,2; 0,6) и (0,8; 0,8) и т.д. являются точками женные точки перегиба этой кривой позволяет визуально перегиба.
Рисунок 2. Диаграмма по данным табл. 2
Совместное использование методов АВС- и XYZ-анализа дает больший эффект, чем раздельное их применение [1, с. 41-45]. В этом случае получается разделение данных на девять категорий: AX, BX, CX, AY, BY, CY, AZ, BZ, CZ. Самая важная категория - AX; при работе с
этой группой требуется тщательное планирование и тщательный контроль. Наименее важные категории - это BZ и CZ; при работе с этими группами не предполагается тщательное планирование и контроль, более того, достаточно простого наблюдения (табл. 3).
Табл. 3.
Исходные и результирующие данные для XYZr и ABC-анализа
Техника Доля в общем количестве сделок Группа ABC по сделкам Доля выработки в общем объёме Группа XYZ Группа ABC и XYZ
Веялки 1 0,039 В 0,14 X ВХ
Веялки 2 0,098 А 0,16 X АХ
Веялки 3 0,069 А 0,06 X АХ
Веялки 4 0,054 А 0,08 X АХ
Комбайн 1 0,108 А 0,10 X АХ
Комбайн 2 0,054 А 0,01 X АХ
Комбайн 3 0,043 В 0,04 Y ВY
Сеялка 1 0,033 С 0,04 Y СY
Сеялка 2 0,022 С 0,06 Y СY
Сеялка 3 0,011 С 0,05 Y СY
Сеялка 4 0,011 С 0,05 Y СY
Трактор 1 0,039 В 0,05 Y ВY
Трактор 2 0,054 А 0,05 Y АY
Трактор 3 0,065 А 0,03 Z АZ
Трактор 4 0,039 В 0,02 Z Вг
Трактор 5 0,054 В 0,02 Z Вг
Уборочная техника 1 0,054 А 0,02 Z ÁZ
Уборочная техника 2 0,098 А 0,01 Z ÁZ
Уборочная техника 3 0,033 С 0,01 Z Сг
Уборочная техника 4 0,022 С 0,01 Z Сг
Для графического отображения результатов совместного XYZ- и АВС-анализа нужен «трёхмерный» график или «трёхмерная» диаграмма, т.к. обычные графики и диаграммы не подходят для графически представления трех параметров. В MS EXCEL для этих целей можно вос-
пользоваться пузырьковой диаграммой, которая отображает на плоскости наборы из трех значений параметров. Подобно точечной диаграмме, значение третьего параметра отображается в виде размера пузырька. Чтобы построить диаграмму по всем параметрам составим итоговую табл. 4.
Табл. 4.
Результирующие данные для XYZ- и ABC-анализа
Категория Доля сделок Доля выработки Доля в общем объёме
АX 0,384 0,413 0,250
BX 0,039 0,143 0,050
АY 0,054 0,049 0,050
BY 0,082 0,087 0,100
СY 0,076 0,195 0,200
Аг 0,217 0,056 0,150
BZ 0,093 0,038 0,100
СZ 0,054 0,018 0,100
X 1,000 1,000 1,000
и по итогам исследования строим пузырьковую диаграмму:
Пузырьковая диаграмма
Рисунок 3. Диаграмма по данным табл. 4
Список литературы:
1. Рябухина Е.А., Гущина О.А. Применение АВС-ана-лиза в сфере аптечной торговли // Материалы IX международной научно-практической конференции «Достижения высшей школы-2013». Т. 9 «Экономика». София. Изд-во «ООД «БялГРАД-БГ», 2013. - С. 41-45.
2. Копыл В.И. Логистика управления запасами с помощью Excel. - М.: Производственно-практическое издание, 2012. - 64 c.
3. Гущина О.А., Рябухина Е.А. и др. Информатика. Учебное пособие. - Саранск: Изд-во Морд. ун-та, 2012. - 395 с.
4. Ширяев В.Д. Основы алгоритмизации. Учебное пособие. - Саранск: Изд-во Морд. ун-та, 1993. - 172 с.
