CC BY
17
УДК 517.001.57:622.33 © А.В. Медведев, С.М. Никитенко, М.А. Месяц, 2019
Развитие угледобывающей отрасли региона: моделирование и предварительный анализ*
DOI: http://dx.doi.org/10.18796/0041-5790-2019-11-43-47
В работе рассматриваются вопросы автоматизированной оптимизационной оценки экономической эффективности угледо-бы>1вающей отрасли региона. Для получения указанной оценки построена ориентированная на выявление экономического потенциала отрасли математическая модель в форме двух-критериальной задачи линейного программирования, позволяющей одновременно определять как оптимальные объемыы требуемых инвестиций, так и оптимальные объемы/ производства продукции. Предложена методика анализа инновационных проектов, учиы/вающая инновационность основных средств и технологий производства и самой продукцииугледобы>1вающей отрасли. Представлены/ полученные на основе модельных данных результаты/ вы/числительных экспериментов по оценке экономической эффективности проектовугледобы/вающей отрасли, в том числе с использованием изложенной методики анализа инновационных проектов.
Ключевые слова: оптимизационная экономико-математическая модель, экономический потенциал угледобывающей отрасли, инновационный проект, автоматизированная информационная система.
ВВЕДЕНИЕ
Экономическое развитие любого региона в современный период базируется на привлечении инвестиций в различные конкурентные отрасли, определяющие стратегии или точки роста его развития. Особенно актуальна данная проблема для ресурсных регионов, основой стратегии развития которых являются добыча и экспорт сырья. «Структура валового регионального продукта Кемеровской области ярко отражает сырьевую направленность экономики: наибольший удельный вес занимает добыча угля (32,8%)» [1]. Развитие угледобывающей отрасли неизбежно влечет ряд проблем экологического характера с одновременным возрастанием потребности внедрения новейших технологий, обеспечивающих максимально эффективную добычу угля с минимальными разрушениями территорий. Оценка экономической эффективности угледобывающей отрасли в регионе - сложная задача системного анализа, требующая усилий специалистов разного профиля. Указанная оценка неизбежно связана с определением экономического потенциала отрасли, выявление которого невозможно без использования оптимизационных подходов и моделей ее анализа.
МЕДВЕДЕВ А.В.
Доктор физ.-мат. наук, профессор
кафедры информационных технологий
и прикладной математики
Кемеровского института (филиала)
ФГБОУ ВО «Российский экономический университет
имени Г.В. Плеханова»,
650992, г. Кемерово, Россия
НИКИТЕНКО С.М.
Доктор экон. наук, ведущий научный сотрудник ФИЦ УУХ СО РАН, 650000, г. Кемерово, Россия, e-mail: nsm.nis@mail.ru
МЕСЯЦ М.А.
Канд. экон. наук,
доцент кафедры финансов и банковского дела
Кемеровского института (филиала)
ФГБОУ ВО «Российский экономический университет
имени Г.В. Плеханова»,
650992, г. Кемерово, Россия,
e-mail: smu-kirsute42@yandex.ru
* Статья подготовлена при поддержке РФФИ (Проект № 18-410-420004 «Интеллектуальная собственность как основа устойчивого развития угледобывающего региона (на примере Кемеровской области)») и Департамента образования и науки Кемеровской области (Соглашение № 09/2019 от 04.09.2019 г.).
