Формування портфелю замовлень машинобудівного підприємства з метою зменшення ризику упущеної вигоди

Размещено на http://www.allbest.ru/

Державний вищий навчальний заклад «Національний гірничий університет»

Формування портфелю замовлень машинобудівного підприємства з метою зменшення ризику упущеної вигоди

Пістунов Ігор Миколайович, доктор технічних наук, професор, кафедра економічної кібернетики

e-mail: pistuno-vi@gmail.com.

Цуркан Інга Ігорівна, кафедра економічної кібернетики

е-mail: qwert09@ukr.net.

Дніпропетровськ, Україна

Анотація

Використання попередніх результатів роботи машинобудівного підприємства дозволило визначити рівень допустимого навантаження на кожен робочий день. За цими даними створена модель прогнозу прибутку та оптимізаційна модель найкращого вибору з існуючого переліку замовлень. Для вирішення такої задачі були використані методи кластеризації, побудови роздільних функцій та регресійний аналіз.

Ключові слова: машинобудівне підприємство, питоме навантаження на робочий день, оптимізація вибору замовлень.

Вступ

Портфель замовлень машинобудівного підприємства складається з наперед невизначених об'єктів, для виготовлення яких потрібно постійно вести облік не тільки доходів за рахунок авансових надходжень та платежів по завершенню роботи. Слід враховувати й постійні затрати на придбання і складські затрати, що змінюються в протилежному напрямку.

Необхідно щомісячно чи щорічно розраховувати середній обсяг замовлень. Особливе значення має виділення частини дрібних замовлень, оскільки їх кількість може вплинути на неможливість виконувати замовлення більшого обсягу

Окрему проблему складають випадки, коли на підприємство надходять замовлення одразу від декількох клієнтів, а потужності виробництва не дозволяють прийняти одразу всі замовлення. Але і в цих випадках достатньо складно визначити, які ж замовлення будуть більш вигідними, дадуть більший прибуток.

Аналіз літературних даних та постановка проблеми

Огляд сучасних робіт з управління діяльність машинобудівних підприємств показує, що автори [1-7] з дев'яностих років визначають проблеми виконання замовлень як процес, коли замовлення вже прийняте.

Так, в [1] значну увагу приділяється методам підбору матеріалів для виготовлення насосів, їх порівнянню та проблемам контролю з боку керівництва над їх виготовленням. Відсутнє рішення проблем з вибору замовлень при обмеженій потужності виробництва.

В роботах [2, 3] автори найбільшу увагу звертають на менеджмент виробництва, що не відповідає проблемі оптимального вибору замовлень.

В [5] говориться про те, що традиційні виробничі системи вже не в змозі задовольнити нові вимоги, присутні на глобальних ринках, що призводить до необхідності для автоматизованих виробництв з виробничих систем високої продуктивності. Наводяться інноваційні методи і підходи, досягнення в галузі управління операціями, з особливим акцентом на теми, пов'язані з дизайном макету для виготовлення машин. Обговорюються проблеми розташування ресурсів, що використовуються в серійному виробництві і забезпечують технологічні, організаційні та соціальні аспекти виробничих систем. прибуток кластеризація замовлення

Аналогічні проблеми розглядаються в роботах [6, 7]. Але нічого не говориться про проблеми вибору замовлень.

В роботах по інвестуванню [8, 9] проблеми машинобудівних підприємств бачаться авторами тільки як проблеми невчасного або неякісного виконання замовлень і ризиками, що виникають внаслідок цього. Але ризики недоотримання прибутку не розглядаються взагалі. Отже, проблема формування портфелю замовлень для машинобудівного підприємства з урахуванням обмежень по виробничим потужностям не розглядається. А вирішення такої задачі зменшить ризик недоотримання прибутку.

Об'єкт, ціль та задачі дослідження

Об'єктом дослідження є портфель замовлень машинобудівного підприємства.

Ціль дослідження -- розробка методів формування портфелю замовлень таким чином, щоб ризик недоотримання прибутку був мінімальним.

Задачами дослідження є вивчення економічної структури замовлення на машинобудівному підприємстві, виділення серед економічних показників таких, що найбільше впливають на прибуток, створення універсального показника завантаженості підприємства, розробка економіко-математичної моделі оптимізації формування портфелю замовлень.

1. Початкові дані замовлень машинобудівного підприємства та використані програмні засоби

Були взяті дані за 2014 рік машинобудівного підприємства ТОВ «Дніпромашкомплект», що виготовляє нестандартні металоконструкції. Розмір вибірки -- 100 замовлень. Чисельні значення фінансових показників бралися в одиницях гривень.

Аналіз даних про виконані підприємством замовлення проводився методами математичної статистики [10] із застосуванням окремих функцій електронних таблиць Microsoft Excel, таких як НОРМРАСП, ХИ2РАСП, СТЬЮДРАСП, СРЗНАЧ, СТАНДОТКЛОН, НОРМ-СТОБР, СУММПРОИЗВ, КОРЕЛ та підпрограми РЕГРЕСІЯ й ПОШУК РІШЕННЯ.

