Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Введение

Осуществление производственного процесса в сельском хозяйстве в условиях рыночной системы хозяйствования предполагает полную самостоятельность и ответственность, самоокупаемость и самофинансирование производства. Для этого необходимо обеспечить рациональное использование всех имеющихся ресурсов, то есть использовать их так, чтобы от этого была наибольшая отдача. По этому эффективность развитие экономики в целом и отдельного трудового коллектива, требует научного планирования и управления производством. Его осуществление в условиях рыночной экономики требует учета множества особенностей экономического и социального характера. Для этого коллективы сельскохозяйственных предприятий должны обладать способностью оперативно реагировать на изменения, в короткий срок оценивать сложившуюся ситуацию на рынке, а при принятии решений, прогнозировать конечные результаты своей работы.

Правильно выбранная стратегия развития сельскохозяйственных предприятий способствует росту производства и повышению эффективности функционирования в будущем.

Объект исследования: СПК «Заболотье» Мстиславского района, Могилевской области.

Цель: составление модельной программы развития предприятия.

Методической базой для написания курсового проекта являются труды отечественных ученых-аграриев, материалы периодической печати, данные статистических сборников.

Исходными данными для написания курсового проекта явилась бухгалтерская документация, методические рекомендации и специальная литература.

В процессе работы над курсовым проектом использовались различные методы экономических исследований, системного и корреляционного анализа, монографический. Обработка информации и выполнение расчетов производилось на персональном компьютере с использованием программного пакета LPX 88.

Глава 1. Особенности методики моделирования программы развития сельскохозяйственных предприятий

Процесс развития рыночных отношений ставит новые проблемы в системе управления и планирования в сфере агропромышленного комплекса. Решение возникающих задач по повышению эффективности деятельности агропредприятий и формирований с учетом протекающих в них процессов возможно при изучении разнообразных экономико-математических методов и моделей. Они становятся неотъемлемой частью системы по принятию оптимальных управленческих решений на всех уровнях, связанных с обоснованием наилучшего направления развития коммерческой деятельности.

На современном этапе роль экономико-математических расчетов неизбежно расширяется с распространением новых персональных компьютеров, разработкой модельного и программного обеспечения, что в конечном итоге позволяет провести научно обоснованный экономический анализ, дать сбалансированную программу развития сложных систем и подкомплексов в АПК.

Процесс управления экономикой, основное содержание которого включает целенаправленное воздействие на управляемый объект, базируется на переработке больших объемов информации. Усложнение производства существенно усиливает эту тенденцию. В условиях рынка принятие правильных решений становится необходимой предпосылкой рентабельности производства. Отсюда необходимы новые технологии переработки информации, новые приемы и методы выработки эффективных решений. В системе механизма принятия решений важнейшее место принадлежит экономико-математическим методам - одному из важнейших разделов прикладной математики. Необходимость возникновения и развития прикладной математики, в т.ч. экономико-математических методов, объяснялась целями общества, ориентированными на более эффективное использование ресурсов, более глубокое понимание социально-экономических процессов.

Основы экономико-математического моделирования, т.е. количественного описания наиболее важных, существенных сторон функционирования производственных и других объектов, разработаны В.С.Немчиновым.

Гатаулин A.M. пишет: под экономико-математическими методами подразумевают цикл научных дисциплин, предметом изучения которых являются количественные характеристики и закономерности экономических процессов, рассматриваемые в неразрывной связи с их качественными характеристиками. В исследованиях применяют методы математической статистики и теории вероятностей, в значительной мере используют аппарат математического программирования и моделирования экономических процессов, сетевого планирования, теории массового обслуживания, игр и т.д. Экономико-математическими методами можно решать широкий круг планово-экономических, учетно-статистических и управленческих задач.

Для математического моделирования экономических процессов, как самостоятельного научного направления характерным и специфичным, является рассмотрение производственных систем в качестве объектов управления путем имитации с необходимой полнотой их поведения через абстрактные математические модели. Очевидно, что адекватность модели реальной системе будет определяться степенью изученности свойств, характеристик и закономерностей поведения реальных систем, их внутренних структур в изменяющейся внешней среде.

Модель отображает те свойства исследуемой системы, которые представляют интерес, прежде всего, с точки зрения управленческих воздействий на нее.

Следовательно, модель служит средством познания оригинала. Создавая модель, исследователь заранее ставит конкретные цели, определяющие ее характер. В зависимости от задачи исследования подобие между двумя системами - моделью и оригиналом может быть реализовано в самых различных отношениях.

Курносов А.П. и Синельникова A.M. считают, что под моделированием вообще понимается воспроизведение или имитирование какой-либо существующей системы на специально построенном аналоге или модели. Под экономико-математической моделью понимается описание количественных взаимосвязей и взаимозависимостей экономических систем или процессов в математической форме.

Экономико-математическая модель, по определению академика B.C. Немчинова, есть концентрированное выражение общих взаимосвязей и закономерностей экономического явления в математической форме. Анализируя уравнения и неравенства, которые описывают количественные взаимосвязи данной системы, мы тем самым анализируем и изучаем саму реальную действительность.

Колеснев В.И. говорит, модель позволяет имитировать поведение системы в широком диапазоне изменяющихся условий, включая и такие, которые в реальной действительности наблюдать трудно, редко встречающиеся, сопряженные с большими затратами или риском.

При исследовании очень сложных систем с большой длительностью протекающих в них процессов моделирование служит единственным средством обоснования управленческих решений на перспективу. Основной эффект моделирования заключается именно в научном обоснованном принятии управленческих решений - в выборе наилучшего (оптимального) варианта развития системы.

