CC BY
29
в экономике относительно вклада в валовой внутренний продукт и значительный ресурс решения общественных и социально значимых задач. В этом отношении государство может влиять на такие направления, как:
- обеспечение земельными участками под жилищное строительство;
- контроль эксплуатации и использования земельного фонда с точки зрения эффективности расселения, плотности;
- инфраструктурное обеспечение территорий;
- стимулирующие методы налогообложения;
- методы освоения государственных капиталовложений;
- принудительные меры изъятия земель.
Важной особенностью оперирования объектами
жилищного строительства как объектами инновационного пространства является то, что при рассмотрении конкретного объекта возможно удовлетворение интересов и предпочтений различных групп участников инвестиционно-строительной сферы: арендаторов и арендодателей, жильцов и работников коммунальных служб, собственников объекта и представителей власти. Это, в конечном итоге, приводит к реализации инвестиционных целей.
Таким образом, разные подходы к оценке значения инноваций для объектов жилищного строительства и роли готовой продукции для владельца, потребителя, пользователя, несомненно, обуславливают факторы инвестиционной привлекательности объекта строительства.
Библиографический список
1. Зубченко Е. Притоку инвестиций мешает непрозрачность российских компаний // Новые известия. 2010. 21 сентября.
2. Строители осуждают собственную непрозрачность // РИА РосБизнесКонсалтинг «РБК Недвижимость». 2010. 12 июля. 3 Моисеенко Н.А. Разработка строительной части инвестиционного проекта. М.: Изд-во ГУУ, 2005.
4. Серов В.М., Нестерова Н.А., Серов А.В. Организация и управление в строительстве. М.: Академия, 2008.
5. Экономика строительства: учебник / под общей ред. И.С. Степанова. 2-е изд., доп. и перераб. М.: Юрайт-Издат, 2002.
6. Гальперина З.М., Добромыслова С.А. Научно-теоретические положения по созданию системы экономического управления строительными организациями в форме корпоративных объединений // Зарубежный и отечественный опыт в строительстве: ОИ/ ВНИИНТПИ. 2006. С. 1-32.
7. Гражданский Кодекс Российской Федерации (часть первая) от 30.11.1994 № 51-ФЗ в ред. от 09.02.2009.
8. Руднев А. В. Стратегия управления недвижимым имуществом: монография. М.: Юго-Восток-Сервис, 2006.
9. Лившиц В.Н., Лившиц С.В. Макроэкономические теории,
реальные инвестиции и государственная российская экономическая политика. М.: Изд-во ЛКИ, 2008.
10. Очерки экономической науки. Актуальные проблемы. Ч.
11. / под общ. ред. Н.Ю. Яськовой. М.: Изд-во КЦ МАГМУ, 2006.
11. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ. М.: Высш. шк., 1989.
12. Пешков В.В. Потенциал развития как основа формирования стратегии управления инвестиционно-строительной сферой // Вестник ИрГТУ. 2008. № 2. С 57-61.
13. Велижанская Т.А. Методические основы повышения эффективности управления региональным рынком недвижимости: дис. ... канд. экон. наук.: 08.00.05. Тюмен. гос. ун-т. Тюмень, 2004.
14. Озеров Е.С. Экономика и менеджмент недвижимости: учебное пособие. СПб.: Изд-во «МКС», 2003.
15. Финансы и кредит в строительстве: учебное пособие / под ред. проф., д-ра экон. наук. Н.Ю. Яськовой. М.: Изд-во МГСУ, 2008.
УДК 338.432.003.13
СОВЕРШЕНСТВОВАНИЕ МЕТОДИКИ КОМПЛЕКСНОЙ ОЦЕНКИ ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ОРГАНИЗАЦИЙ
1 2 3
А.А. Самотаев , Ю.А. Дорошенко , Э.Х. Таипова
1Уральская государственная академия ветеринарной медицины, 457100, г. Троицк, Челябинская область, ул. Гагарина, 13. 2Челябинская государственная агроинженерная академия, 454080, г. Челябинск, пр. Ленина, 75.
3 Челябинский институт (филиал) Российского государственного торгово-экономического университета, 454000, г. Челябинск, ул. Орджоникидзе, 50.