Кластерний аналіз даних виконувався у програмі для статистичного спостереження STATISTICA 12. Для визначення міри відстаней використовувалися метрики Евкліда, Чебишева, кварталів Махаланобіса [11].

Для побудови критерію завантаженості підприємства використовувався підхід для визначення ризику в електронній комерції [12].

2. Побудова моделі формування оптимального портфелю замовлень

Кореляційний аналіз впливу економічних факторів на прибуток показав, що найбільш впливовими є наступні (з у казанням їх умовних позначень): х₁ -- номер клієнта; х₂ -- термін виготовлення замовлення; х₃ -- вартість матеріалів; х₄ -- основна частина заробітної платні; Х5 -- загальновиробничі витрати; х₆ -- витрати на утримання та експлуатацію обладнання; х₇ -- адміністративні витрати; х₈ -- витрати на збут.

Наступним етапом було розбиття всіх замовлень на групи (кластери).

Було обрано мінімальну та максимальну кількість кластерів 4 та 8 відповідно.

Система запропонувала 6 кластерів як оптимальний варіант, отже діапазон для кількості кластерів було обрано правильно. Помилка кластеризації становить 12,4 % для метрики відстаней Чебишева. Для кластеризаціїї такого типу розмір помилки менше 20 % являється прийнятним. Інші метрики відстаней давали більшу помилку. Результат розбиття наведено у табл. 1.

Таблиця 1 Перелік замовлень кожного кластеру

Отримані розділені на кластери та впорядковані дані було застосовано для створення роздільних функцій.

Для побудови лінійних роздільних функцій використовувався наступний алгоритм:

1) створювався стовбець додаткової змінної, яка була названа функцією розділення кластерів (У*);

2) при розрахунках лінійної регресії для ї-ого кластеру значенням Y* було присвоєно число 1000 тільки для даних цього кластеру;

3) для інших кластерів Y* = 0;

4) після цього будувалися лінійні регресійні залежності Y* від вхідних факторів;

5) повторюємо попередню процедуру для всіх кластерів, отримуючи таким чином 5 залежностей. Для шостого кластеру залежність не будувалася, оскільки в нього попало тільки одне замовлення;

6) перевірка якості розділення кластерів для цих функцій виконується за таблицею розрахованих значень У*. Якщо для відповідного кластеру значення У* перевищує значення У для інших кластерів, то функція є прийнятною (табл. 2).

Таблиця 2 Підтвердження прийнятності лінійної роздільної функції для кожного кластеру

Такий вигляд мають рівняння лінійних роздільних функцій для кожного кластеру. Для скорочення об'ємів формул, подано тільки 3-4 значущих цифри коефіцієнтів.

У* =-149,56 - 7,09х₁ + 8,56х₂ - 0,001077х₃ -

- 0,0678х₄ + 0,035х₅ + 0,029х₆ + 0,1074х₇ -

- 0,313 х₈,(1)

У₂* = 95,523 - 1,137хі - 4,696х₂ + 0,00252х₃ +

+ 0,0484х₄ + 0,0394 х₅ + 0,094х₆ + 0,00888х₇ -

- 0,2997х₈,(2)

У₃* =-47,52 + 23,9х₁ + 7,869х₂ - 0,000563х₃ -

- 0,05689х₄ + 0,2112х₅ - 0,2197х₆ + 0,0844 х₇ -

- 0,08234х₈,(3)

У₄* = -348,6 + 77,97х₁ - 0,713х₂ + 0,0004503х₃ +

+ 0,02874х₄ - 0,1732х₅ + 0,2762х₆ - 0,1238х₇ -

- 0,003074х₈,(4)

У₅* = 143,9-94,9х₁ -10,24х₂ -0,0012593х₃ -

- 0,0796х₄ - 0,1225х₅ - 0,1637х₆ - 0,07752х₇ +

+ 0,672х₈.(5)

Для кожного кластера окремо побудована лінійна регресійна залежність 8 змінних факторів, зазначених вище, від прибутку, який було позначено як У. Отримані п'ять регресійних моделей є прийнятними, оскільки показник якості апроксимації R² для кожної з них близький до одиниці, а стандартна помилка є порівняна малою. Таким чином, отримано функції залежності прибутку для кожного кластеру.

Таблиця 3 Результати розрахунку оптимального плану замовлень

Розроблена економіко-математична модель оптимізації портфелю замовлень відповідає одразу двом критеріям: максимізації прибутку, та мінімізації упущеної вигоди, оскільки забезпечує якнайщільніше заповнення кожного робочого дня.

Дуже зручним виявилося створення окремих кластерів, для яких визначалися залежності прибутку від собівартості продукції. Такий підхід забезпечив використання лінійних регресійних залежностей у варіанті кусочно лінійної апроксимації, що значно підвищує якість прогнозування прибутку.

Перевірка розробленої методики показана на прикладі (табл. 3), з якої видно, що із 14 замовлень, були відібрані тільки 5.

Простота алгоритму дозволила розробити програму на C++, яка виконує всі розрахунки автоматично, що дало збільшення загальноекономічної ефективність на підприємстві на 3 %.

Висновки

Розроблений критерій денного завантаження підприємства дозволив уніфікувати методику формування оптимального портфеля замовлень машинобудівного підприємства.

Використання кластеризації забезпечило отримання кусочно лінійної залежності прибутку від собівартості з високою якістю апроксимації.

Розроблена за алгоритмом програма автоматизує всі розрахунки, зменшує ймовірність помилок, прискорює процес прийняття рішень щодо вибору найвигідніших замовлень для підприємства.

Цю методику можна застосовувати і на підприємствах, які не мають виробництва, але здійснюють послуги, оскільки розроблений критерій Dsle можна вважати універсальним, бо він виражений в грошових одиницях і не включає в себе технологічні параметри виробництва.

Література

1. Bloch, H. P. Practical Machinery Management for Process Plants [Text]. Volume 3: Machinery Component Maintenance and Repair / H. P Bloch. -- Elsevier BV, 2005. -- P. 598. doi:10.1016/S1874-6942(05)80025-2

2. Nevatia, R. Machine Perception [Text] / R. Nevatia. -- Prentice- Hall, 1982. -- 209 p.

3. Litterman, B. Modern Investment Management: An Equilibrium Approach [Text]: Hardcover / Bob Litterman, Quantitative Resources Group. -- Wiley, 2003. -- 648 p.

4. Noble, P. Process Plant Construction: A Handbook for Quality Management [Text] / P. Noble. -- Wiley-Blackwell, 2009. -- 228 p.

5. Bluemke, A. How to Invest in Structured Products: A Guide for Investors and Asset Managers [Text] / A. Bluemke. -- Wiley, 2010. -- 384 p.

6. Oakey, J. E. Power Plant Life Management and Performance Improvement [Text] / J. E. Oakey. -- Woodhead Publishing Limited, 2011. -- 684 p. doi:10.1533/9780857093806

7. Modrak, V. Operations Management Research and Cellular Manufacturing Systems: Innovative Methods and Approaches [Text] / V. Modrak, R. S. Pandian. -- IGI Global Snippet, 2011. -- 456 p. doi:10.4018/978-1-61350-047-7

8. Cooke, B. Management of Construction Projects [Text] / B. Cooke. -- John Wiley & Sons, 2015. -- 294 p.

9. Bodie, Z. Investments [Text] / Z. Bodie, A. Kane, A. J. Marcus. -- McGraw-Hill, 2014. -- 1080 p.

10. Пістунов, І. М. Кластерный аналіз в економіці [Електронний ресурс]: навч. посіб. / І. М. Пістунов, О. П. Антонюк, І. Ю. Турчанінова. -- Д.: Національний гірничий університет, 2008. -- 84 с. -- Режим доступу: \www/URL: http:// pistunovi.narod.ru/Ka.rar

11. Пістунов, І. М. Економічна кібернетика [Електронний ресурс]: навч. посіб. / І. М. Пістунов. -- 2-ге вид., випр. й доп. -- Д.: НГУ, 2014. -- 215 с. -- Режим доступу: \www/URL: http://pistunovi.narod.ru/E_K.pdf

12. Пістунов, І. М. Безпека електронної комерції [Електронний ресурс]: навч. посібн. / І. М. Пістунов, Є. В. Кочура. -- Д.: НГУ, 2014. -- 125 с. -- Режим доступу: \www/URL: http:// pistunovi.narod.ru/6_E_K.pdf

Аннотация

Пистунов Игорь Николаевич, доктор технических наук, профессор, кафедра экономической кибернетики, Государственное высшее учебное заведение «Национальный горный университет», Днепропетровск, Украина.

Цуркан Инга Игоревна, кафедра экономической кибернетики, Государственное высшее учебное заведение «Национальный горный университет», Днепропетровск, Украина.

Pistunov Ihor, State Higher Educational Institution «National Mining University», Dnipropetrovsk, Ukraine, e-mail:pistuno-vi@gmail.com. Tsurkan Inha, State Higher Educational Institution «National Mining University», Dnipropetrovsk, Ukraine, e-mail: qwert09@ukr.net

Формирование портфеля заказов машиностроительных предприятий с целью уменьшение риска упущенной выгоды

Использование предварительных результатов работы машиностроительного предприятия позволило определить уровень допустимой нагрузки на каждый рабочий день. По этим данным создана модель прогноза прибыли и оптимизационная модель лучшего выбора из существующего перечня заказов. Для решения такой задачи были использованы методы кластеризации, построения разделительных функций и регрессионный анализ.

Ключевые слова: машиностроительное предприятие, удельная нагрузка на рабочий день, оптимизация выбора заказов.

Размещено на Allbest.ru