Степень достоверности выводов при этом зависит от детализации исходной информации о свойствах системы, глубины проработки и изученности закономерностей поведения этой системы. Модели сами по себе не могут раскрыть характер экономических взаимосвязей. Они лишь воспроизводят поведение системы на том уровне знаний, который достигнут конкретными науками в моделируемых явлениях. Качество модели, ее адекватность реальным условиям зависят от опыта и квалификации специалистов в конкретных предметных областях. Так, при разработке экономико-математической модели развития хозяйства на перспективу необходимо знать конкретные технологические особенности производства продукции растениеводства и животноводства, формы его организации, возможные объемы ресурсов и ограничивающие условия, влияющие на развитие производства.

В планово-экономической работе используются разнообразные типы моделей, различающиеся целевым назначением, характером задач, степенью охвата явлений, математическим аппаратом и так далее. Если результаты моделирования однозначно можно определять множеством независимых переменных, модель относят к классу детерминистических. Нередко исходные данные и результаты моделирования носят вероятностный характер и могут быть представлены в виде статистических функций распределения. Такие модели называют стохастическими. Они описывают случайные процессы в терминах теории вероятности.

Из детерминистических моделей особое значение имеют балансовые и оптимизационные. Балансовый метод давно и широко используется в экономическом анализе и планировании, но с точки зрения теории моделирования не всякая балансовая таблица есть модель. Об экономико-математической модели в строгом смысле можно говорить лишь в том случае, если имеет место имитация (воспроизведение) поведения исследуемой системы или ее некоторых системных свойств. За последние четверть века значительное развитие получили модели межотраслевого баланса. Эти модели позволяют весьма подробно описать структуру и условия функционирования экономических систем и по характеру могут быть статическими и динамическими.

Наиболее обширный класс моделей, применяющихся на практике -оптимизационные, основанные на методах математического программирования, и в первую очередь линейные оптимизационные модели, базирующиеся на теории линейного программирования. Последние, обладают простой структурой, математический аппарат для их реализации на ПК хорошо разработан, а результаты моделирования легко интерпретируются традиционными экономическими терминами.

Большую группу составляют модели, основанные на распределительном методе, отличающиеся по алгоритмам вычислений так и по оценке плана.

Моделирование - один из наиболее сложных методов исследования. И прежде, чем прейти к рассмотрению этапов разработки моделей, необходимо хотя бы схематически представить их структуру.

В зависимости от характера моделируемых объектов и процессов структура может быть различной. В то же время имеются общие элементы, которые можно выделить.

Базовая модель включает следующие элементы: исходные значения ресурсов; переменные величины, значения которых должны определяться в результате моделирования; технико-экономические коэффициенты и нормативы, необходимые для отображения закономерных взаимосвязей ресурсов с выходными показателями; условия (ограничения), описывающие характер и логику взаимосвязей в модели; критерий оптимальности, определяющий качество функционирования исследуемой системы.

По Ленькову И.И. подготовленная информация и математически сформулированные условия и требования объединяются в модель решаемой задачи. Выбор модели будет зависеть от характера взаимосвязей и условий, описываемых разными математическими формулами.

Одни задачи можно описать и решить на основе системы линейных уравнений и неравенств, другие на основе уравнений и неравенств более высокого порядка, третьи, как например, прогнозирование урожайности - на основе корреляционного анализа, четвертые с использованием теории вероятностей и так далее. Такое различие в условиях экономических задач и в их описании в математической форме привело к разработке ряда математических методов. Наибольшее распространение получили методы математического программирования, связанные с выбором наилучшего, то есть оптимального варианта.

Математическое программирование подразделяется на линейное программирование, когда цель и условия задачи описываются линейными уравнениями и неравенствами, и нелинейное программирование, когда условия задачи описываются нелинейными зависимостями. Для решения задач, связанных с постоянным изменением параметров, разрабатываются методы динамического программирования.

В экономике находят применение методы шахматного баланса, матричные методы, теория игр, методы математической статистики, методы сетевого планирования и управления и другие. Наиболее широкое применение в экономике получили методы линейного программирования.

Линейное программирование исторически развивалось как средство решения экономических задач с целью нахождения путей наиболее эффективного использования ограниченных производственных ресурсов.

В настоящее время в нашей стране и за рубежом происходит все более широкое применение математических методов в разных отраслях науки и в первую очередь в экономике. Большой вклад в развитие экономико-математических методов применительно к сельскому хозяйству внесли доктора экономических наук Браславец М. Е., Кравченко Р. Г., Попов И. Г. и другие. Поскольку на данном этапе методы линейного программирования лучше разработаны и широко применяются в практике, моделирование, экономических процессов сельскохозяйственного производства рассматривается на основе этих методов.

Глава 2. Модельная программа развития СПК «Заболотье»

2.1 Постановка экономико-математической задачи

Программа развития отрасли зависит от совокупности ресурсов, технологий производства, взаимосвязи этих элементов. Важнейшим ресурсом является труд. Однако в связи с сезонностью производства целесообразно ввести ограничение по использованию труда в напряженный период.

В силу множества требований размер отдельных отраслей чаще всего ограничивается сверху и снизу, лучше всего, когда размер отрасли зависит от какого-либо фактора производства.

Пропорциональность между растениеводством и животноводством выражается через ограничения по балансу кормов, оптимизации рационов, структуре кормопроизводства, возможности покупки и обмена кормов.

Специфика заключается в том, что, как правило, использование данной модели осуществляется для анализа и с целью расчета экономических и производственных показателей сельхозпредприятия на перспективу.

Расчеты данного курсового проекта будут проводиться на ближайшие три года. Объект исследования - СПК «Заболотье».

Цель решения - определить оптимальный план сочетания отраслей хозяйства, обеспечивающий при заданных условиях получение максимума прибыли от реализации продукции свиноводства.

2.2 Структурная экономико-математическая модель

Структурная экономико-математическая модель описывает объект в виде символов и математических выражений.

Для ее построения необходимо ввести условные обозначения, которые включают в себя три группы:

1. Индексация;

2. Неизвестные величины;

3. Известные величины.

