Реферат: Методы анализа управленческих решений

2)    снижение цены на товар путем совер­шенствования организации производства, технологии, системы менеджмента;

3)    освоение нового рынка сбыта товара. Фирма не располагает отработанной конструкторско-технологической доку-ментацией на более прогрессивную модель товара, маркетологи не подготовили новый рынок. Технологи и менеджеры имеют со-гласованные предложения по совершенствованию технологии, организации производства и системы менеджмента. Значит, принимаем вторую стратегию — стратегию снижения цены товаров.

Для реализации стратегии снижения цены изменяются следующие данные:

1)    уравнение регрессии для факторного анализа себестоимости товара (С)

где М — норма расхода материалов на производство товара, кг;

Т — полная трудоемкость изготовления товара, н.ч;

Кпр — средневзвешенный коэффициент пропорциональнос­ти основных производственных процессов изготовления товара, доли единицы (оптимальное значение равно 1,0};

Kc — коэффициент стабильности кадров на фирме, доли еди­ницы (оптимальное значение равно 0,90 ... 0,95);

2) годовая программа выпуска товаров — 1500 шт.;

3) реализация организационно-технических мероприятий по совершенствованию технологии, организации производства и си­стемы менеджмента фирмы позволит:

» снизить норму расхода материалов на 4,5%;

      » снизить трудоемкость изготовления товара на 6,8%;

» повысить средневзвешенный коэффициент пропорциональ­ности основных производственных процессов изготовления това­ра на 5,3%;          

» снизить текучесть кадров на 9,2%;

4) срок действия мероприятий — 3 года;

5) инвестиции в разработку и реализацию мероприятий — 110 тыс. у.е.;

6) себестоимость единицы продукции до внедрения организа­ционно-технических мероприятий составляет 830 у.е.;

7) норма прибыли по данному товару на 1998 г. сохраняется на уровне 1997и г., т.е. равна 8,5%;

8) степень капитального риска реализации мероприятий со­ставляет 0,80.

Сначала сделаем расчет снижения себестоимости за счет вне­дрения организационно-технических мероприятий.

Показатели степейи, при факторах в уравнении регрессии по­казывают их эластичность, т.е. на сколько процентов снизится себестоимость при улучшении данного фактора на 1%. Например, при снижении расхода материалов на 1% себестоимость снижается на 0,652 и т.д.

            В данном примере снижение себестоимости товара в процентах (С) можно определить исходя из эффективности мероприятий по улучшению

где С – относительное снижение себестоимости за счёт внедрения мероприятий, %

            i = 1,2, …n – номер фактора, влияющего на себестоимость;

            Хi – i фактор снижения себестоимости;

            ai  - весомость i-го фактора.

            Для данного примера

            С = 4,5 * 0,652 + 6,8 * 0,340 + 5,3 * 0,148 + 9,2 * 0,085 = 6,8 %

Снижение себестоимости единицы товара за счёт внедрения мероприятий с учетом риска инвестиций (неопределённости) составит

Одновременно со снижением себестоимости товара за счёт внедрения мероприятий на цену оказывают влияние инвестиции, вложенные в предприятие. На единицу товара инвестиции отразятся следующим образом:

где К  - рост себестоимости товара за счёт распределения инвестиций на разработку и реализацию мероприятий (К);

            N – готовая программа выпуска товара;

            T – срок действия мероприятий, лет.

Цена товара до внедрения мероприятий составляет

Цена товара после внедрения мероприятий составит 900 – 45,1 + 24,5 = 879,4 = 879 у.е.

            Таким образом, реализация стратегии ресурсосбережения позволила снизить цену товара на 21 у.е.

            Метод цепных подстановок

Метод цепных подстановок (МЦП) используется для исчисле­ния влияния отдельных факторов на соответствующий совокуп­ный показатель или функцию. МЦП используется лишь тогда, когда зависимость между изучаемыми явлениями имеет строго функци­ональный характер. В этих случаях функция должна быть изобра­жена в виде суммы, произведения или частного, от деления одних показателей (факторов) на другие /1/.

