Деловые коммуникации

Информация, необходимая для использования модели ТЗ, включает следующее:

1. Список пунктов отправления (ПО) и пропускная способность  каждого из них или количество  поставок за определенный период.

2. Список пунктов назначения (ПН) и их показатели спроса  за определенный период.

3. Стоимость транспортировки  единицы товара из каждого  пункта отправления в каждый пункт назначения.

Эта информация представляется в виде так называемой транспортной таблицы.

На основании исходных данных ООО «Недекс-Рус» составим транспортную таблицу.

На четырех базах (пунктах отправления) A1, A2, A3, A4 находится однородный груз в количествах, соответственно равных 140, 180, 160 и 120  единицам. Этот груз требуется перевести в три пункта назначения B1, B2 , B3 соответственно в количествах 110, 150 и 340 единиц. Стоимости перевозки единицы груза из каждого пункта отправления в соответствующие пункты назначения указаны в табл. 3.1.

Таблица 3.1

Исходные данные транспортной задачи

Тарифы, руб./шт.	1-й объект - B1	2-й объект - B2	3-й объект - B3	Запасы
1-й склад – A1	3	2	6	140
2-й склад – A2	2	10	0	180
3-й склад – A3	14	3	7	160
4-й склад – A4	1	5	9	120
Потребности	110	150	340	600

 

Построим математическую модель данной ТЗ. Обозначим через xij количество единиц груза, которое планируется перевести из пункта отправления Ai (i=1, 2, 3, 4) в пункт назначения Bj (j=1, 2, 3) . Тогда целевая функция для ТЗ запишется как

 

 

 

при ограничениях

 

Экранные формы, задание переменных, целевой функции, ограничений и граничных условий двухиндексной задачи (3.1), (3.2) и ее решение представлены на рис. 3.1 - 3.3 и в табл. 3.2.

 

 

Рис. 3.1. Экранная форма транспортной задачи (курсор в целевой ячейке F15)

 

 

 

Таблица 3.2

Формулы экранной формы задачи (3.1)-(3.2)

Объект математической модели	Выражение в Excel
Переменные задачи	C3:E6
Формула в целевой ячейке F15	=СУММПРОИЗВ(C3:E6;C12:E15)
Ограничения по строкам в ячейках F3, F4, F5, F6	=СУММ(C3:E3) =СУММ(C4:E4) =СУММ(C5:E5) =СУММ(C6:E6)
Ограничения по столбцам в ячейках С7, D7, E7	=СУММ(C3:C6) =СУММ(D3:D6) =СУММ(E3:E6)
Суммарные запасы и потребности в ячейках H8, G9	=СУММ(H3:H6) =СУММ(C9:E9)

 

 

 

Рис. 3.2. Ограничения и граничные условия задачи

 

 

 

Рис. 3.3. Экранная форма после получения решения задачи

 

Таким образом, наиболее экономичным планом перевозок продукции со складов на требуемые объекты с учетом заданного количества и тарифов на перевозки является следующий (см. табл. 3.3).

Таблица 3.3

Решение транспортной задачи

Количество продукции, шт.	1-й объект - B1	2-й объект - B2	3-й объект - B3	Запасы
1-й склад – A1	0	83	57	140
2-й склад – A2	0	0	180	180
3-й склад – A3	0	67	93	160
4-й склад – A4	110	0	10	120
Потребности	110	150	340	600

 

 

3.2. Оптимизация внутрицеховых перемещений грузов на основании выбора варианта планировки участков

 

Целью мероприятия является поиск оптимального размещения  участков  в  производственном цехе с точки зрения минимизации транспортных расходов…

 

 

3.4. Оценка эффективности  предложенных мероприятий

 

Спрогнозируем динамику выручки и прибыли с использованием метода построения трендов на перспективный временной период. Так называют экономико-математическую модель экономической системы, в которой ее развитие отражается через тренд основных показателей. Основной целью разработки трендовой модели является прогнозирование развития изучаемого процесса на предстоящий промежуток времени.

Для построения трендовой модели воспользуемся средствами программного продукта MS Excel. На первом этапе по данным табл. 2.1 сформируем соответствующий график (рис. 3.8).

Рис. 3.8. Показатели выручки и чистой прибыли ООО «Недекс-Рус»

в 2011-2013 гг.

 

Добавим на график линию тренда. MS Excel позволяет построить пять типов тренда: линейный, логарифмический, полиномиальный, степенной и экспоненциальный.

Ключевым показателем качества тренда является коэффициент детерминации (величина достоверности аппроксимации, R2). Содержательный смысл коэффициента детерминации состоит в том, что он показывает, какую часть разброса значений (дисперсии) удалось объяснить с помощью данной функции. Чем больше значений, тем меньше вероятность точного функционального описания – появляются отклонения от линии тренда, которые желательно минимизировать. Поэтому подбирается функция, которая позволяет провести линию максимально близко ко всем точкам наблюдений – эта процедура называется регрессионным анализом методом наименьших квадратов. Модели, имеющие коэффициент детерминации менее 0,45, имеют мало прогностической полезности.

