РОЗДІЛ 2
МОДЕЛЮВАННЯ БАГАТОМІРНИХ ФІНАНСОВО-ГОСПОДАРСЬКИХ ПОТОКІВ ПІДПРИЄМСТВА
2.1. Динамічне моделювання управління виробничим потоком
Особливе місце в концепції моделювання багатомірних фінансово-господарських
потоків підприємства займає процес моделювання виробничої діяльності
підприємства, яка, в даній роботі, представлена у вигляді двох взаємопов’язаних
потоків – виробничого і трудового.
Основною задачею блоку моделювання управління виробничим потоком є забезпечення
гнучкості виробництва, максимальної відповідності результату виробничої
діяльності підприємства потребам ринку.
Відповідно до проведеного в першому розділі аналізу, виробничий потік
складається з наступних показників: витрати на виробництво, собівартість
продукції (послуг), обсяг випуску продукції (послуг), ціна реалізації, прибуток
від реалізації, попит і ціна на продукцію, що виробляється, або послуги, що
надаються. Як було зазначено в концепції моделювання багатомірних
фінансово-господарських потоків підприємства, блок динамічного управління
виробничим потоком складається з кількох стадій.
Динамічне моделювання управління виробничим потоком схематично представлено на
рис. 2.1. Для того, щоб з’ясувати оптимальний обсяг випуску і оптимальну ціну
реалізації продукції, першою стадією динамічного моделювання виробничого потоку
виступає планування виробництва. На цьому етапі проводиться аналіз ринкових цін
і попиту на продукцію, визначення планового обсягу випуску продукції,
відбувається розрахунок очікуваної собівартості продукції.
Для того, щоб визначити оптимальний обсяг виробництва продукції (послуг) для
підприємства в існуючих ринкових умовах, необхідно провести маркетингові
статистичні дослідження, які дозволять побудувати адекватну прогнозну модель
очікуваного попиту і ціни на продукцію (або послуги).
Рис. 2.1. Динамічне моделювання управління виробничим потоком
Для побудови прогнозних моделей попиту і ціни використовувалися наступні форми
часових трендів, які дозволяють описати можливі тенденції змін показників
попиту і ціни на продукцію (послуги) в часі:
(2.1)
Крім того, результатом статистичного аналізу є знаходження закономірностей між
показниками попиту і ціни на продукцію. Згідно із законом попиту [67], за інших
рівних умов зниження ціни призводить до зростання величини попиту. Аналіз
статистичних даних попиту і цін на продукцію свідчить про нелінійну залежність
цих двох величин. В залежності від типу ринку (рис. 2.2.) (чиста конкуренція,
чиста монополія,
Рис. 2.2. Графіки залежності попиту на продукцію від ринкової ціни в залежності
від типу ринку
монополістична конкуренція, олігополія), на якому функціонує досліджуваний
об’єкт, виділяють 4 види кривої попиту на продукцію окремого підприємства.
На практиці, для визначення форм залежностей між показниками попиту і ціни
використовується парний регресійний аналіз. Регресійна модель не використовує
функціональну залежність, вона базується лише на статистичних
взаємозалежностях. Як база дослідження використовуються накопичений досвід,
який пролонгується на майбутнє. Робиться припущення, що економічна система
розвивається, еволюціонує в достатньо стабільних умовах.
В даній роботі для опису залежності попиту на продукцію від ціни здійснювався
вибір з наступних форм регресійних моделей:
(2.2)
Для підприємства, яке функціонує в умовах олігополії, здійснюється додаткове
дослідження, яке дозволяє виявити ціну p1, за якої коефіцієнт еластичності
попиту дорівнює -1. На основі отриманого значення вибірка даних про попит на
продукцію поділяється на 2 групи: попит при p
отриманих вибірок визначається регресійна модель залежності попиту від ціни для
олігополістичної фірми.
(2.3)
Використовуючи визначені методом найменших квадратів параметри регресійної
моделі, будуються прогнозні значення показників, і для кожного прогнозу
розраховується коефіцієнт детермінації R2, що дозволяє вибрати найбільш якісний
прогноз. Як оцінка ймовірності прогнозних даних використовуються критерій
Стьюдента, який дозволяє визначити значимість коефіцієнтів моделі регресії, і
критерій Фішера, який визначає адекватність моделі. На кожному етапі
здійснюється перевірка ймовірності прогнозу і визначаються довірчі інтервали
можливих відхилень даних. Таким чином, визначається найбільш адекватна
математична модель прогнозу досліджуваного економічного показника:
(2.4)
де R2i – коефіцієнт детермінації і-ї моделі регресії;
n – кількість досліджуваних моделей.
Згідно визначеного R2opt, визначається форма регресії, яка найкраще описує
залежність досліджуваних факторів цін і попиту на продукцію.
Таким чином, аналітичне вираження залежності попиту на продукцію від ціни
набуває вигляду:
Відповідно до отриманої регресійної моделі залежності попиту від ціни,
визначається оптимальний обсяг виробництва, який максимізує доход від
реалізації продукції (послуг):
(2.5)
де Fpi – відносне вираження доходу від реалізації продукції;
pi – ціна продукції, яка забезпечує попит D(pi);
D(pi) – попит на продукцію, який відповідає ціні pi;
n1 – нижня межа цін на продукцію;
n2 – верхня межа цін на продукцію.
Згідно моделі (формула 2.5):
де Vopt – оптимальний обсяг випуску продукції.
Плановий випуск продукції Vпл відповідає оптимальному обсягу випуску Vopt.
Ефект, що буде отриманий від виробничої діяльності досліджуваного об’єкта,
постає у вигляді показника чистого прибутку від реалізації продукції, який
являє собою фінансовий результат діяльності підприємства. Щоб