МЦП заключается в последовательной замене плановой вели­чины одного из факторов при условии, что остальные факторы остаются неизменными.

Степень влияния на функцию того или иного фактора опреде­ляется последовательным вычитанием: из второго расчета вычита­ется первый, из третьего - второй и т.д. В первом расчете все величины плановые, в последнем - фактические. Таким образом, число расчетов на единицу больше числа факторов.

Пример.

Требуется определить влияние на объем продаж (V) трудовых факторов по следующей формуле:

V=Ч*Д*t*B,                   (4.1)

где Ч — среднесписочное число рабочих;

Д — среднее число дней, отработанных одним рабочим за день;

t — среднее число часов, отработанных одним рабочим за день;

В — средняя выработка продукции на один отработанный человеко-день.

Следовательно, объем продаж равен произведению четырех фак­торов.

Исходные данные приведены в табл. 4.2.

Таблица 4.2.

Исходные данные для определения влияния трудовых факторов на объем продаж

План продаж перевыполнен на 351,4 тыс. $ (3155,2 - 2803,8). Для того, чтобы определить, каким образом влияли на функцию (V) различные факторы, сделаем следующие расчеты.

Первый расчет

Все показатели плановые

900 • 301 • 6,9 • 1,5 = 2803,8 тыс.$

Второй расчет

Среднесписочное число рабочих фактическое, а остальные по­казатели плановые

1000-301-6,9 .1,5 =3115,4 тыс.$.

Третий расчет

Число рабочих и число отработанных ими дней фактические, а остальные показатели плановые

1000 • 290 • 6,9 • 1,5 = 3001,5 тыс.$.

Четвертый расчет

Число рабочих, число отработанных дней и часов фактические, а выработка плановая

1000 • 290 • 6,8 • 1,5 = 2958,0 тыс. $.

Пятый расчет

Все показатели фактические

1000-290-6,8-1,6=3155,2 тыс.$. Далее сделаем анализ влияния факторов на объем продаж.

Отклонение фактического объема продаж от планового про­изошло за счет влияния следующих факторов:

1) увеличения количества рабочих определяется путем вычи­тания из второго расчета первого

3115,4 - 2803,8 = +311,6 тыс. $;

2) уменьшения числа отработанных дней - из третьего вычи­тается второй результат

3001,5 - 3115,4 = -113,9 тыс. $;

3) уменьшения средней продолжительности рабочего дня - из четвертого вычитается третий

2958,0 - 3001, 5 = -43,5 тыс. $;

4) повышения средней часовой выработки 3155,2 - 2958,0 = +197,2 тыс. $.

Общее отклонение 3155,2 - 2803,8 = +351,4 тыс. $. Или 311,6 - 113,9 - 43,5 + 197,2 = +351,4.

При использовании МЦП очень важно обеспечить строгую пос­ледовательность подстановки: сначала выявляется влияние коли­чественных показателей, а потом - качественных. К качественным относятся, например, выработка, производительность труда, цена.

Факторный анализ с применением ЭВМ

Факторный анализ — это процедура установления силы влия­ния факторов на функцию или результативный признак (полез­ный эффект машины.элементы совокупных затрат, производитель­ности труда и т.д.) с целью ранжирования факторов для разработ­ки плана организационно-технических мероприятий по улучшению функции.

Применение методов факторного анализа требует большой под­готовительной работы и трудоемких по установлению моделей рас­четов. Поэтому без ЭВМ не рекомендуется применять методы кор­реляционного и регрессионного анализа, главных компонент. К тому же в настоящее время для ЭВМ различных классов имеются стандартные программы по этим методам. В свою очередь пользо­ваться установленными с помощью ЭВМ моделями очень просто.