На рис. 3.9 представлен линейный тренд, характеризующийся для показателя выручки функцией y = 7140x + 47823 с коэффициентом детерминации 0,991, для показателя чистой прибыли функцией y = 510x – 6303,3 с коэффициентом детерминации 0,991.

Рис. 3.9. Прогнозирование динамики показателей выручки и чистой прибыли

с использованием линейного тренда

 

На рис. 3.10 отображен логарифмический тренд, характеризующийся для показателя выручки функцией y = 12891Ln(x) + 54404 с коэффициентом детерминации 0,997, для показателя прибыли функцией y = 890,61Ln(x) + 6791,4 с коэффициентом детерминации 0,9268.

 

Рис. 3.10. Прогнозирование динамики показателей выручки и чистой прибыли

с использованием логарифмического тренда

Тренд, представленный на рис. 3.11, имеет степенной характер и описывается для показателя выручки функцией y = 54508x0,2108 с коэффициентом детерминации 0,9995, для показателя чистой прибыли функцией y = 6799,4x0,1216 с коэффициентом детерминации 0,9364.

Рис. 3.11. Прогнозирование динамики показателей выручки и чистой прибыли

с использованием степенного тренда

На рис. 3.12 отображен экспоненциальный тренд, характеризующийся для показателя выручки функцией y = 49000e0,1162x с коэффициентом детерминации 0,984, для показателя прибыли функцией y = 6363,8e0,0694x с коэффициентом детерминации 0,989.

Рис. 3.12. Прогнозирование динамики показателей выручки и чистой прибыли

с использованием экспоненциального тренда

 

Тренд, представленный на рис. 3.13, является полиномиальным и характеризуется для показателя выручки функцией y = -1180x2 + 11860x + 43890 с коэффициентом детерминации 1, для показателя чистой прибыли функцией y = 110x2 + 70x + 6670 с коэффициентом детерминации 1.

Как видно из представленных графиков, наибольший коэффициент детерминации достигается при построении полиномиального тренда.

Рассчитаем прогнозные значения показателей, используя полученные математические модели. Аргументом трендовой модели является порядковый номер года, т.е. для 2014 года x=4 (табл. 3.17).

 

Рис. 3.13. Прогнозирование динамики показателей выручки и чистой прибыли

с использованием полиноминального тренда

Таблица 3.17

Расчет прогнозных показателей выручки и чистой прибыли ООО «Недекс-Рус»

Наименование показателя	Математическая модель	Значение показателя
		2011	2012	2013	2014
Выручка, тыс. руб.	y = -1180x2 + 11860x + 43890	54570	62890	68850	72450
Чистая прибыль, тыс. руб.	y = 110x2 + 70x + 6670	6850	7250	7870	8710

Добавим полученные значения на график (рис. 3.14).

Рис. 3.14. Прогнозные показатели выручки и чистой прибыли

Как следует из рис. 3.14, в случае реализации предложенных мероприятий прогнозируется рост показателей в краткосрочной перспективе.

Таким образом, можно ожидать, что затраты, связанные с разработкой системы мер, направленных на совершенствование технического обслуживания производства, экономически оправдают себя, поскольку приведут к увеличению экономических показателей деятельности организации, в частности, за счет увеличения объема производства. Увеличение объема производства приведет к увеличению прибыли.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ЗАКЛЮЧЕНИЕ

     

Необходимым условием эффективной деятельности любого предприятия является не только рациональное построение производственных процессов, но и обеспечение их нормального функционирования, т.е. бесперебойного обеспечения материалами, заготовками, инструментом, оснасткой, энергией, топливом, транспортными средствами, поддержания оборудования в работоспособном состоянии.

В первой главе было рассмотрено понятие технического обслуживания производства, его состав и структура, основные тенденции развития.

Техническое обслуживание производства включает функции по обеспечению технического состояния (готовности) средств производства и движения предметов труда в процессе производства (изготовления продукции).

Затраты на инструмент и другую оснастку в массовом производстве достигают 25-30%, в серийном — 10-15%, в мелкосерийном и единичном — до 5% стоимости оборудования, а их удельный вес в себестоимости выпускаемой продукции составляет соответственно 8-15%, 6-8 и 1,5-4%.

Развитие мощностей действующих инструментальных цехов идет по пути увеличения удельного веса оборудования, площадей и численности работающих. В целом по машиностроению в инструментальных цехах сосредоточено от 6 до 10% парка металлорежущих станков, около 5% производственных площадей и до 8% численности рабочих. На многих машиностроительных заводах структура станочного парка инструментальных цехов и применяемая технология не обеспечивают изготовления качественного и дешевого инструмента.

В процессе эксплуатации технологическое оборудование подвергается физическому и моральному износу и требует постоянного технического обслуживания. Работоспособность оборудования восстанавливается путем его ремонта.

На ремонте оборудования занято около 4 млн. человек и более 25% станочного парка, а общие затраты более чем в три раза превышают объем производства станкостроительной промышленности. Только в машиностроении затраты на ремонт оборудования ежегодно достигают 17-26% его первоначальной стоимости, что соответствует 5-8% себестоимости продукции завода.