Обосновывается необходимость использования совокупности технологических, технических и финансово-
1Самотаев Александр Александрович, доктор биологических наук, профессор кафедры биологии и экологии, тел.: (351) б323б80, е-mail: Samotaew@mail.ru.
Samotaev Alexander, Doctor of Biology, Professor of the Department of Biology and Ecology, tel.: (351) б323б80, e-mail: Samotaew@mail.ru.
2Дорошенко Юрий Анатольевич, кандидат экономических наук, доцент, заведующий кафедрой экономики и организации сельскохозяйственного производства, тел.: (351) 2ббб548, 89080504154, e-mail: ua-doroshenko@yandex.ru Doroshenko Yury, Candidate of Economics, Associate Professor, Head of the Department of Economics and Organization of Agricultural Production, tel.: (351) 2ббб548, 89080504154, e-mail: ua-doroshenko@yandex.ru
3Таипова Эльвира Хаерсламовна, старший преподаватель кафедры экономики и управления на предприятии, тел.: (351) 23718бб, 89085721243, e-mail: sss3101@yandex.ru
Taipova Elvira, Senior Lecturer of the Department of Economics and Management at the Enterprise, tel.: (351) 23718бб, 89085721243, e-mail: sss3101@yandex.ru
экономических показателей, которые характеризуют эффективность производственно-хозяйственной деятельности организации. Показано, что статистические методы многомерной классификации позволяют не только минимизировать их количество, но и обнаружить корреляционные зависимости по каждому кластеру, а также построить многофакторные регрессионные модели, которые являются основой совершенствования методики комплексного подхода к оценке результатов функционирования организаций. Ил. 1. Табл. 8. Библиогр. 4 назв.
Ключевые слова: показатели деятельности; эффективность; кластерный, дискриминантный и корреляционный анализы; регрессионная модель; комплексная оценка эффективности деятельности организации.
ENHANCING OF THE PROCEDURE FOR THE COMPREHENSIVE ASSESSMENT OF AGRICULTURAL
ORGANIZATIONS EFFICIENCY
A.A. Samotaev, Yu.A. Doroshenko, E.H. Taipova
Ural State Academy of Veterinary Medicine, 13, Gagarin St., Troitsk, Chelyabinsk Region, 457100. Chelyabinsk State Agroengineering Academy, 75, Lenin Av., Chelyabinsk, 454080.
Chelyabinsk Institute (branch) of Russian State Commercial and Economic University, 50, Ordzhonikidze St., Chelyabinsk, 454000.
The article proves the need to use the combination of technological, technical, financial and economic indicators that characterize the efficiency of production and economic activities of the organization. It is shown that the statistical methods of multivariate classification allow both to minimize their number, and detect correlated dependencies for each cluster, as well as to build multifactor regression models, which form the basis for the enhancing of the procedure of the comprehensive approach to the assessment of organization functioning results. 1 figure. 8 tables. 4 sources.
Key words: performance; efficiency; cluster; discriminant and correlated analyses; regression model; comprehensive assessment of organization efficiency.
С переходом на новый этап развития экономики многие организации стали уделять особое внимание оценке эффективности своей деятельности, поскольку именно она важна для обоснования управленческих решений, обеспечивающих дальнейшее функционирование в конкурентной среде. Обычно под оценкой эффективности деятельности организации понимается соизмерение результатов работы с ресурсами или затратами, используемыми для их достижения. Количественная оценка результата функционирования (выручка от продаж, прибыль) и затрат (себестоимость продукции) в условиях длительного перехода на международные стандарты бухгалтерской отчётности позволяет менеджменту организации искусственно манипулировать их величинами. Именно подверженность процедуры расчёта любых показателей эффективности субъективизму является ключевым недостатком данного подхода. И, следовательно, применение одного показателя не решает проблемы достижения эффективного состояния организации.
Надо отметить, что деятельность любого хозяйствующего субъекта сегодня описывается весьма широким спектром технологических, технических и финансово-экономических показателей, всесторонне раскрывающих различные аспекты его работы. Многообразие и многогранность имеющейся информации требует построения сложных аналитических конструкций (моделей), что, в свою очередь, усложняет вычисления и снижает вероятность получения достоверной и объективной картины. Поэтому необходим набор аналитических процедур, позволяющий дать целостную картину состояния организации и обосновать то или иное управленческое решение.