Индексация:

j - номер отраслей растениеводства и животноводства;

J₀ - множество отраслей растениеводства и животноводства;

J₁ - множество отраслей растениеводства;

J₂ - множество отраслей животноводства;

J₃ - множество основных сельскохозяйственных культур или культур группы;

J₄ - множество групп однородных сельскохозяйственных культур;

J₅ - множество сельскохозяйственных культур, групп культур, находящихся между собой в прапорциональной связи;

J₆ - множество видов маточного поголовья;

i - номер ресурсов, питательного вещества вида продукции;

I₀ - множество видов сельскохозяйственных угодий;

I₁- множество видов труда;

I₂ - множество видов питательных веществ;

I₃ - множество видов товарной продукции, номер вида денежных поступлений;

h - номер корма;

Н₀ - множество видов кормов;

Н₁ - множество видов кормов получаемых по сделкам;

H₂- множество кормов передаваемых по сделкам;

Н_з - множество покупных кормов;

Н₄ - множество кормов от обмена;

Неизвестные величины:

x_j - размер отрасли j;

x_h - количество корма вида h переданного в результате осуществления коммерческой сделки;

- количество покупных кормов h го вида;

x_hj - скользящая переменная или добавка h -го вида корма j -му виду животных;

x_h - количество корма вида h животного происхождения и покупных;

x`_h - количество побочных кормов вида h;

V_J - маточное поголовье скота вида j;

X` - рыночный фонд по продукции;

Известные величины.

Ai - наличие сх угодий вида i;

B_i - наличие трудовых ресурсов вида i;

W_h - расход кормов вида h на внутрихозяйственные нужды для ЛПХ населения;

- максимальное количество корма вида h передаваемого и покупного;

- соответственно минимальный и максимальный размер отрасли вида j;

D_i - объем поставок сельскохозяйственной продукции вида i по заключенным договорам;

a_ij - расход i-го вида сельскохозяйственных угодий на единицу j-й отрасли;

b_ij - количество трудовых ресурсов вида i на единицу отрасли вида j;

- соответственно минимальный и максимальный расход h-го вида корма j -му виду животного;

W_ij - расход i-го вида питательного вещества на единицу j-й отрасли;

K_ih - коэффициент обозначающий расход i-го вида питательного вещества в единице к-го корма;

d_hj, d_ij - выход к-го вида корма или же i -го вида продукции;

- стоимость товарной продукции получаемой от отрасли вида j;

- стоимость единицы покупного корма вида h;

_in - стоимость единицы товарной продукции вида i реализуемой по рыночному каналу;

С_ij - затраты денежных средств i на единицу отрасли j;

Ограничения.

По использованию сельскохозяйственных угодий:

По использованию трудовых ресурсов:

По балансу кормов:

По количеству получаемых, передаваемых и покупных кормов:

Ограничение на скользящую переменную:



По балансу питательных веществ:

Ограничения по содержанию питательных веществ в добавках кормов для определенных групп животных:

Технологические ограничения по размерам отраслей:

По продаже продукции:

10. По условию обмена:

11. По стоимости товарной продукции:

12. По материально-денежным затратам:

Целевая функция:

F_max =

2.3 Обоснование исходной информации:

На базе структурной ЭММ обосновывается исходная информация.

Проект проводится в аспекте прогнозирования производственных параметров агропромышленного предприятия. Временной интервал прогнозирования составляет 3 года.

Исходная информация берется на основании годовых отчетов.

Характеристика производственных ресурсов приведена в таблице 2.1.

Таблица 2.1 - Производственные ресурсы предприятия:

Показатели	Наличие
1. Пашня, га	3460
2. Сенокосы, га	542
3 Пастбища, га	1010
3. Запасы годового труда, чел.-час.	215040
4. Запасы труда в напряженный период, чел.-час.	96768

Запасы годового труда на перспективу рассчитываем за минусом ежегодного выбытия в размере 1% за год от общего наличия труда:

224000*0,96=215040 чел.-час.

А запасы труда в напряженный период составляют 45% от запасов годового труда:

215040*0,45=96768 чел.-ч.

Определяем урожайность зерновых культур на перспективу. Предполагая, что в хозяйствах района имеются примерно одинаковые условия для увеличения урожайности зерновых культур, среднегодовое приращение урожайности скорректируем в зависимости от достигнутого в хозяйстве и в однотипных хозяйствах района. Корреляционная модель будет иметь вид:

Y=Yi+(lgYo/lgYi)*Ai*X

Где Y - планируемая урожайность зерновых культур хозяйства на перспективу;

Yi - средняя (за три года) фактическая урожайность зерновых культур по хозяйству;

Yо - средняя фактическая урожайность зерновых культур по однотипным хозяйствам района;

Х- номер года, считая, что х=1 в первый год планового периода;

Ai - коэффициент регрессии, характеризующий возможное среднегодовое приращение урожайности в хозяйстве.

Далее рассчитаем структуру зернового клина в хозяйстве.

Таблица 2.2 - Структура зернового клина в СПК «Заболотье»:

Культуры	Фактическая площадь посева, га	Удельный вес, %	MIN, %	MAX, %
Озимые	612	35,9	28,7	43,1
Яровые	1091	64,1	51,3	76,9
Всего	1703,0	100,0	80,0	120,0

Согласно формуле 2.1 определяем урожайность зерновых культур на перспективу:

Рассчитаем приращение урожайности зерновых:

?

Где ?u - приращение урожайности зерновых культур;

?u = 29,7-25,5 = 4,2 ц/га

Рассчитаем урожайность отдельных зерновых культур по коэффициентам соотношения (таблица 2.3).

