Прогнозирование на основе укрупненных нормативов затрат для целей ресурсосбережения на промышленных предприятиях Текст научной статьи по специальности «Экономика и бизнес»

39 (129) - 2012

Вопросы экономики

УДК 338.512

ПРОГНОЗИРОВАНИЕ НА ОСНОВЕ УКРУПНЕННЫХ НОРМАТИВОВ ЗАТРАТ

ДЛЯ ЦЕЛЕЙ РЕСУРСОСБЕРЕЖЕНИЯ НА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ

И. Н. ВАСИЛЬЕВА,

кандидат экономических наук, доцент кафедры экономического анализа,

финансов и аудита Еmail: vasilyeva128@mail. ш Старооскольский технологический институт (филиал) Национального исследовательского технологического университета «МИСиС»

В статье предложена математическая модель определения укрупненных нормативов затрат по заработной плате, материалам и накладным расходам, позволяющая прогнозировать себестоимость единицы изделия. Для наиболее точного прогноза автором использован метод анализа «скользящее среднее». На основании полученных нормативов можно определить прогнозную себестоимость на следующий месяц, сравнить с фактическими (нормативными) данными и выявить отклонения.

Ключевые слова: природно-ресурсный потенциал, управление, ресурсосбережение, нормирование, прогнозирование, математическая модель.

В новых экономических условиях, когда роль природно-ресурсного потенциала не только возрастает, но и определяет национальные интересы РФ, требуется новый подход к устойчивому развитию экономики России и ее регионов. Одной из базовых составляющих нового подхода должно быть реформирование механизма управления ресурсосбережением. Ресурсосбережение - очень важная наука, особенно для предприятий, которые непосредственно занимаются производством какой-либо продукции.

В условиях рыночной экономики концептуальные основы формирования ресурсосберегающей политики должны базироваться на принципиально иной идее, чем традиционные требования ресурсосбережения. Если при традиционном подходе эффективного ресурсосбережения в качестве критерия использовалось снижение удельного потребления материальных ресурсов, то современная концепция ресурсосбережения переносит центр тяжести на решение задачи формирования более высокого уровня управления ресурсами.

В целом необходимость разработки новых форм ресурсосбережения определяется несоответствием сложившейся модели управления ресурсосбережением требованиям социально-экономических интересов общества и необходимостью выработки новых взглядов и подходов к развитию стратегии реформирования механизма управления ресурсосбережением.

Ресурсосбережение представляет собой процесс рационализации использования материально-технических, трудовых, финансовых, природных и других ресурсов преимущественно на базе интенсификации производства для получения продукции

с наилучшими качественными показателями и минимумом затрат. Ресурсосбережение включает блоки технических, технологических, организационных и экономических мероприятий. Технические и технологические направления ресурсосбережения отработаны значительно лучше, чем экономические, и выражаются в многочисленных конкретных мероприятиях [4, с. 21].

Среди множества методов экономии ресурсов наиболее эффективными, по мнению автора, являются нормирование и прогнозирование.

Нормативная калькуляция используется для управления, анализа и контроля за производственными процессами, исчисления фактической себестоимости продукции, выявления отклонений от действующих норм затрат, причин, виновников и мест их возникновения, оценки эффективности внедренных организационно-технических мероприятий [3, с. 45].

Среди экономических мер по ресурсосбережению также следует выделить составление прогнозных калькуляций. Прогнозирование - это род предвидения (предсказания), поскольку имеет дело с получением информации о будущем. В свою очередь прогноз - это результат процесса прогнозирования, выраженный в словесной, математической, графической или других формах суждения о возможном состоянии объекта (в частности предприятия) и его среды в будущий период времени [2].

На основе фактических данных по промышленному предприятию (ЗАО «Старооскольский завод автотракторного электрооборудования имени А. М. Мамонова») предлагается алгоритм расчета прогнозной себестоимости единицы выпускаемого изделия. Для расчета прогнозных нормативов по укрупненным элементам (заработная плата, материалы, общепроизводственные и общехозяйственные расходы) автором была разработана и решена математическая модель расчета укрупненных нормативов затрат для прогнозирования себестоимости единицы изделия. Для наиболее точного прогноза использован метод анализа «скользящее среднее» в рамках программного продукта EXCEL.

Алгоритм расчета прогнозных нормативов себестоимости единицы изделия автор представил

Этап 1. Порядок расчета прогнозных показателей представим на примере расчета укрупненных нормативов по заработной плате. В основу построения графика временного ряда заложены период, предшествующий прогнозному месяцу равный двадцати месяцам, и фактические затраты по заработной плате в соответствующем периоде в расчете на единицу изделия у в частности электромагнита (рис. 1).

График временного ряда свидетельствует о наличии общей убывающей тенденции и циклических колебаний величины затрат по оплате труда в расчете на единицу изделия.