На подготовительной стадии факторного анализа большое вни­мание следует уделять качеству матрицы исходных данных для ЭВМ. С этой целью сначала рекомендуется на основе логического анализа определять группы факторов, влияющих на исследуемую функцию.

К исходным данным предъявляются следующие требования:

а) в объем выборки должны включаться данные только по одно­родной совокупности объектов анализа, т.е. одного назначения и класса, используемых (изготавливаемых, функционирующих) в ана­логичных условиях по характеру и типу производства, режиму работы, географическому району и т.д. В том случае, когда необ­ходимо увеличить размер матрицы, исходные данные отдельных объектов могут быть приведены в сравнимый вид с большинством объектов по отличающимся признакам путем умножения их на корректирующие, коэффициенты;

б) период динамического ряда исходных данных должен быть небольшим, но, по возможности, одинаковым для всех объектов. Устойчивый период упреждения (зона прогноза) обычно в два и более раза меньше периода динамического ряда. Например, по дан­ным за 1985-1995гг. можно разработать прогноз до 2000г., а в пос­ледующие годы по фактическим данным модель должна обновляться (уточняться);

в) исходные данные должны быть качественно однородными, с небольшими интервалами между собой;

г) следует применять одинаковые методы или источники фор­мирования данных. Если динамический ряд имеет крупные струк­турные сдвиги (например из-за изменения цен, ассортимента вы­пускаемой продукции, программы ее выпуска и т.д.), то все дан­ные должны быть приведены в сравнимый вид или одинаковые условия;

д) отдельные исходные данные должны быть независимы от предыдущих и последующих наблюдений.

Например, наблюдение не должно определяться расчетным путем по предыдущему на­блюдению.

Основные параметры корреляционно-регрессионного анализа в связи с их сложностью не приводятся, поскольку все расчеты предполагается выполнять на ЭВМ по стандартной программе. Ко­нечные результаты расчета выдаются на печать (табл. 4.3).

Факторный анализ следует проводить в следующей последова­тельности:

1. Обоснование объекта анализа, постановка цели.

2. Сбор исходных данных и их уточнение в соответствии с ранее описанными требованиями.

            Основные параметры корреляционно- регрессионного анализа.

3. Построение гистограмм по каждому фактору с целью определения форм распределения случайных наблюдений.

            Построение по каждому фактору корреляционных полей, т.е. графическое изображение функций от фактора с целью предварительного определения тесноты и формы связи между функцией и каждым фактором. Примеры корреляционных полей показаны на рис 4.2.

Корреляционные поля построены по исходным статистичес­ким данным X)—Х4 (факторы) и Y (функция). Анализ корреляци­онных полей показывает, что:

а) между Y и X1 теснота связи слабая, по форме она линейная, обратно пропорциональная;

б) между Y и Х2 теснота связи высокая, по форме она линейная, прямо пропорциональная;

в) между Y и Х3 связи нет, т.к. функцию Y = f(X3) можно про­вести в любом направлении;

г) между Y и Х4 теснота связи высокая, форма связи — гипер­болическая, после линии А—А фактор Х4 на Y уже не оказывает влияния.

4. Составление матрицы исходных данных производится по следующей форме:

и т.д.

В матрицу исходных данных следует включать факторы, имею­щие примерно такую форму связи, как Y с X1 и Х2 на рис. 4.2. Фактор Х3 с Y не имеет связи, поэтому этот фактор не следует включать в матрицу, фактор Х4 тоже не следует включать в матри­цу, поскольку после линии А—А этот фактор влияния на Y не оказывает. Влияние подобных факторов на Y следует учитывать при помощи коэффициентов, определяемых отдельно для каждо­го фактора и группы предприятий.

Наши исследования показывают, что к «организационным фак­торам, имеющим с экономическими показателями гиперболичес­кую форму связи, относятся уровень освоенности продукции в установившемся производстве, программа ее выпуска и др.