Таблица 2.3 - Перспективная урожайность зерновых культур:

Культуры	Фактическая урожайность отдельных зерновых культур. ц/га	Коэффициент соотношения	Перспективная урожайность зерновых, ц/га
Озимые зерновые	26,1	1,02	30,39
Яровые зерновые	25,2	0,99	29,34
Всего	25,5	1,00	29,69

При планировании урожайности других сельскохозяйственных культур используем КМ соотношение урожайности зерновых и этих культур:

Где У_х - корректированная урожайность сельскохозяйственных культур;

у_о - фактическая урожайность сельскохозяйственной культуры;

а₀,а₁ - коэффициенты регрессии;

u - приращение урожайности зерновых, т. е. разница между перспективной урожайностью зерновых и средней фактической за два года.

Тогда, однолетние травы на з/к:

ц/га

Кукуруза на з/м:

Урожайность кукурузы на силос возьмем 0,75 от урожайности кукурузы на з/к:

Кукуруза на силос: ц/га

Льносемена: Ух = 0,073*34,6= 5.6 ц/га

Льносоломка: Ух = 22,6*5,6 = 54,7 ц/га

Многолетние травы на з/м:

ц/га

Урожайность мн.трав на сено будет равна урожайности мн. трав на з/м разделенную на 4,5:

Многолетние травы на сено: ц/га.

Урожайность мн.трав на сенаж планируем в размере 0,45 от их урожайности на з/м.

Многолетние травы на сенаж: ц/га

Урожайность мн. трав на семена в 10 раз меньше чем на сено:

Многолетние травы на семена: ц/га

Урожайность мн. трав на травяную муку планируем 80% от мн. трав на сено:

Многолетние травы на травяную муку: ц/га

Урожайность озимой ржи рассчитываем по след. КМ:

Озимая рожь на з/м:

ц/га

Урожайность пожнивных 80% от мн. трав на з/м:

Пожнивные: ц/га

Урожайность сенокосов на сено планируем в размере 65% от мн. трав на сено:

Сенокосы на сено: ц/га

Урожайность сенокосов на сенаж равна 200% ор урожайности сенокосов на сено:

Сенокосы на сенаж: ц/га

Урожайность пастбищ на з/м рассчитываем как 60% от урожайности мн. трав на з/м:

Пастбища на з/к: ц/га

Урожайность пастбищ на сенаж 45% от их урожайности на з/м:

Пастбища на сенаж: ц/га

Урожайность рапса: У_х = 6,5 ц/га;

Затраты труда по культурам (чел.-час) на 1 га можно рассчитать по корреляционной модели в зависимости от фактических затрат труда на начало планового периода (xl) и урожайности сельскохозяйственной культуры (х2).

Общий вид корреляционной модели:

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Где - коэффициенты регрессии.

Яровые зерновые: У_х = 17,2+0,712*8,2-0,216*30,39 = 3,6 чел-час;

Озимые зерновые: У_х = 13,6+0,712*13,1-0,416*29,34 = 10,3 чел-час;

Кукуруза на зеленую массу: У_х = 14,6+0,55*25-0,031*381,7 = 16,5 чел-час;

Кукуруза на з/м: Y_x = 16,5/0,9 = 18,4 чел-ч.;

Однолетние травы на з/к: У_х =20,3+0,45*16,5-0,12*153,3 = 9,3 чел-час;

Многолетние травы на сено: У_х =4,3+0,75*31,7-0,023*20,3 = 25,4 чел-час;

Затраты труда другого использования многолетних трав определяется по коэффициенту соотношения многолетних трав на сено: на семена - 1,36, на з/м - 0,3, на сенаж - 0,9, на травяную муку - 1,3:

Многолетние травы на семена: У_х =1,36*25,4 = 34,6 чел-час.;

Многолетние травы на з/к: У_х =0,3*25,4 = 7,6 чел-час.;

Многолетние травы на сенаж: У_х =0,9*25,4 = 22,9 чел-час.;

Многолетние травы на травяную муку: У_х =1,3*25,4 = 33,0 чел-час.;

По остальным культурам затраты труда определяются по формуле корректировки:

Где - планируемые и нормативные затраты труда на 1 га культуры;

- соответственно планируемая и нормативная урожайность культуры.

Пастбища на зеленую массу: У_х = 12,4+0,5*(54,7-220)*12,4/220 = 7,7 чел-час.;

Пастбища на сенаж: У_х =24,70+0,5*(24,6-100)*24,7/100 = 15,4 чел-час.;

Озимая рожь на з/к: У_х =8,9+0,5*(103-100)*8,9/100 = 9,0 чел-час.;

Пожнивные культуры на з/м: У_х =7,9+0,5*(72,9-150)*7,9/150 = 5,9 чел-час.;

Сенокосы на сено: чел-час

Сенокосы на сенаж возьмем 90% от их затрат на сено:

чел-час.

Затраты труда по рапсу равны среднему значению за 2 года:

Рапс: У_х =8 чел-час.;

Лен долгунец: Ух = 74,4+0,51*250-6,6*5,6 = 164,94

Рассчитаем затраты труда по культурам в напряженный период по следующей формуле:

Где:

- затраты труда в напряженный период расчетные,

- фактические годовые затраты труда,

- нормативные затраты труда в напряженный период,

- годовые затраты труда нормативные,

Озимые зерновые: чел-час.

Яровые зерновые: чел-час

Кукуруза:

- на з/м чел-час

- на силос чел-час

Однолетние травы на з/м: чел-час

Многолетние травы:

- на травяную муку чел-час

- на сено чел-час

- на сенаж чел-час

- на зеленый корм чел-час

- на семена чел-час

Сенокосы:

- на сено чел-час

- на сенаж чел-час

Пастбища:

- на сенаж чел-час

- на з/м чел-час

Озимая рожь на з/м чел-час

Пожнивные: чел-час

Затраты труда по рапсу:

Yх = 8*0,468=3,7 чел.-ч.