РАЗВИТИЕ УГЛЕДОБЫВАЮЩЕЙ ОТРАСЛИ РЕГИОНА
В настоящее время задача выявления экономического потенциала отрасли региональной экономики, относящаяся к классу планово-прогнозных задач стратегического анализа, решается с использованием ряда подходов и методов, применение которых в той или иной мере критично с точки зрения ее решения. Регрессионно-статистические, стохастические методы [2, 3, 4, 5, 6, 7] в значительной и критической степени зависят от количества и качества подходящей для них, как правило, ранее не прогнозируемой социально-экономической информации, содержащей влияние многочисленных случайных, несистемных экономических, политических, социальных и других факторов. Использование неоптимизационных моделей и методов требует проведения многочисленных вычислительных экспериментов и не гарантирует выявления экономического потенциала отрасли. Использование динамических оптимизационных моделей и методов, в том числе методов многокритериальной оптимизации [8], связано со значительными алгоритмическими и временными затратами для их реализации в условиях задач большой размерности, а также требует согласования и сбалансированности соответствующих моделей и методов со средствами их автоматизированного анализа. Учитывая, что в экономической системе (ЭС) региона производитель взаимодействует с региональным управляющим центром, его эффективность также зависит от условий (в первую очередь условий налогообложения) и критериев такого взаимодействия. Рассмотрим в качестве критерия эффективности производителя максимум такого показателя эффективности, как чистая приведенная стоимость (КРУ), трактуемого как дисконтированное значение прироста вложенных инвестиций или, иначе, как добавленная к инвестициям дисконтированная стоимость. Данный показатель, как правило, представляет собой сальдо потоков стратегических «доходных» составляющих - прибыли, остаточной стоимости имущества, приобретенного при инвестировании в данный проект, и самих инвестиционных вложений, преимущественно в основные производственные фонды (ОПФ). Критерием регионального управляющего центра целесообразно выбрать максимум налоговых поступлений, связанных с деятельностью производителя. Для оценки экономического потенциала производственной отрасли угледобывающего региона в данной работе используется автоматизированная информационная система (АИС) [9]. Указанная АИС, в общем случае, решает многокритериальную, многопараметрическую задачу линейной экономической динамики при анализе планово-прогнозных экономических потоков взаимодействия экономических агентов в ЭС путем решения оптимизационной задачи анализа инвестиционно-производственного проекта (ИПП) [9].
Пусть п - количество видов производимой в ЭС продукции. Введем следующие обозначения: к = 1,...,п - порядковый номер вида продукции / комплекта ОПФ; шк - количество комплектов ОПФ к-го вида, (шт., ед.); ук - объем произведенной на комплекте ОПФ продукции к-го вида в натуральном измерении (натуральные ед. / ед. ОПФ); ск -стоимость комплекта ОПФ (д.е. / ед. ОПФ); Тк - срок службы комплекта ОПФ к-го вида (экономический цикл (э.ц.)); Ук - производительность комплекта ОПФ к-го вида, (ед. пр. / ед. ОПФ); Рк - рыночная цена единицы продукции к-го
вида (д.е. / ед. прод.); qk - стоимостной спрос на продукцию к-го вида (д.е.); р - коэффициент оборотных затрат, определяемый как доля затрат на оборотные фонды в сумме всех текущих производственных затрат производителя; р - коэффициент трудозатрат, определяемый как доля оплаты труда в сумме всех текущих производственных затрат производителя; а. (/' = 1,...,5) - ставки налогов на добавленную стоимость, имущество, прибыль, страховых взносов в социальные фонды, других налоговых и/или неналоговых потоков; г - ставка дисконтирования, учитывающая инфляцию, уровень требований инвестора и другие долгосрочные экономические и политические риски деятельности производителя; Т - горизонт планирования (э.ц.);
РкК
производственная мощность к-го комплекта
ОПФ; К (к) - коэффициент, отражающий, во сколько раз выручка на стадии послепродажного сервиса больше выручки от продаж к-й продукции [10]; гэ = гТ/(1-(1+г)-Т) - 1 -эффективная ставка дисконтирования, учитывающая особенности построения показателя КРУ как интегрального показателя оценки эффективности инвестиционного проекта; ц - весовой коэффициент критериев в их выпуклой линейной комбинации; г0 - ставка кредита на финансирование текущей деятельности производителя; Т0 - срок кредита на финансирование текущей деятельности производителя (э.ц.); Сгтх - максимальная сумма кредита, взятого на финансирование текущей деятельности производителя (д.е.); Оо(тх - максимальная сумма дотаций производителю (д.е.); 10 - максимальная сумма инвестиций производителя в ОПФ (д.е.); ОБ0 - начальные средства производителя (д.е.); г = г + гинв, где: г - ставка дисконтирования, учитывающая риск инфляции (= 4%), гинв - ставка дисконтирования, учитывающая риск требований инвестора по возврату заемных средств (= 16%). Обозначим далее хк = скшк - оптимальный стоимостный объем инвестиций в ОПФ к-го вида, используемых для производства продукции (д.е.); х+к = Рктук - оптимальная выручка от продажи продукции к-го вида (д.е.); х2п+1 - оптимальный объем кредита, взятого на финансирование текущей деятельности производителя (д.е.); х2п+2 - оптимальный объем дотации на финансирование деятельности производителя (д.е.).