Целью настоящей работы является формулирование методических основ и построение модели оценки эффективности процесса функционирования организаций свиноводческой специализации.
Оценку эффективности деятельности организаций предлагается проводить на основе системного подхода, который позволяет не только обозначить и описать все параметры изучаемого объекта, но и отобрать из их множества необходимые для достижения поставленной цели. Методика вычисления интегрального показателя эффективности подразумевает выполнение следующих этапов [3, 4].
Этап первый. Определяется уровень значимости гI каждого показателя Х. Чтобы оценить этот уровень, нужно расположить все показатели по порядку убывания значимости так, чтобы выполнялось правило:
Г1 > г2 > ... гп, (1)
где г - уровень значимости показателя; / - порядковый номер каждого показателя; п - количество объектов в системе.
Если все выявленные показатели обладают равной значимостью (равнопредпочтительны), тогда значимость /-го показателя г/ следует определять по правилу Фишберна [2]:
1
Г =-. (2)
п
Этап второй. Проводится распознавание показателя по качеству и определяется его уровень (табл. 1). Для этого можно использовать статистику (вернее -квазистатистику [3]) показателей деятельности достаточно большого количества организаций за один и тот же период времени.
Таблица 1
Классификатор распознавания уровня интервала показателей эффективности_
Наименование показателя Уровень интервала
очень низкий низкий средний высокий очень высокий
Х1 Л11 Л12 Л13 Л14 Л15
* Ли Л ¡2 Лв Л ¡4 Л ¡5
Хп Лп1 Лп2 Лп3 Лп4 Лп5
Все уровни экономических параметров могут измеряться не только количественно, но и качественно. Для качественной интерпретации уровней выбранных показателей необходимо воспользоваться шкалой -пенташкалой, т. е. пятиуровневым классификатором. Для этого необходимо определить переменную «уровень параметра Х», носителем которой является область определения параметра Х, а терм-множество значений составляют нечёткие подмножества: «очень низкий уровень (ОН)», «низкий уровень (Н)», «средний уровень (Ср)», «высокий уровень (В)», «очень высокий уровень (ОВ)» параметра Х.
С помощью рассмотренной классификации нами было выделено пять типов эффективности:
1 - организации очень низкого уровня эффективности деятельности, которым соответствуют очень низкие уровни интервалов;
2 - организации, находящиеся в зоне низкой эффективности деятельности, которым соответствует низкий уровень значений интервалов;
3 - организации, находящиеся в зоне среднего уровня эффективности, соответствующие среднему уровню значений интервалов;
4 - организации, находящиеся в зоне эффективности выше среднего, соответствующие высокому уровню значений уровню интервалов;
5 - организации, находящиеся в зоне высокого уровня эффективности деятельности, соответствующие очень высокому уровню значений интервалов.
В табл. 1 Л равно 1, если распознан текущий уровень показателя, и 0 во всех остальных случаях.
Этап третий. Определяются границы интерва-
лов (I) каждого показателя
х — х
I _ тах тт
5
(3)
Этап четвёртый. Рассчитывается комплексный показатель эффективности деятельности сельскохозяйственного предприятия
к _Ъ■ ¿л (4)
]_1 г_1
где ду - опорный вес х/; Ау - значение текущего показателя.
(5)
g}■ _ 0,1* ■ ,
где у - место текущего показателя согласно уровню интервала.
В стандартном пятиуровневом классификаторе набор опорных весов уровней интервалов опорный вес составляет: ОН - 0,9; Н - 0,7; Ср - 0,5; В - 0,3; ОВ - 0,1.
Этап пятый. Даётся заключение об эффективности работы сельскохозяйственной организации в целом (табл. 2).