Этап 2. Для аналитической проверки полученных тенденций необходимо построить ряд расчетных таблиц (лаги 1-5), которые послужат основанием для расчета автокорреляционной функции. Представим пример расчета лага 1 (форма 1).

Рассматриваемый период равен двадцати месяцам, предшествующим прогнозному. Фактические затраты на зарплату в соответствующем месяце получили на основе использования информации отделов, в частности такого документа, как расшифровка трудовых затрат.

Далее рассчитываем отклонение фактических затрат по заработной плате за тот или иной период от среднего значения по формуле Офз = у( - уср.

Этап 3. Для каждого этапа выявляем связь между факторами. Для этого рассчитаем автокорреляционную функцию по формуле 20

-3)сР '

Лаг, = '=3+1 -.

V

Z(y-Уф)2+Z(У(»-j).-yfcp)2

i=j+1 i=j

Результаты расчетов представлены в табл. 1.

Взаимосвязь между временными рядами таблицы, в результате которой был рассчитан лаг 1, составила 0,08238. По такому же принципу производится расчет остальных лагов.

13

12,5

12

11,5

11

10,5

25

в виде девяти этапов.

Рис. 1. График временного ряда по заработной плате, руб.

7х"

25

39 (129) - 2012

Вопросы экономики

Форма 1

Расчетная таблица для вычисления автокорреляционной функции (данные для вычисления лага 1)

У 1ср У 2ср 11,63753 11,574368

t У У t - 1 -0,02694 -0,06946 0,022304

1 10,94 0,042474 -0,634368 -0,65753 0,1056316 -0,03753 -0,594368

2 11,68 10,94

3 10,98 11,68

4 11,6 10,98

И т. д.

Примечание: t - интервал периода времени, месяц; у1 - исходный временной ряд (фактические затраты на зарплату в соответствующем месяце), руб.; ум - полученные временные ряды со смещением, соответственно, на 1, 2,.. 5 месяцев, т. е. фактические данные по зарплате, которые сместили на один, два и т. д. месяцев вниз и которые соответствуют предшествующим месяцам (по данной форме - смещение на 1 мес.); у1ср -среднее значение фактических затрат по зарплате (общее за все месяцы, без учета первого, второго и т. д. месяцев, соответственно, с начала исходного временного ряда); у2ср - среднее значение фактических затрат по зарплате, сдвинутых на один, два и т. д. шагов вниз (общее за все месяцы, без учета одного, двух и т. д. месяцев с конца исходного временного ряда).

Таблица 1 Автокорреляционная функция

Лаг Значение функции

1 -0,08238

2 0,081515

3 -0,05672

4 0,648501 (максимум)

5 0,092464

Лаг 5

4

-0,2

Рис. 2. Гистограмма автокорреляционной функции

Сглаживание средней скользящей

г Уг Итого У, Уг- У,

1 10,94 - - -

2 11,68 45,2 11,3 0,38

3 10,98 45,782 11,4455 -0,4655

4 11,6 45,092 11,273 0,327

И т. д

Этап 4. На основе полученных данных (см. табл. 1) строим гистограмму автокорреляционной функции (рис. 2).

Анализ гистограммы позволяет сделать вывод: так как наиболее высоким оказался коэффициент автокорреляции уровней четвертого порядка, то ряд содержит циклические колебания в четыре периода.

Этап 5. Определяем структуру ряда и производим сглаживание уровней ряда методом анализа «скользящее среднее».

Итого за четыре периода получили

Е У = у + У2 + У3 + У4 =

= 10,94 +11,68 +10,98 +11,6 = 45,2.

За последующие четыре периода сумма равна

Е у=у2 + у3 + + у =

= 11,68 +10,98 +11,6 +11,552 = 45,782 и т. д.

Сглаженные данные временного ряда равны: ух = Итого / 4 = 45,2 / 4 = 11,3 и т. д.

Рассчитанные данные представлены в форме 2.

Этап 6. Построим аддитивную (т. е. путем сложения) модель временного ряда

У = Т + S + Е, где Т - трендовая компонента;

S - циклическая компонента;

Е - случайная компонента.

Уже было проведено выравнивание исходных уровней ряда. Полученные таким образом выровненные значения уже не содержат циклической компоненты.

Этап 7. В производстве присутствует влияние сезонной компоненты в связи с тем, что на анализируемом предприятии в числе другой выпускают продукцию для предприятий сельского хозяйства.

Найдем оценки сезонной компоненты как разность между фактическими уровнями ряда и выровненными (сглаженными). Используем эти оценки для расчета значений циклической компоненты S. Для этого найдем средние за каждый период (по всем периодам) оцен-

Форма 2

3

2

ки циклической компоненты Si. В моделях с циклической компонентой обычно предполагается, что циклические воздействия за период взаимопоглощаются. В аддитивной модели это выражается в том, что сумма значений циклической компоненты по всем периодам должна быть равна нулю.