Тогда математическая модель оценки эффективности рассматриваемого ИПП представляется в следующем виде.
ЫРГ(Р, =-
() 1 + п
! л\г Т 1 + Гэ
К-1
¿=1
п _
го(12Г0+1)_
24
хъ +
• тах,
1+К
-> тах.
ИРУ = ц ■ №Г(Р) + (1 - ц) ■ №Г(Т) тах,
п
^ (™/к)Ч Хк .
(1) (2)
(3)
(4)
х ,, < Сг
2п+1 тах
х2 +2 < Dot
2п+2 т.
х > 0 (т
т
где:
= 1,...,2п + 2),
(6)
(7)
(8)
1-/>-Р(1 + а4)
Т
—кх, Т. 2
V
т
Ч =-(а3-а4Р)^+а2
VI4
т
т = оц -(а3 -а4Р)^ + а3 +а5.
Модель (1)-(8) позволяет выявить экономический потенциал любого производителя путем определения оптимальных значений инвестиций, объемов производства и финансирования текущей производственной деятельности, приносящих максимум его добавленной к инвестициям стоимости, приведенной к настоящему моменту времени. Соотношения модели имеют следующий содержательный смысл. Условия (1): критерий эффективности производителя в форме максимизации его дисконтированного сальдо стратегических доходов (прибыль и оценка имущества) и стратегических расходов (инвестиции); критерий эффективности регионального центра - дисконтированная сумма налоговых потоков от деятельности производителя и их выпуклая линейная комбинация соответственно. Неравенство (2) - инвестиционное ограничение максимально возможной суммой инвестиций в отрасль. Неравенства (3) - производственное ограничение объема производимой продукции мощностью (рентабельностью, фондоотдачей) комплектов ОПФ. Неравенства (4) - производственные ограничения объемов продукции каждого вида стоимостными объемами спроса на нее. Неравенство (5) - финансовое ограничение интегральной платежеспособности производителя на горизонте планирования неотрицательностью суммы собственных (заемных) средств. Неравенство (6) - финансовое ограничение максимально возможной суммой кредита на обеспечение текущей финансовой деятельности (платежеспособности) производителя. Неравенство (7) - финансовое ограничение максимально возможной суммой дотации на обеспечение текущей финансовой деятельности (платежеспособности)
производителя. Неравенства (8) - содержательные и математические ограничения неотрицательности переменных модели, обеспечивающие существование решения задачи. В модели (1)-(8) всегда существует решение, так как нетрудно проверить ограниченность и замкнутость множества допустимых значений переменных, а также существование тривиального решения. Наличие нетривиального решения показано с помощью пакета [9], позволяющего провести также многопараметрический анализ вариантов развития производителя.
Назовем набор Т(ск, Тк, ¥к, Рк, дк, р, р) традиционной, «старой» технологией производства продукции ^го вида, а набор Пс* Т* V* р* д* р* р*) где с/ = уксК Т* = т/, V* = vkVk, Р* = пкРк д* = сткдк р* = фв, р* = рр - инновационной, «новой» технологией. Здесь коэффициенты ук, тк, V к пк стк ф, р - экзогенно задаваемые величины, отражающие изменение численных значений характеристик активов, продукции, технологии производства при переходе к «новой» технологии. «Новой» технологией будем считать любую технологию Т*, в которой хотя бы один из коэффициентов у, т, V, п, ст, ф, р отличен от единицы. Сравнение расчетов по технологиям Т и Т выявляет влияние на показатели эффективности ИПП производственных, технологических, маркетинговых инноваций путем комбинации коэффициентов ук, тк, V , пк, ст к, ф, р. В данной работе считаем, что в исследуемой ЭС угледобывающей отрасли региона производитель понимается обобщенно, как агрегированная совокупность подразделений (отраслей, территориальных комплексов, предприятий и подобных), а используемые им для производства продукции ОПФ - как единый комплект. То есть имеется в виду, что без определенного набора активов со сроком службы более одного экономического цикла продукция отрасли не может быть произведена. Например, в качестве ОПФ для добычи угля принимается не угледобывающий комбайн, конвейерная лента, экскаватор, транспортные средства и тому подобное, а целый комплекс ОПФ, образующий угледобывающее предприятие или их совокупность - шахту, разрез, угледобывающий регион, угледобывающую отрасль и т.п. Указанные экономические структуры содержат перечисленное выше оборудование как единый комплект, характеризующийся осредненными значениями стоимости, производительности, срока службы и используемый для производства угля как товара. При этом уголь, отличающийся