Прежде чем привести пример использования данной методики, подвергнем имеющуюся информацию обработке статистическими методами многомерной классификации. Основным методом, позволяющим классифицировать многомерные наблюдения, является кластерный анализ, позволяющий разбить совокупность наблюдаемых параметров множества сельскохозяйственных организаций свиноводческого направления на однородные подмножества [1]. В качестве исходной информации использованы данные Мини-
Балльная оценка эффективности деятельности организации
Таблица 2
Интервал значений комплексного показателя эффективности Заключение об эффективности деятельности организации Тип эффективности
0-0,2 Низкий предельный уровень эффективности 1
0,2-0,4 Низкий уровень эффективности 2
0,4-0,6 Средний уровень эффективности 3
0,6-0,8 Уровень эффективности выше среднего 4
0,8-1 Высокий уровень эффективности 5
стерства сельского хозяйства Челябинской области о результатах деятельности сельскохозяйственных организаций свиноводческого направления за 2003-2009 гг.: среднегодовое поголовье на выращивании и откорме, голов; валовое производство прироста живой массы, ц; производственная себестоимость прироста живой массы, руб./ц; трудоёмкость производства продукции, чел.-ч/ц; среднесуточный прирост живой массы на выращивании и откорме, г; количество поросят-отъёмышей, голов/свиноматку; вес поросят-отъёмы-шей, кг; производственная себестоимость поросят-отъёмышей, руб./голова; численность работников, чел.; реализация свиней (количество в натуре), ц; средняя цена реализации, руб./ц; себестоимость реа-
отъёмышей, кг; производственная себестоимость по-росят-отъёмышей, руб./голова; численность работников, чел.; реализация свиней (количество в натуре), ц; средняя цена реализации, руб./ц; себестоимость реализации, руб./ц; прибыль от продаж, тыс. руб.
Для устранения искажения результата кластерного анализа из-за влияния единиц измерения исходных показателей, последние были пронормированы по показателю «прибыль от продаж». Графическое изображение (дендограмма) проведённой многомерной классификации представлено на рисунке, где отчётливо выделяются три типологические группы сельскохозяйственных организаций Челябинской области свиноводческого направления.
Дендограмма кластеризации суб;
лизации, руб./ц; прибыль от продаж, тыс. руб.
Прежде чем привести пример использования данной методики, подвергнем имеющуюся информацию обработке статистическими методами многомерной классификации. Основным методом, позволяющим классифицировать многомерные наблюдения, является кластерный анализ, позволяющий разбить совокупность наблюдаемых параметров множества сельскохозяйственных организаций свиноводческого направления на однородные подмножества [1]. В качестве исходной информации использованы данные Министерства сельского хозяйства Челябинской области о результатах деятельности сельскохозяйственных организаций свиноводческого направления за 2003-2009 гг.: среднегодовое поголовье на выращивании и откорме, голов; валовое производство прироста живой массы, ц; производственная себестоимость прироста живой массы, руб./ц; трудоёмкость производства продукции, чел.-ч/ц; среднесуточный прирост живой массы на выращивании и откорме, г; количество поросят-отъёмышей, голов/свиноматку; вес поросят-
тов свиноводческого направления
Кластер I включает одну сельскохозяйственную организацию, являющуюся основным производителем свинины в области - ОАО «Агрофирма «Ариант», которое занимает второе место в рейтинге ста наиболее крупных и эффективных предприятий по производству свинины в России. Данный кластер характеризуется высокими показателями эффективности: среднегодовое поголовье на откорме составляет 146 тыс. гол.; прирост живой массы - 19 тыс. т; выручка от продажи продукции - 1031 млн руб.; прибыль от реализации продукции - 258 млн руб.; уровень рентабельности реализованной продукции - 33,4%.
Кластер II. Данное образование явилось результатом слияния двух примерно равных типичных групп сельскохозяйственных организаций. Он объединяет, в основном, сельскохозяйственные объекты, традиционно получающие среднюю оценку с точки зрения эффективности развития и имеющие среднюю конкурентоспособность. В него вошли: ООО «Равис - Птицефабрика «Сосновская» (девяностое место в рейтинге) и «Птицефабрика «Челябинская».