Льносемена: =23,1+0,35*164,94-2,4*5,6 =67,38 чел.-ч.;

Льносоломка: = 8,6+0,32*164,94-0,22*54,7 = 49,3 чел.-ч.

Все рассчитанные выше данные заносим в таблицу 2.4.

В колонку «на семена» занесена норма высева на 1 га.

В колонку «на корм»:

- для основной продукции по зерновым продовольственным в обмен на фураж равно 10% от урожайности;

- для зерновых фуражных равно урожайность минус расход на семена;

- по кукурузе на силос равно 75% от урожайности.

В колонку «товарная продукция»: урожайность минус расход на семена минус корм.

В колонку «побочная продукция»:

По озимым зерновым 100% от урожайности, по яровым зерновым 80% от урожайности.

Таблица 2.4 - Развитие отраслей растениеводства:

Продовольство	30,39	3	3,04	24,35	30,39	10,29	4,82
В обмен	30,39	3	3,04	24,35	30,39	10,29	4,82
Яровые:
продовольств	29,34	3,5	2,93	22,91	23,47	6,80	3,37
В обмен	29,34	3,5	2,93	22,91	23,47	6,80	3,37
на фураж	29,34	3,5	25,84			6,80	3,37
Кукур. на сил.	286,3	-	229,02	-	-	18,4	15,2
Кукур, на з/к	381,70	-	381,70	-	-	16,5	13,7
Однол, травы	153,3	-	153,35	-	-	9,3	5,2
Льносоломка	54,7			54,7		164,9	49,3
Льносемена	5,5	5,5				164,9	67,4
Мног. Травы.:		-		-	-
на тр,муку	16,2	-	16,2	-	-	33,0	23,1
на сено	20,3	-	20,3	-	-	25,4	18,1
на сенаж	41,0	-	41,0	-	-	22,9	16,8
на з/к	91,2	-	91,2	-	-	7,6	4,6
на семена	2,0	2,0	-	-	-	34,6	14,0
Сенок. на сено	13,2	-	13,2	-	-	30,3	22,5
Сен. на сенаж	26,3	-	26,3	-	-	27,2	20,4
Паст. на сенаж	24,6	-	24,6	-	-	15,4	10,4
Паст. на з/к	54,7	-	54,7		-	7,7	2,2
Оз, рожь на з/к	122,6	-	122,6	-	-	9,0	4,2
Пожнивные	72,9	-	72,9	-	-	5,9	2,7
Рапс	6,5	-	-	6,5	-	8,0	3,7

Расчеты перспективных показателей по животноводству начнем с обоснования продуктивности среднегодовой коровы и привеса молодняка КРС в зависимости от фактической продуктивности на начало планового периода и приращения урожайности зерновых культур как мерила развития кормовой базы:



Где уx, y0 - соответственно перспективная продуктивность коров, молодняка КРС и ее значение на начало планового периода;

t - продолжительность планового периода;

ДU - приращение урожайности зерновых, то есть разность между перспективной и фактической урожайностью;

a - коэффициент регрессии.

Надой молока на 1 среднегодовую корову.

Yx=24,02* = 29,3 ц

Среднесуточный привес молодняка КРС.

Yx=442*=446,8 г

Ух = 446,8*365/100000=1,6 ц.

Затраты труда на среднегодовую голову рассчитываются по корреляционной модели в зависимости от фактических затрат труда на начало планового периода х1 и среднегодовой продуктивности животного х2.

Для среднегодовой коровы затраты труда составляют:

Yx=60,2+0,95*143,5-1,62*29,3=134,8 (чел.-ч)

Для среднегодовой головы молодняка КРС составляют:

Yx=26,6+0,6*39,4-0,7*1,6=49,1 (чел.-ч)

В напряженный период:

Для среднегодовой коровы затраты труда составляют:

Yx=229,3*36/150,6=32,2 (чел.-ч)

Для среднегодовой головы молодняка КРС составляют:

Yx=1,6*7,6/28=0,46 (чел.-ч)

Расход питательных веществ на производство 1ц продукции животноводства определяют по корреляционным моделям:

-на молоко:

Где х - прогнозный надой молока на одну корову за год, ц.

ц.к.ед;

1,34*29,3=39,1 ц.к.ед.

Расход питательных веществ на лошадей составляет 85% от расхода к. ед. на коров:Ух=39,1*0,85=33,3 ц к. ед.

- на привес КРС:

Где х - прогнозный среднесуточный привес, кг.

ц.к.ед;

11,1*1,6=18,1 ц. к. ед.

Все выше рассчитанные показатели по животноводству занесены в таблицу 2.5.

Таблица 2.5 - Развитие отраслей животноводства:

Виды животных	Продуктивность, ц/гол	Расход питательных	Затраты труда на голову, чел. час/гол
		веществ на голову
		ц к.ед.	ц п.п.	годовые	напр. Пер.
Коровы	29,3	39,1	4,0	134,8	32,2
Молодняк КРС	1,6	18,1	1,9	10,7	0,4
Лошади		33,3	3,6	64,4	23,4

Рассчитаем предельные нормы скармливания кормов с учетом запланированной продуктивности. Для откормочного поголовья КРС составим фиксированные рационы, а для коров - рацион со скользящими.

Таблица 2.6 - Нормы кормления откормочного поголовья КРС:

Вид корма	Сод-е в 1 ц корма	Структура кормления, %	Содержание в рационе
	ц.к.ед	ц.п.п		ц к.ед.	ц. корма	ц. п. п.
Концентраты	1	0,105	35	6,3	6,3	0,7
Силос	0,2	0,014	13	2,3	11,7	0,2
Корнеплоды	0,12	0,009	6	1,1	9,0	0,1
Зеленый корм	0,19	0,021	16	2,9	15,2	0,3
Сенаж	0,28	0,033	16	2,9	10,3	0,3
Сено	0,45	0,053	7	1,3	2,8	0,1
Солома	0,25	0,011	1	0,2	0,7	0,0
Молоко	0,3	0,033	3	0,5	1,8	0,1
Обрат	0,13	0,035	3	0,5	4,2	0,1
Всего	-	-	100	18,1	-	1,9

Предельные нормы скармливания отдельных кормов для коров приведены в таблице 2.7.