Входные характеристики ОПФ, продукции и внешней, рыночной среды угледобывающей отрасли Кузбасса
1 Показатель 1 Значение показателя 1
Количество видов продукции, п, шт 1
Стоимость комплекта ОПФ к-го вида, с1, млрд руб./ед. ОПФ 100
Срок службы комплекта ОПФ, Т, экономический цикл 20
Производительность комплекта ОПФ, Vl, млн т/ед. ОПФ 250
Стоимость единицы продукции, P1, тыс. руб./ед. продукции 2,1
Совокупный стоимостный спрос на продукцию, д1, млрд руб. 700
Коэффициент трудозатрат, р, % / 100 0,223
Коэффициент оборотных затрат,р, %/ 100 0,24
Ставка дисконтирования, г, % / 100 0,2
Горизонт планирования, Т0, экономический цикл 10
NPY, млрл fi> 6
0-3 i 2 1 t м t t 1 -1 i» ii li и 14 н » i! it к i»
3 гчизь^т пп1р*|*11ч№ i г
Зависимости NPV(T0) при варьировании V1 = 150,250,350 млн т
Dependencies NPV (T0) with a variation ofVl = 150,250,350 million tons
по своим физическим и, следовательно, экономическим характеристикам, понимается как производимая различными комплектами ОПФ продукция, характеризующаяся различной стоимостью ее единицы и спросом. Таким образом, здесь предполагается, что в ЭС (угледобывающая отрасль региона) производится единственный товар - уголь с осредненными его качественными характеристиками и (в соответствии с принципом чистых отраслей) используется единственный комплект ОПФ. Для предварительной модельной оценки эффективности угледобывающей отрасли Кузбасса в таблице представлена оцененная авторами на основе данных из [11, 12] входная для модели (1) - (8) информация, приближенно характеризующая отраслевые показатели ОПФ, продукции и внешней, рыночной среды угледобывающей отрасли Кузбасса.
Расчеты, проведенные с помощью пакета [9], дали следующие результаты вычислительных экспериментов по модели (1)-(8).
На рисунке представлены зависимости КРУ проекта по производству угля в угледобывающей отрасли от горизонта планирования Т0 при варьировании показателя У1 -производительности комплекта ОПФ. Анализ рисунка позволяет руководителям предприятий (инвесторам) получить полезную информацию об исследуемом ИПП. В частности, выявляются жизненный цикл, оптимальные горизонты планирования и моменты реинвестиций. Визуально также определяется информация об абсолютных значениях NPV проекта.
Сравнение расчетов по технологиям Т и Т* позволяет выявлять влияние инноваций на оптимальные характеристики ИПП, в частности, на его добавленную стоимость и жизненный цикл. В связи с этим проведем вычислительный эксперимент. Цель эксперимента - определить оптимальный объем инвестиций (X) на одну тонну угля с использованием инновационной технологии Т*, характеризующейся следующими параметрами: у1 = 2; ст1 = 1,5; т1 = 2; v1 = 1,4; п1 = 3; ф = 2; р = 1,5. Расчеты показывают, что в этом случае Х'/Х = 0,475, то есть показатель А при использовании технологии Т уменьшается на 52,5%.
ЗАКЛЮЧЕНИЕ
Проведенное исследование позволило авторам сделать следующие выводы:
- оптимизационные модели оценки экономической эффективности угледобывающей отрасли в условиях ориентации на ее инновационное развитие должны основываться на применении кибернетических, а не регрессионно-статистических моделей, существенно использующих прошлую социально-экономическую информацию;
- эффективность реализации ИПП в угледобывающей отрасли зависит от внедрения в производственный процесс объектов интеллектуальной собственности как существенной составляющей ОПФ для добычи и переработки инновационной угольной продукции.
Список литературы
1. Проект: «Стратегия социально-экономического развития Кемеровской области на период до 2035 года». Кемерово, КемГУ, 2018. 159 с. URL: https://kemsu.ru/upload/2035. pdf (дата обращения: 15.10.2019).