Таблица 3
Показатели, определяющие эффективность производства продукции _
Показатель Кластер I Кластер II Кластер III
Среднегодовое поголовье на выращивании и откорме, гол. (Х1) + + +
Валовое производство прироста живой массы, ц (Х2) + + +
Производственная себестоимость прироста живой массы, руб./ц (Х3) + + +
Трудоёмкость производства продукции, чел.-ч/ц (Х4) + + +
Среднесуточный прирост живой массы на выращивании и откорме, г/сут (Х5) - + +
Количество поросят-отъёмышей на свиноматку, гол./свин. (Х6) + - -
Масса поросят-отъёмышей, кг (Х7) - - -
Производственная себестоимость поросят-отъёмышей, руб./гол. (Х8) - - -
Численность работников, чел. (Х9) - - -
Реализация свиней в живой массе, ц (Х10) - - -
Средняя цена реализации продукции, руб./ц (Х11) - - -
Себестоимость реализации продукции, руб./ц (Х12) - - -
Кластер III объединяет оставшиеся семь сельскохозяйственных организаций свиноводческого направления. Типическая группа сельскохозяйственных организаций характеризуется низкими показателями эффективности деятельности; в ней не обеспечивается даже процесс простого воспроизводства.
Полученные типические группы сельскохозяйственных организаций были подвергнуты дальнейшему статистическому исследованию посредством дискри-минантного анализа, заключающегося в том, что между выбранными показателями и группирующей переменной устанавливается корреляционная зависимость
[1]. Таким образом, для каждого кластера были определены по пять соответствующих переменных, определяющих эффективность производства продукции (табл. 3).
Проверка наличия тесной связи между полученными переменными (мультиколлинеарности) а основе анализа матрицы парных коэффициентов корреляции позволил исключить из дальнейшего расчёта среднегодовое поголовье на выращивании и откорме (Х1) и
валовое производство прироста живой массы (Х2), так как их коэффициенты корреляции составили более 0,8. Для отображения влияния оставшихся показателей (производственная себестоимость прироста живой массы, руб./ц (Х1); трудоёмкость производства продукции, чел.-ч/ц (Х2); среднесуточный прирост живой массы на выращивании и откорме, г (Х3)) на результаты деятельности организаций каждого кластера (прибыль от продажи продукции, млн руб. (У)) были построены многофакторные корреляцион-но-регрессионые модели прибыли от продаж продукции свинины (табл. 4).
Значения коэффициентов множественной детерминации позволяют сделать вывод о том, что изменение уровня прибыли от продаж продукции: на 97% -для первого кластера, на 88% - для второго кластера и на 82% - для третьего кластера, обусловлено влиянием факторов, входящих в модель.
Разработанная методика адаптирована на сельскохозяйственных организациях свиноводческого направления Челябинской области. Исходные данные представ-
Таблица4
Многофакторные корреляционно-регрессионные модели___
Кластер Уравнение регрессии R R2
I Y = -1096,9+0,32Х1+106,6Х2+3,03Хз 0,978 0,957
II Y = 145,28+0,02Х1-2,82Х2-0,36Хз 0,877 0,9З6
III Y = -1,76-0,0000ЗХ1+0,02Х2+0,0ЗХ3 0,825 0,908
лены в табл. 5. Значения уровней интервалов, определённые согласно формуле (3), приведены в табл. 6.
С помощью разработанного классификатора выполним распознавание фактического уровня показателей деятельности сельскохозяйственных организаций Челябинской области (табл. 7).
Табл. 7 представляет собой производственно-финансовую карту предприятия, на которой отмечены как успехи хозяйствующего субъекта в процессе производственно-хозяйственной деятельности, так и его слабые стороны.