Таблица 2.7 - Предельные нормы скармливания кормов для коров:

Наименование кормов	Содержится в 1 ц	На голову коровы	На голову коровы, ц
	ц к.ед.	ц п.п.	не менее	не более	не менее	не более
Концентраты	1	0,105	0,25х	0,4х	7,3	11,7
Травяная мука	0,68	0,091	0	0,05х	0,0	1,5
Силос	0,2	0,014	0,25	0,7х	7,3	20,5
Корнеплоды	0,12	0,009	0,4х	0,8х	11,7	23,4
Картофель	0,3	0,01	0	0,2х	0,0	5,9
Зеленый корм	0,19	0,021	40+0,3х	50+0,5х	55,2	64,6
Сенаж	0,28	0,033	0,4х	1х	11,7	29,3
Сено	0,45	0,053	0,2х	0,6х	5,9	33,0
Солома	0,25	0,011	100/х	160/х	3,4	5,5
Содержится: ед					27,4	58,0
ц п.п					2,9	6,0

Таблица 2.8 - Рацион для лошадей:

Вид корма	Структура	Содержание в рационе
	кормления, %	ц к.ед.	ц	ц. п. п.
Концентраты	29	9,65	9,65	1,01
Картофель	3	1,00	3,33	0,03
Зеленый корм	25	8,32	43,76	0,92
Сено	32	10,64	23,65	1,25
Сенаж	10	3,33	11,88	0,39
Солома	1	0,33	1,33	0,01
Всего	100	33,26	-	3,63

Что касается реализации продукции, то объем реализации на перспективу увеличивается на 3% в год, значит за два года он увеличивается на 6% по растениеводству. По животноводству объем реализации возрастает на 2% за год, следовательно за два года на 4%. Договорные поставки составляют 80% от объема реализации на перспективу (таблица 2.9.).

Таблица 2.9 - Планирование объема договорных поставок:

Вид продукции	Фактич. реализ. ц	Закупка у насел. ц	Объем реализ. по плану
			Всего	В т.ч. дог.поставки
Зерно	29100		31719	25375
Рапс	1560		1700	1360
Льнотреста	2160		2354	1884
Молоко	10110	1540	9084	7267
Говядина	900	80	869	695

С целью бесперебойного, равномерного получения зеленой массы планируем использовать однолетние травы трех сроков посева.

Потребность в зеленой массе рассчитываем с 15 мая по 15 октября. Выход зеленого корма по месяцам пастбищного периода представлен в таблице 3.9.

Потребление зеленой массы животными составляет в мае и октябре по 10%, а в июне, июле, августе и сентябре - по 20% от общей потребности в зеленом корме.

Избыток зеленого корма в мае и октябре будет использован для получения травяной муки, в июле и августе - сенажа, июнь и август - сена.

Таблица 2.10 - Выход зеленого корма по месяцам пастбищного периода:

Угодья и культуры	Урожайн., ц/га	В том числе по месяцам, ц
		Май	Июнь	Июль	Август	Сентябрь	Октябрь
Пастбища на з/к	54,7	8,98	18,01	12,02	12,02	0,62	3,04
Многол. тр. на з/к	91,2	11,85	25,54	25,54	17,30	10,94	0,00
Однолетние травы:		0,00	0,00	0,00	0,00	0,00	0,00
1 срока	153,3	0,00	23,01	107,34	23,01	0,00	0,00
2 срока	153,3	0,00	0,00	23,01	107,34	23,01	0,00
3 срока	153,3	0,00	0,00	0,00	23,01	107,34	23,01
Кукуруза на з/к	381,70	0,00	0,00	0,00	0,00	381,70	0,00
Озимая рожь на з/к	122,6	122,55	0,00	0,00	0,00	0,00	0,00
Пожнивные на з/к	72,9	0,00	0,00	0,00	0,00	0,00	72,93

Определяем число семей в хозяйстве. Число семей d составит:

d=N / (1,8*1,4)

Где N - запасы труда, тыс. чел.-ч;

1,8 - выработка на среднегодового работника, чел.-ч;

1,4 - число среднегодовых на 1 семью;

d=215,040/(1,8*1,4)=85

Число коров у населения определяется:

Yx = d * 0,6 = 85 * 0,6=51 гол.

Где 0,6 - плотность коров в расчете на одну семью.

Определяем количество корма на внутрихозяйственные нужды. На каждую семью выделяется:

- 8ц концентратов;

- 20ц соломы.

Yx = 85 * 8 = 682,7 ц

Yx = 85 * 20 = 1706,7 ц

Кроме того, выделяется на 1 голову животного:

- 20ц сена;

- 65ц зеленый корм

- 20ц корнеплодов.

Yx = 51 * 20 = 1024 ц

Yx = 51 * 65 = 3328 ц

Yx = 51 * 20 = 1024 ц

Технологические ограничения:

Для посева зерновых отводится не менее 40% и не более 60% площади пашни.

Площадь однолетних трав должна быть не менее площади посева озимой ржи на зеленый корм. Площадь многолетних трав на семена не должна превышать 15% от общей площади многолетних трав. Площадь озимой ржи на зеленый корм должна быть не более 5% от площади пашни. Поголовье животных должно быть не менее фактического и не более фактического, увеличенного на 15%.

Поголовье лошадей 24 головы.

Планируется двухлетнее использование многолетних трав. Для посева трав необходимо выделить половину нормы высева семян на 1 га (12кг). Для восстановления травостоя выделяется 4кг семян трав в расчете на 1га сенокосов и пастбищ.