5.    Ввод информации и решение задачи на ЭВМ.

В экономических исследованиях для многофакторных регрес­сионных моделей чаще всего приемлемы две формы связи факто­ров с функцией: линейная и степенная. Для двухфакторных моде­лей применяются также гиперболическая и параболическая фор­мы связи.

6.    Анализ уравнения регрессии и его параметров в соответ­ствии с требованиями, изложенными в табл. 4.3.

7. Составление матрицы исходных данных для окончательной модели и решение ее на ЭВМ. Апробация окончательной модели путем подстановки в нее фактических данных по одной из строк матрицы и сравнение полученного значения функции с ее факти­ческим значением.

При составлении новых матриц исходных данных из них ис­ключаются поочередно:

а) один из двух факторов, коэффициент частной корреляции между которыми значительно больше коэффициентов парной корреляции между функцией и этими факторами. Например, если между двумя факторами коэффициент частной корреляции ра-

0,95, а коэффициенты парной корреляции между функцией и этими факторами равны 0.18 и 0,73, то первый фактор с коэффи­циентом парной корреляции, равным 0,18, из матрицы можно исключить;

б) факторы с коэффициентами парной корреляции между ними и функцией менее 0,1;

в) только после соблюдения требований а) и б) исключаются из матрицы факторы, имеющие с функцией обратную, с точки зре­ния экономической сущности, связь. Например, с повышением сменности работы цеха (фактор) должна расти его годовая произ­водительность (функция). Обратная же зависимость между ними свидетельствует о нерегулярном и недостоверном учете коэффи­циента сменности, а возможно, и производительности оборудова­ния, либо о неправильной методике расчета этих показателей. Поэтому в этом случае фактор необходимо исключить из матри­цы исходных данных и изучать систему учета.

Из матрицы могут быть исключены также отдельные строки по предприятиям (периодам), не отвечающие ранее описанным тре­бованиям.

Параметры окончательного уравнения регрессии должны отве­чать требованиям табл. 4.3. Если невозможно этого достигнуть, модель для ранжирования факторов и прогнозирования экономи­ческих показателей не может быть использована. Она пригодна только для предварительного отбора факторов.

8. И последнее — ранжирование.

Ранжирование факторов осуществляется по показателю их эла­стичности. фактору с наибольшим коэффициентом эластичности присваивается первый ранг, и он является важнейшим. Например, если два фактора имеют коэффициенты эластичности, равные 0,35 и 0,58, то второму фактору нужно отдать предпочтение перед пер­вым при распределении ресурсов на улучшение данной функции (при улучшении второго фактора на 1% функция улучшается на 0,58%, а по первому фактору — 0,35%).

Нами проведены специальные исследования зависимостей меж­ду элементами затрат и организационными факторами (програм­ма выпуска продукции, уровень ее освоенности, тенденция роста производительности труда). Результаты исследований показали, что эти факторы на -экономические показатели оказывают влияние только в определенных границах по гиперболической форме свя­зи. Поэтому эти факторы не должны включаться в общую много­факторную модель, их влияние на функцию должно учитываться отдельно. Например, себестоимость продукции прогнозируется по формуле

                                                                                         (4.2)

где       3 — прогнозное значение себестоимости продукции, рас­считанное с учетом организационных факторов производства и технических параметров конструкции;

 — прогнозное значение себестоимости продукции, рас­считанное по ее техническим параметрам;

— коэффициент, учитывающий влияние на себестои­мость изменения программы выпуска нового изделия по сравне­нию с программой выпуска базового (или группы аналогичных проектируемому) изделия. Для изделии массового выпуска этот коэффициент равен единице;

— коэффициент, учитывающий влияние на себесто­имость уровня освоенности конструкции изделия;

— коэффициент, учитывающий закономерность не­уклонного роста производительности труда. Он определяется по формуле

Страницы: 1, 2, 3