Показатели производственно-финансовой деятельности сельскохозяйственных организаций свиноводческого направления Челябинской области*
Таблица 5
Шифр Наименование показателя Значение
Кластер I ОАО «Агрофирма «АРИАНТ»
Х1 Производственная себестоимость прироста живой массы 4933
Х2 Трудоёмкость производства продукции 10
Х3 Среднесуточный прирост живой массы на выращивании и откорме 321
Кластер II ОАО «Птицефабрика «Челябинская»
Х1 Производственная себестоимость прироста живой массы 4833
Х2 Трудоёмкость производства продукции 8
Х3 Среднесуточный прирост живой массы на выращивании и откорме 246
Кластер II ООО «Равис - Птицефабрика «Сосновская»
Х1 Производственная себестоимость прироста живой массы 5779
Х2 Трудоёмкость производства продукции 14
Х3 Среднесуточный прирост живой массы на выращивании и откорме 259
Кластер III ОАО «ПКЗ «Дубровский»
Х1 Производственная себестоимость прироста живой массы 38731
Х2 Трудоёмкость производства продукции 308
Х3 Среднесуточный прирост живой массы на выращивании и откорме 297
Кластер III СХПК «Черноборский»
Х1 Производственная себестоимость прироста живой массы 41349
Х2 Трудоёмкость производства продукции 302
Х3 Среднесуточный прирост живой массы на выращивании и откорме 71
Кластер III ОАО СХП «Красноармейское»
Х1 Производственная себестоимость прироста живой массы 8093
Х2 Трудоёмкость производства продукции 40
Х3 Среднесуточный прирост живой массы на выращивании и откорме 165
Кластер III СПК «Колхоз «Луч»
Х1 Производственная себестоимость прироста живой массы 46000
Х2 Трудоёмкость производства продукции 178
Х3 Среднесуточный прирост живой массы на выращивании и откорме 46
*Примечание. Приведены данные Министерства сельского хозяйства Челябинской области.
Классификатор распознавания уровня интервала показателей эффективности
Таблица 6
Наименование показателя Уровень интервала
очень низкий низкий средний высокий очень высокий
Х1 х1<8300 8300<х1<16600 16600<Х1<24900 24900<х1<33200 33200<х1
Х2 х2<60 60<х2<120 120<х2<180 180<х2<240 240<х2
Х3 х3<167 167<3<334 334<х3<501 501 < х3<668 668<х3
Таблица 8
Комплексная оценка эффективности деятельности сельскохозяйственных предприятий свиноводческого направления
Таблица 7
Распознавание фактического уровня показателей деятельности _сельскохозяйственных организаций_
Наименование показателя Уровень показателя
очень низкий низкий средний высокий очень высокий
Кластер I ОАО «Агрофирма «АРИАНТ»
Х1 1 0 0 0 0
Х2 1 0 0 0 0
Хз 0 1 0 0 0
Кластер II ОАО «Птицефабрика «Челябинская»
Х1 1 0 0 0 0
Х2 1 0 0 0 0
Хз 0 1 0 0 0
Кластер II ООО «Равис - Птицефабрика «Сосновская»
Х1 1 0 0 0 0
Х2 1 0 0 0 0
Хз 0 1 0 0 0
Кластер III ОАО «ПКЗ «Дубровский»
Х1 0 0 0 0 1
Х2 0 0 0 0 1
Хз 0 1 0 0 0
Кластер III СХПК «Черноборский»
Х1 0 0 0 0 1
Х2 0 0 0 0 1
Хз 1 0 0 0 0
Кластер III ОАО СХП «Красноармейское»
Х1 1 0 0 0 0
Х2 1 0 0 0 0
Хз 0 1 0 0 0
Кластер III СПК «Колхоз «Луч»
Х1 0 0 0 0 1
Х2 0 0 1 0 0
Хз 1 0 0 0 0
Наименование сельскохозяйственной организации Уровень рентабельности, % Значение комплексной оценки Тип эффективности
ОАО «Агрофирма «АРИАНТ» 66 0,700 4
ОАО «Птицефабрика «Челябинская» З 0,700 4
ООО «Равис-Птицефабрика «Сосновская» 26 0,700 4
ОАО «ПКЗ «Дубровский» 0 0,167 1
СХПК «Черноборский» -6З 0,100 1
ОАО СХП «Красноармейское» -19 0,6ЗЗ 4
СПК «Колхоз «Луч» -74 0,2ЗЗ 2
Результаты комплексной оценки эффективности деятельности сельскохозяйственных организаций свиноводческого направления Челябинской области представлены в табл. 8.
Как видно из табл. 8, ни одно сельскохозяйственное предприятие не имеет высокого уровня эффективности. Средний уровень отмечается в кластере I
(ОАО «Агрофирма «АРИАНТ») и кластере II (ОАО «Птицефабрика «Челябинская», ООО «Равис - Птицефабрика «Сосновская).
Аутсайдерами по комплексному показателю эффективности деятельности являются два сельскохозяйственных предприятия, входящие в кластер III (ОАО «ПКЗ «Дубровский», СПК «Колхоз «Луч»). Уро-
вень комплексной оценки эффективности деятельности составил менее 0,2, что свидетельствует о низком предельном уровне эффективности.
Остальные сельскохозяйственные организации свиноводческого направления Челябинской области кластера III имеют низкий уровень эффективности.
Изложенный подход позволяет руководителю или внешнему эксперту наилучшим образом формализовать представления об эффективности деятельности сельскохозяйственной организации. Если эксперт-аналитик хорошо знает предприятие изнутри, то ему не составит труда выделить именно те факторы, которые в наибольшей степени оказывают негативное
влияние на результат деятельности (включая ошибки управления).
Особая значимость данной методики состоит в том, что с её помощью руководители получают представление о направлении совершенствования управления организацией, а потенциальные инвесторы получают инструмент для сопоставления результатов деятельности интересующих их организаций.
Таким образом, предлагаемая методика позволяет проводить комплексную оценку эффективности деятельности сельскохозяйственных организаций с целью выявления имеющихся резервов и перспектив дальнейшего развития.
Библиографический список
1. Симчера В.М. Методы многомерного анализа статистических данных: учеб. пособие. М.: Финансы и статистика, 2008. 400 с.
2. Фишберн П. Теория полезности для принятия решений. М.: Наука, 1978. 352 с.
3. Недосекин О.А. Применение теории нечётких множеств к задачам управления финансами // Аудит и финансовый анализ. 2000. № 2.
4. Недосекин А.О., Максимов О.Б. Новый комплексный показатель оценки финансового состояния предприятия [Электронный ресурс]. Режим доступа: http://sedok.narod.ru/sc_group.html.
УДК 622.7
ЕВРОПЕЙСКИЙ ОПЫТ ЭКОЛОГИЧЕСКИ ЧИСТОГО ПРОИЗВОДСТВА В ЦЕЛЛЮЛОЗНО-БУМАЖНОЙ ПРОМЫШЛЕННОСТИ
1 2 В.Ю. Старостина , Е.Ю. Фомина
Национальный исследовательский Иркутский государственный технический университет, 664074, г. Иркутск, ул. Лермонтова, 83.
Рассмотрены проблемы воздействия на окружающую среду производства целлюлозы и бумаги из природных и вторичных видов сырья, проанализированы достоинства и недостатки различных методов отбеливания бумаги, приведены принципы чистого производства и основные методы предотвращения негативного влияния целлюлозно-бумажной промышленности, рассмотрены основные пути перехода на экологически чистое производство в Европе.
Ил. 5. Табл. 3. Библиогр. 9 назв.
Ключевые слова: экологически чистое производство; целлюлозно-бумажное производство.
EUROPEAN EXPERIENCE OF POLLUTION-FREE PRODUCTION IN PULP AND PAPER INDUSTRY V.Yu. Starostina, E.Yu. Fomina
National Research Irkutsk State Technical University, 83, Lermontov St., Irkutsk, 664074.
The article deals with the problems of the environmental impact of the production of pulp and paper from natural and secondary raw materials. The authors analyze the advantages and disadvantages of different methods of bleaching paper; present principles of clean production, and basic methods to prevent the negative impact of the pulp and paper industry. They also examine the main transition courses to pollution-free production in Europe. 5 figures. 3 tables. 9 sources.
Key words: pollution-free production; pulp and paper industry.
Загрязнение природной среды газообразными, жидкими и твердыми веществами и отходами производства, вызывающее деградацию среды обитания и
наносящее ущерб здоровью населения, остается наиболее острой экологической проблемой, имеющей приоритетное социальное и экономическое значение.
1 Старостина Влада Юрьевна, кандидат технических наук, доцент кафедры обогащения полезных ископаемых и инженерной экологии, тел.: 89148938977, e-mail: vladastarostina@yandex.ru
Starostina Vlada, Candidate of technical sciences, Associate Professor of the chair of Mineral Processing and Environmental Protection, tel.: 89148938977, e-mail: vladastarostina@yandex.ru
2Фомина Елена Юрьевна, кандидат технических наук, доцент кафедры обогащения полезных ископаемых и инженерной экологии, тел: 8964702513.
Fomina Elena, Candidate of technical sciences, Associate Professor of the chair of Mineral Processing and Environmental Protection, tel: 8964702513.