2.4 Анализ решения

Рассчитанную экономико-математическую модель оптимизации специализации и сочетания отраслей по хозяйству заносится в матрицу. После чего производится расчет задачи на ЭВМ.

В дальнейшем мы анализируем расчетные данные и сравниванием их с фактическими.

Таблица 2.11 - Использование ресурсов:

Виды ресурсов	Фактические значения	Расчетные значения	Расчет в % к фактическ.
Пашня, га	3460	3460	100,0
Сенокосы, га	542	542	100,0
Пастбища, га	1010	1010	100,0
Запас год. труда, чел.-ч	224000	204608,4	91,3
Запасы труда в напряж. период, чел.-ч	100800	73901,23	73,3

Проанализировав таблицу 2.11 можно сказать, что исходя из расчетных данных на предприятии произойдет снижение годовых затрат труда. Затраты труда в напряженный период также снизились на 26,7% . Это говорит о том, что в хозяйстве имеется резерв для наращивания производства. А исходя из расчетных данных на предприятии сократятся производственные и непроизводственные простои.

Таблица 2.12- Структура посевных площадей:

Культуры	Факт посевная за 2009 г. площадь, га	Расчет посевная площадь, га	Расчет в % к факт.
	га	%	га	%
Зерновые, всего	1703	49,4	1629	47,1	95,7
вт. ч.: - озимые	612	17,8	641	18,5	104,7
яровые	1091	31,7	989	28,6	90,6
Лен-долгунец	80	2,3	123	3,6	154,1
Кукуруза	200	5,8	149	4,3	74,6
Однолетние травы	387	11,2	224	6,5	57,8
Многолетние травы	826	24,0	1022	29,6	123,8
Рапс	250	7,3	312	9,0	124,7
Всего	3446	100,0	3460	100,0	100,4

Из таблицы 2.12 видно, что на 4,3 % снизилась площади посева зерновых культур за счет незначительного снижения площадей яровых культур на 8,4%.

Это является следствием недостаточно выгодных для хозяйства урожайности яровых этих культур. Увеличение площади посева многолетних трав составило 23,8%. Уменьшение площади посева однолетних трав составило 42,2%. Уменьшение произошло в целом за счет увеличения площадей многолетних трав. Увеличение площади посева льна-долгунца составила 54,1%, рапса - 24,7%. Изменения, произошедшие в поголовье животных, представлены в таблице 2.13.

Таблица 2.13 - Поголовье животных:

Вид животных	Поголовье, гол.	Расчет, в % к факту
	фактическое	расчетное
Коровы	425	489	115,1
Молодняк КРС	711	818	115,0
Лошади	24	24	100,0

Анализ таблицы 2.13 позволяет сказать, что в обшей сложности поголовье животных увеличилось практически по всем видам животных - поголовье молодняка КРС увеличилось на 15,1%, основное стадо - на 15,1%. Полученная структура соответствует оптимальному обеспечению животных кормами. Анализ рациона кормления коров представлен в таблице 2.14.

Таблица 2.14 - Расход и структура кормов коров:

Виды кормов	Фактическое значение	Расчетное значение	Расч. в % к факт.
	ц.	ц.к.е	%	ц.	ц. к.ед.	%
Концентраты	12,33	12,33	23,8	8,1	8,06	23,59	65,39
Травяная мука	1,52	1,04	2	0,1	0,07	0,21	6,97
Силос	21,50	4,30	8,3	7,4	1,49	4,35	34,58
Корнеплоды	24,61	2,95	5,7	11,8	1,42	4,16	48,15
Картофель	6,04	1,81	3,5	0,2	0,06	0,18	3,44
Зеленый корм	59,71	11,34	21,9	88,8	16,87	49,36	148,72
Сенаж	30,90	8,65	16,7	11,8	3,30	9,64	38,09
Сено	18,42	8,29	16	6,5	2,91	8,51	35,09
Солома	4,14	1,04	2	3,5	0,88	2,57	84,81
Всего		51,80	100	-	34,18	100,0	65,98

Таблица 2.15 - Схема зеленого конвейера:

Угодья и культуры	Расчетная урожайность, ц/га	Расчетная площадь на зеленую массу, га	Выход зеленой массы, ц	В том числе по месяцам, ц
				Май	Июнь	Июль	Август	Сентябрь	Октябрь
Пастбища на зеленый корм	54,7	744,0	6684,80	13400,5	8944,01	8944	464,22	2259,21	6684,80
Многолетние т...

курсовая работа "Моделирование процессов на сельскохозяйственном предприятии" скачать

Подобные документы

• Методика математического моделирования программы развития сельскохозяйственного предприятия

  Классификация экономико-математических моделей. Использование алгоритма последовательных приближений при постановке экономических задач в АПК. Методики моделирования программы развития сельскохозяйственного предприятия. Обоснование программы развития.
  
  курсовая работа [244,3 K], добавлен 05.01.2011
  

• Решение задач экономико-математического моделирования с помощью программы Excel

  Программное определение оптимального сочетания зерновых культур и оптимальных рационов кормления с помощью программы Excel. Экономико-математические модели для расчета оптимального распределения минеральных удобрений, определение перечня переменных.
  
  контрольная работа [3,1 M], добавлен 06.12.2011
  

• Моделирование экономических процессов в сельском хозяйстве

  Теоретические основы моделирования оптимизационной программы развития сельскохозяйственной организации с учетом внешнеэкономических связей. Постановка экономико-математической задачи. Обоснование исходной информации и анализы оптимального решения.
  
  курсовая работа [176,8 K], добавлен 06.05.2015
  

• Методика математического моделирования специализации и сочетания отраслей сельскохозяйственного предприятия

  Составление экономико-математической модели на примере СПК "Батаево" Хотимского района Могилёвской области. Расчет сбалансированной программы развития хозяйства и анализ полученного решения. Обоснование эффективности использования ресурсов предприятия.
  