В табл. 2 представлены результаты расчета сезонной компоненты. Мы получили 4 сезона, так как лаг четвертого порядка максимален.

Сумма средних сезонных компонент Z S^ для данной модели равна

Z S. = - 0,29245 + 0,07675 + 0,60095 +

/ у гср

+ 0,17475 = 0,56.

Определим корректирующий коэффициент k: k = Z S. / 4 = 0,56 / 4 = 0,14.

/ ' гср

Тогда скорректированная сезонная компонента S. составит:

S4 = Sc - k = - 0,29245 - 0,14 = - 0,43245 - для первого сезона;

Sh = 0,07675 - 0,14 = - 0,06325 - для второго сезона и т. д.

Проверим условие равенства нулю суммы значений сезонной компоненты:

4

Z S, = -0,43245 - 0,06325 +0,46095 + 0,03475 = 0.

i

Полученный результат говорит о правильности произведенных вычислений, т. е. о верности выбора количества сезонов.

Элиминируем влияние сезонной компоненты, вычитая ее значение из каждого уровня исходного временного ряда. Получим величины T + E = Y — S. Эти значения рассчитываются за каждый момент времени и содержат только тенденцию и случайную компоненту.

Определим компоненту T данной модели. Для этого проведем аналитическое выравнивание ряда (T + E) с помощью линейного тренда. Используем инструмент анализа данных Excel Регрессия (Сервис/Анализ данных/Регрессия).

Этап 8. Проводим расчет уравнения линейного тренда по формуле

t -1

t — t

l2 'l

T - T

T - T

2 11

t-t

t - T =—L (T2 - T ), t2 - t1

t — t

т = —^ (т2 — т)+т1. ?2 — tl

Тогда Т = 0,022556391^ - 1) + 3,1357143. Линейный тренд имеет вид У = а + bt, где а - начальная точка тренда; Ь - угол наклона тренда; t - временной интервал.

В результате проведенных расчетов получили следующие данные регрессионной статистики:

— множественный R = 0,62384;

— R2 = 0,389176;

— нормированный R2 = 0,355241;

— стандартная ошибка = 0,05943;

— количество наблюдений = 20.

Таким образом, получим следующий линейный тренд:

Т = 11,06816842 + 0,050903008^ Подставляя в это уравнение значения t = 1 + 20, найдем уровни Т для каждого момента времени. Для этого прибавим к уровням Т значения сезонной компоненты для соответствующих кварталов.

Значения уровней ряда, полученные по аддитивной модели, представлены на рис. 3.

В соответствии с методикой построения аддитивной модели расчет ошибки производится по формуле Е = У - (Т + S). Это абсолютная ошибка. Численные значения абсолютных ошибок приведены на рис. 4.

Если временной ряд не содержит автокорреляции, его можно использовать вместо исходного ряда для изучения его взаимосвязи с другими временными рядами. Полученное уравнение линейного тренда позволяет использовать его для прогноза.

Таблица 2

Расчет сезонной компоненты

Показатель Год Номер сезона

1 2 3 4

Сезонная компонента 1 0 0,38 -0,4655 0,327

2 0,21875 -0,37075 -0,15925 0,3655

3 -0,42925 0,24275 -0,22425 0,39

4 -0,2905 -0,65225 1,02125 -0,20875

5 -0,96125 0,784 2,8325 0

Итого за сезон... -1,46225 0,38375 3,00475 0,87375

Средняя оценка сезонной компоненты S. гср -0,29245 0,07675 0,60095 0,17475

Скорректированная сезонная компонента S. г -0,43245 -0,06325 0,46095 0,03475

ФИНАНСОВАЯ АНАЛИТИКА

проблемы и решения ^ 27

39 (129) - 2012

Вопросы экономики

13

12,5

12

11,5

11

10,5

0

5 10

■ Фактическое значение 7

15 20

И— Прогнозное значение 7 Рис. 3. Значения уровней ряда, полученные по аддитивной модели, руб

25

Остатки 1

Рис. 4. Численные значения абсолютных ошибок

Этап 9. На основании построенной модели рассчитаем прогнозное значение фактических затрат по зарплате:

у = 11,06816842 + 0,050903008-21 - 0,43245 =

р

= 11,704681588.

Таким образом, спрогнозированные затраты на оплату труда в следующем периоде следует принять равным 11,704681588 ~ 11,70 руб. в расчете на единицу изделия.

Рассчитанные аналогичным образом другие нормативы представлены в табл. 3.

Таблица 3

Прогнозные нормативы основных затрат, включаемых в себестоимость корпуса электромагнита

Показатель Абсолютное значение нормативного показателя на одно изделие, руб. Нормативный коэффициент на 1 руб. заработной платы

Оплата труда 11,7

Материалы 27,74

Общепроизводственные расходы 2,01

Общехозяйственные расходы 1,78

На основании полученных нормативов можно определить прогнозную себестоимость на следующий 21-й месяц. В заключение необходимо сравнить рассчитанные ранее прогнозные нормативы с нормативными данными, полученными на основе использования электронной базы данных и выявить отклонения (табл. 4).

Полученные данные показывают незначительные отклонения прогнозной себестоимости единицы изделия от нормативной [1].

На предприятии возможно использование разнообразных методов прогнозирования. Каждый менеджер и специалист по планированию должен овладеть навыками прикладного прогнозирования, а руководитель, ответственный за принятие стратегических решений, должен к тому же уметь сделать правильный выбор метода прогнозирования, что является неотъемлемым условием эффективного ресурсосбережения на предприятии.

Использование данной математической модели избавит от рутинного труда экономический отдел и позволит оперативно предоставлять аппарату управления информацию о тенденциях изменения нормативной себестоимости единицы изделия (на основе ее прогнозирования) для выбора оптимальной системы ценообразования и выявления наиболее рентабельных видов продукции.

Использование отклонений прогнозных нормативов затрат обеспечит руководство и ответственных работников аппарата управления предприятия оперативной информацией, которая может быть использована в рамках управленческого учета и принятия решений. Плановый отдел предприятия, определяющий уровень рентабельности, может оценить тенденцию изменения себестоимости единицы продукции, что позволит закладывать в себестоимость такой коэффициент рентабельности при расчете оптовой цены изделия, который заранее будет учитывать тенденции изменения величины затрат в большую или меньшую сторону на основе ранее произведенных расчетных показателей.

о

1

2

Таблица 4

Сравнение нормативных и прогнозных затрат, включаемых в себестоимость продукции

Показатель Норма Прогноз Отклонение нормы от прогноза

Руб. Удельный вес, % Руб. Удельный вес, °%

Материалы 28,38 28 27,74 27,2 +0,58

Заработная плата основных рабочих 12,14 12 11,7 11,5 +0,44

Общепроизводственные расходы 22,94 22,7 23,52 23,1 -0,58

Общехозяйственные расходы 19,67 19,4 20,83 20,4 -1,16

Прочие 18,08 17,9 18,16 17,8 -

Итого... 101,23 100 101,95 100 -0,72

В целом использование данного метода дает

возможность:

— на любой момент деятельности предприятия увидеть реальную картину в области формирования затрат по видам деятельности и по видам продукции;

— рассчитать отклонения и, как следствие, выявить в дальнейшем их причину;

— обеспечить составление обоснованных нормативных калькуляций, организацию контроля за их соблюдением в процессе производства продукции;

— провести анализ отклонений нормативной себестоимости от прогнозной, построенной на основе использования фактических данных, что позволяет в случае обоснованности отклонений

скорректировать существующие нормативы в соответствии с рассчитанными прогнозными значениями.

Список литературы

1. Васильева И. Н., Виноходова А. Ф. Управленческий учет на предприятиях машиностроения при организации нормативно-аналитического метода: монография. Старый Оскол: ТНТ, 2008.

2. Гласс Дж., Стенли Дж. Статистические методы в прогнозировании. М.: Прогресс, 1976.

3. Керимов В. Э. Бухгалтерский учет на производственных предприятиях: учеб. 4-е изд. М.: Дашков и К0, 2004.

4. ПокараевГ. М. Ресурсосбережение: проблемы и решения. М.: Экономика, 1990.

Вниманию руководителей и менеджеров высшего звена, экономистов, финансистов,

преподавателей вузов и аспирантов!

Журнал «Экономический анализ: теория и практика»

ISSN 2073-039X

Выпускается с 2002 года. Включен в перечень ВАК.

Журнал реферируется ВИНИТИ РАН. Включен в Российский индекс научного цитирования (РИНЦ).

Формат A4, объем 64 - 80 с. Периодичность - 4раза в месяц.

ПОДПИСКА ПРОДОЛЖАЕТСЯ!

Индекс по каталогу «Почта России» Индекс по каталогу «Роспечать» Индекс по каталогу «Пресса России»

34142 81287 83874

За дополнительной информацией обращайтесь в отдел реализации Издательского дома «ФИНАНСЫ и КРЕДИТ» телефон/факс: (495) 721-85-75, E-mail:[email protected]

Возможна подписка на электронную версию журнала, а также приобретение отдельных статей: Научная электронная библиотека: eLibrary.ru Электронная библиотека: dilib.ru

www.fin-izdat.ru