2. Valuation of a hypothetical mining project under commodity price and exchange rate uncertainties by using numerical methods / B. Aminrostamkolaee, J.S. Scroggsa, M.S. Borghei et al. // Resources Policy. 2017. Vol. 52. P. 296-307.
3. Foo N., Bloch H., Salim R. The optimisation rule for investment in mining projects // Resources Policy. 2018. Vol. 55. P. 123-132.
4. Афанасьев А.А. Прогнозирование добычи природного газа ПАО «Газпром» и его производственного потенциала в условиях внешнеэкономических ограничений // Экономика и математические методы. 2017. Т. 53. № 4. С. 26-35.
5. Yuzhen Tian, Zhanxin Ma. An Efficiency Analysis of Chinese Coal Enterprises by Using Malmquist Productivity Indexes / The 2016 International Conference on Advances in Energy, Environment and Chemical Science (AEECS 2016). P. 70-73.
6. Puryaev A. Evaluating of innovative projects effectiveness at industrial Enterprises / 3rd International Conference on Industrial Engineering (ICIE-2017).
7. Kong L., Wang X.M. The Index Evaluation System and Model Building for Sustainable Development of Coal Industry // Advanced Materials Research. 2012. Vol. 403-408. P. 2180-2183.
8. Машунин Ю.К., Машунин И.А. Организация управления, моделирование и прогнозирование развития экономики региона // Региональная экономика и управление: электронный научный журнал. 2016. № 1. С. 29-58.
9. Конструктор и решатель дискретных задач оптимального управления («Карма») / Программа для ЭВМ. Свидетельство о регистрации в Роспатенте № 2008614387 от 11.09.2008. Правообладатели: А.В. Медведев, П.Н. Побе-даш, А.В. Смольянинов, М.А. Горбунов.
10. Медведев А.В., Никитенко С.М., Гребенников А.В. Методологические и методические аспекты преобразования технологии в инновационный продукт // Инновации. 2013. № 6. С.115-119.
11. Масштаб ответственности. Презентация для инвесторов. Апрель 2017. URL: http://www.suek.ru/upload/iblock/ c33/investorpresentation_ru_apr17.pdf (дата обращения: 15.10.2019).
12. Статистика ВЭД. Аналитическая группа «VED-STAT. RU». Режим доступа: www.ved-stat.com(www.ved-stat.ru/ analiz/324-export-ugol).
ECONOMIC OF MINING
ORIGINAL PAPER
UDC 517.001.57:622.33 © A.V. Medvedev, S.M. Nikitenko, M.A. Mesyats, 2019
ISSN 0041-5790 (Print) • ISSN 2412-8333 (Online) • Ugol' - Russian Coal Journal, 2019, № 11, pp. 43-47
DOI: http://dx.doi.org/10.18796/0041-5790-2019-11-43-47
Title
development of the coal mining industry in the region: modeling and preliminary analysis
Authors
Medvedev A.V.1, Nikitenko S.M.2, Mesyats M.A.1
1 Kemerovo Institute (Branch) of Plekhanov Russian University of Economics, Kemerovo, 650992, Russian Federation
2 Federal Research Center of Coal and Coal Chemistry of SB RAS, Kemerovo, 650000, Russian Federation Authors' Information
Medvedev A.V., Doctor of Phys.-Math. Sciences, Professor, Chair of Information Technologies and Applied Mathematics, Nikitenko S.M., Doctor of Economic Sciences, Leading Researcher, e-mail: nsm.nis@mail.ru
Mesyats M.A., PhD (Economic), Associate Professor of Department of Finance and Banking, e-mail: smu-kirsute42@yandex.ru
Abstract
The paper considers issues of automated optimization assessment of the economic efficiency of the region's coal mining industry. To obtain this assessment, a mathematical model oriented to identifying the economic potential of the industry is constructed in the form of a two-criterion linear programming problem, which allows one to simultaneously determine both the optimal volumes of the required investments and the optimal production volumes. A methodology for the analysis of innovative projects that takes into account the innovativeness of fixed assets and production technologies and the products of the coal mining industry is proposed. The results of computational experiments obtained on the basis of model data on assessing the economic efficiency of coal mining projects are presented, including using the methodology for analyzing innovative projects.
Keywords
Optimizating economic and mathematical model, Economic potential of the coal mining industry, Innovative project, Automated information system.
References
1. Proyekt: "Strategiya sotsialno-ekonomicheskogo razvitiya Kemerovskoy oblasti na period do 2035 goda" [Project: "Strategy for the socio-economic development of the Kemerovo region for the period until 2035"]. Kemerovo, KemGU Publ., 2018, 159 p. Available at: https://kemsu.ru/upload/2035.pdf (accessed 15.10.2019). (In Russ.).
2. Aminrostamkolaee B., Scroggsa J.S., Borghei M.S. et al. Valuation of a hypothetical mining project under commodity price and exchange rate uncertainties by using numerical methods. Resources Policy, 2017, Vol. 52, pp. 296-307.
3. Foo N., Bloch H. & Salim R. The optimisation rule for investment in mining projects. Resources Policy, 2018, Vol. 55. pp. 123-132.
4. Afanasyev A.A. Prognozirovaniye dobychi prirodnogo gaza PAO"Gazprom" i yego proizvodstvennogo potentsiala v usloviyakh vneshneekonomicheskikh ogranicheniy [Prediction of natural gas production of Gazprom PJSC and its production potential in conditions of foreign economic restrictions]. Ekonomi-ka i matematicheskiye metody - Economics and Mathematical Methods, 2017, Vol. 53, No. 4, pp. 26-35. (In Russ.).
5. Yuzhen Tian & Zhanxin Ma. An Efficiency Analysis of Chinese Coal Enterprises by Using Malmquist Productivity Indexes. The 2016 International Conference on Advances in Energy, Environment and Chemical Science (AEECS 2016), pp. 70-73.
6. Puryaev A. Evaluating of innovative projects effectiveness at industrial Enterprises. 3rd International Conference on Industrial Engineering (ICIE-2017).
7. Kong L. & Wang X.M. The Index Evaluation System and Model Building for Sustainable Development of Coal Industry. Advanced Materials Research, 2012, Vol. 403-408, pp. 2180-2183.
8. Mashunin Yu.K. & Mashunin I.A. Organizatsiya upravleniya, modelirovaniye i prognozirovaniye razvitiya ekonomiki regiona [Management organization, modeling and forecasting the development of the regional economy]. Re-gionalnaya ekonomika i upravleniye: elektronnyy nauchnyyzhurnal - Regional Economics and Management: electronic scientific journal, 2016, No. 1, pp. 2958. (In Russ.).
9. Medvedev A.V., Pobedash P.N., Smolyaninov A.V. & Gorbunov M.A. Konstruktor i reshatel' diskretnykh zadach optimalnogo upravleniya ("Karma"): Programma dlya EVM [Constructor and solver of discrete optimal control problems ("Karma"): Computer program]. Certificate of registration with Rospatent No. 2008614387 of September 11, 2008. (In Russ.).
10. Medvedev A.V., Nikitenko S.M. & Grebennikov A.V. Metodologicheskiye i me-todicheskiye aspekty preobrazovaniya tekhnologii v innovatsionnyy produkt [Methodological and methodological aspects of converting technology into an innovative product]. Innovations, 2013, No. 6, pp.115-119. (In Russ.).
11. Masshtab otvetstvennosti: Prezentatsiya dlya investorov [The scale of responsibility. Presentation for investors]. April 2017. Available at: http://www. suek.ru/upload/iblock/c33/investorpresentation_ru_apr17.pdf (accessed 15.10.2019). (In Russ.).
12. Statistika VED. Analiticheskaya gruppa"VED-STAT.RU"[Statistics of foreign trade activities. Analytical group"VED-STAT.RU"]. Access mode: www.ved-stat. com (www.ved-stat.ru/analiz/324-export-ugol). (In Russ.).
Acknowledgements
This paper was prepared with the support of the Russian Federal Property Fund (Project No. 18-410-420004"Intellectual Property as the Basis for Sustainable Development of the Coal Mining Region (Case Study of the Kemerovo Region)") and the Department of Education and Science of the Kemerovo Region (Agreement No. 09/2019 dated 04.09.2019).
Paper info
Received August 18,2019 Reviewed September 10,2019 Accepted October 8,2019