  курсовая работа [128,7 K], добавлен 11.04.2010
  

• Применение методов экономико-математического моделирования

  Экономико-математическое моделирование как метод научного познания, классификация его процессов. Экономико-математическое моделирование транспортировки нефти нефтяными компаниями на примере ОАО "Лукойл". Моделирование личного процесса принятия решений.
  
  курсовая работа [770,1 K], добавлен 06.12.2014
  

• Экономико-математическое моделирование структуры ООО "Агрохолдинг "Восток"

  Природно-экономическая характеристика агрохолдинга, разработка экономико-математической оптимального сочетания отраслей. Анализ получившегося оптимального плана производственной структуры ООО "Агрохолдинг "Восток". Анализ полученных двойственных оценок.
  
  курсовая работа [129,7 K], добавлен 09.01.2012
  

• Экономико-математическое моделирование

  Определение этапа разработки экономико-математического моделирования и обоснование способа получения результата моделирования. Теория игр и принятие решений в условиях неопределенности. Анализ коммерческой стратегии при неопределенной конъюнктуре.
  
  контрольная работа [940,6 K], добавлен 09.07.2014
  

• Имитационное моделирование экономических процессов

  Понятие экономико-математического моделирования. Совершенствование и развитие экономических систем. Сущность, особенности и компоненты имитационной модели. Исследование динамики экономического показателя на основе анализа одномерного временного ряда.
  
  курсовая работа [451,4 K], добавлен 23.04.2013
  

• Имитационное моделирование экономических процессов

  Изучение и отработка навыков математического моделирования стохастических процессов; исследование реальных моделей и систем с помощью двух типов моделей: аналитических и имитационных. Основные методы анализа: дисперсионный, корреляционный, регрессионный.
  
  курсовая работа [701,2 K], добавлен 19.01.2016
  

• Экономико-математическое моделирование банковской деятельности

  Элементы экономико-математического моделирования. Основные направления оптимизационного моделирования банковской деятельности. Модели банка как совокупности стохастических финансовых процессов. Управление портфелем ценных бумаг в банковском бизнесе.
  
  дипломная работа [1,3 M], добавлен 17.07.2013
  

• Моделирование программы развития растениеводства в СПК "Озеры" Гродненского района

  Производственно-экономическая характеристика СПК "Озеры" Гродненского района, землепользование и специализация. Анализ уровня использования ресурсов в хозяйстве. Построение экономико-математической модели оптимальной специализации и сочетания отраслей.
  
  дипломная работа [249,2 K], добавлен 16.05.2012
  

• Моделирование экономики

  История развития экономико-математических методов. Математическая статистика – раздел прикладной математики, основанный на выборке изучаемых явлений. Анализ этапов экономико-математического моделирования. Вербально-информационное описание моделирования.
  
  курс лекций [906,0 K], добавлен 12.01.2009
  

• ЭММ и М

  Предмет экономико-математического моделирования, цель разработки экономико-математических методов. Для условной экономики, состоящей из трех отраслей, за отчетный период известны межотраслевые потоки и вектор конечного использования продукции.
  
  контрольная работа [71,0 K], добавлен 14.09.2006
  

• Разработка управленческих решений на основе задач математического моделирования

  Количественное обоснование управленческих решений по улучшению состояния экономических процессов методом математических моделей. Анализ оптимального решения задачи линейного программирования на чувствительность. Понятие многопараметрической оптимизации.
  
  курсовая работа [4,2 M], добавлен 20.04.2015
  

• Оптимизация параметров объекта управления "Научно-производственный центр газотурбостроения "Салют" путем количественного экономико-математического моделирования

  Применение методов оптимизации для решения конкретных производственных, экономических и управленческих задач с использованием количественного экономико-математического моделирования. Решение математической модели изучаемого объекта средствами Excel.
  
  курсовая работа [3,8 M], добавлен 29.07.2013
  

• Имитационное моделирование бизнес-процессов организации

  Обоснование, схема и описание бизнес-процесса организации. Идентификация законов распределения случайных величин. Разработка и описание моделирующего алгоритма для реализации программы имитационной модели. Разработка компьютерной программы моделирования.
  
  курсовая работа [265,3 K], добавлен 28.07.2013
  

• Разработка математической модели по формированию производственной программы

  Сущность экономико-математического моделирования. Понятия и типы моделей. Принцип работы симплекс-метода. Разработка математической модели по формированию производственной программы. Оптимизационные расчеты, связанные с выбором производственной программы.
  
  курсовая работа [1,3 M], добавлен 09.07.2015
  

• Математическое моделирование специализации и сочетания отраслей сельскохозяйственного предприятия

  Определение оптимального сочетания посевных площадей зерновых культур, которое позволит эффективно использовать все имеющиеся производственные ресурсы с максимальным количеством продукции и минимальной себестоимостью. Структура товарной продукции.
  
  курсовая работа [43,7 K], добавлен 16.01.2015
  

• Современные методы имитационного моделирования и их применение в анализе экономических процессов

  Метод имитационного моделирования, его виды, основные этапы и особенности: статическое и динамическое представление моделируемой системы. Исследование практики использования методов имитационного моделирования в анализе экономических процессов и задач.
  
  курсовая работа [54,3 K], добавлен 26.10.2014
  

• Методы оптимизации в технико-экономических задачах

  Потенциальная возможность математического моделирования любых экономических объектов и процессов. Методы минимизации, связанные с вычислением градиента. Суть метода градиентного спуска. Анализ симплекс-таблицы. Построение экономико-математической модели.
  
  курсовая работа [998,7 K], добавлен 01.10.2011
  

Другие документы, подобные "Моделирование процессов на сельскохозяйственном предприятии"

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам