<<
>>

4.2. Методы, применяемые на этапе диагностики проблем

Методы, используемые на этапе диагностики проблем, обеспечивают ее достоверное и наиболее полное описание. В их составе выделяют методы сравнения, факторного анализа, моделирования и прогнозирования.
Все эти методы осуществляют сбор, хранение, обработку и анализ информации, фиксацию важнейших событий. Набор методов зависит от характера и содержания проблемы, сроков и средств, которые выделяются на этапе постановки.

Методы сравнений и факторный анализ являются широко известными и достаточно подробно излагаются в дисциплинах «Анализ хозяйственной деятельности», «Общая теория статистики» и др. Они основываются на сопоставлении фактических и нормативных (плановых, целевых) показателей и выявлении отклонений и основных причин этих отклонений.

Моделирование включает следующие модели: экономико- математические, теории массового обслуживания, теории запасов и экономического анализа.

Экономико-математическое моделирование основывается на использовании однофакторных и многофакторных моделей. Применяются однофактор- ные модели следующих видов: линейные модели, парабола и гипербола; многофакторные модели: линейная и логарифмическая. Наиболее часто применяются линейные модели - однофакторные

у = а^-\-а±х (4.2.1)

и многофакторные

где a0, йі, ... , an - параметры уравнений, x, x1 ... , xn - независимые переменные при принятии решений, y - зависимая переменная, описывающая последствия принимаемых решений. Задача состоит в определении параметров уравнения a0, a1, ... , an..

Теория массового обслуживания (теория очередей) применяется для решений, связанных с ситуациями ожидания. Она помогает принять решение, ус-танавливающее определенное равновесие между размерами упущенной выгоды (доходов) и величиной дополнительных затрат в сервисных организациях. Например, такие как банки, магазины, железнодорожные и авиационные кассы, поликлиники, автозаправочные станции, ремонтные фирмы, парикмахерские, телефонные станции и другие.

Клиенты, не желающие стоять в очереди, представляют упущенную выгоду. Время ожидания можно сократить за счет увеличения количества операторов, обслуживающих систему, что ведет к увеличению затрат. В основе расчетов лежит известная формула Пуассона:

лАп,

(4.2.3)

Р =-е

п пі

где Рп - вероятность появления п-го количества клиентов; е - основание натурального логарифма, е = 2,7183...; X - среднее количество клиентов; п - количество клиентов в единицу времени.

Основными характеристиками модели теории очередей являются количество каналов обслуживания, среднее время обслуживание одного клиента, количество клиентов, время ожидания обслуживания и др. На основе выполненных расчетов определяется необходимое количество каналов обслуживания при допустимом, с точки зрения клиента ожидании обслуживания.

Теория запасов была разработана в начале ХХ столетия, а широкое применение началось с 40-х годов. Наибольших успехов, как правило, достигали японские предприятия. Использование теории запасов позволяет установить равновесие между затратами на создание запасов и издержками, связанными с потерями в случае нарушения производственного процесса. Запасы называют «бездействующими ресурсами» (idle resource), они подвержены порче, хищениям, устареванию и прочее, кроме того, они увеличивают расходы на оборотные средства предприятия. Теория запасов позволяет определить экономически выгодный размер запаса (economic order quantity - EOQ) по формуле, разработанной Гаррисоном Ф. В 1915 г.

, (4.2.4)

где Q - экономически выгодный размер запаса; O - затраты на оформление заказа (order cost); D - годовые запасы; H - издержки хранения (holding cost); i - начисления к стоимости хранящихся запасов (определяется как отношение дохода, которого можно было бы получить от вложения капитала на другие цели к величине стоимости запасов); P - стоимость хранящихся запасов (price).

EOQ является таким количеством запаса, который позволяет свести к ми-нимуму общие издержки, связанные с хранением запаса.

Экономический анализ оперирует такими известными понятиями, как постоянные и переменные издержки, выручка от реализации, цена за единицу продукции, минимальный объем реализации или точка безубыточности, порог рентабельности, запас финансовой прочности, сила операционного (производственного) рычага и др.

где Qmin минимальный объем реализации (точка безубыточности);^ - постоянные издержки; P - цена единицы продукции; Vc - переменные издержки на единицу продукции.

Перечисленные понятия используются для моделирования ситуаций типа, что будет с прибылью, если изменятся объем продаж, издержки, цена и др.

Методы прогнозирования используются для предвидения изменений и последствий влияния внешней и внутренней среды на организацию и подразделяются на количественные и качественные.

К качественным методам прогнозирования относятся в основном методы предвидения спроса, такие как мнение потребителей, мнение покупателей, мнение опытных менеджеров, рыночные тесты. С помощью этих методов опре-деляют, как изменится объем и структура продаж в зависимости от цены товара, местонахождения и уровня доходов клиентов и других факторов.

Основными методами прогнозирования являются известные методы количественных ассоциативных оценок (построение статистических прогнозов на основе временных рядов, корреляционного и регрессионного анализов и др.).

К количественным методам прогнозирования относят анализ временных рядов (АВР) и корреляционно-регрессионный анализ (КРА).

АВР позволяет сделать выводы о текущем изменении показателей во времени. В прогнозных расчетах обычно используется следующая модель:

У = f{T, C,S,R), (4.2.6)

где Y - прогнозируемый объект; T - основной тренд (тенденция); C - циклич-ность колебания вокруг тренда; S - сезонные колебания; R - необъясненные колебания (ошибки прогноза).

Прогнозирование на основе анализа временных рядов (АВР) использует методы экспоненциального сглаживания, экспоненциального сглаживания с учетом линейного тренда, экспоненциального сглаживания с учетом сезонной аддитивной компоненты.

Экспоненциальное сглаживание данных временного ряда основано на следующей зависимости:

где Pi+1 - прогноз;

Мі - экспоненциально сглаженное среднее в период і;

Xj - исходный временной ряд; а- параметр сглаживания (0<ог<1).

(4.2.8)

i+l

К + ъ,

Экспоненциальное сглаживание с учетом линейного тренда использует следующие соотношения:

Ті - экспоненциально сглаженное значение тренда; AMj - оценка величины тренда в i-м периоде.

Экспоненциальное сглаживание с учетом сезонной аддитивной компоненты основано на расчете по следующим формулам:

(4.2.9)

где

d - сезонный лаг;

e - ошибка прогноза в текущий момент времени, которая определяется как разность между фактом и прогнозом данных в период i; B - величина сезонной компоненты.

Метод корреляционно-регрессионного анализа (КРА) построен на исполь-зовании моделей причинного прогнозирования, которые содержат ряд переменных, имеющих отношение к предсказываемой переменной.

В основе корреляционного анализа лежит расчет коэффициентов корреляции - +1 > г > -1. Эти коэффициенты показывают степень, или силу линей-ной взаимосвязи.

(4.2.10)

После определения связи между этими переменными строится статистическая модель, которая и используется для прогноза. Наиболее часто исполь-зуемой количественной моделью является модель линейного регрессионного анализа.

у = aQ-\- a±xf (4.2.11)

где y - значение независимой переменной;

aj - коэффициент, определяющий угол наклона прямой; a0 - отрезок, отсекаемый прямой на оси у; x - независимая переменная.

Основным методом расчета зависимой переменной y является метод наименьших квадратов (МНК).

Так, если анализ эмпирических данных показывает, что основная тенденция выражается прямолинейно, то можно воспользоваться уравнением прямой линии;

(4.2.12)

где - y является прогнозируемой величиной объема в зависимости от времени x. Задача состоит в определении коэффициентов a0 + aj.

Для определения коэффициентов a0 + aj составляют систему нормальных уравнений:

(4.2.13)

Решив эту систему уравнений, получим значения коэффициентов:

(4.2.14)

Для определения точности регрессионных оценок рассчитывают стан-дартную ошибку прогноза Sy,x. Ее называют стандартным отклонением уравнения регрессии:

(4.2.15)

где Yi - значение функции в i-й точке;

Yc - расчетное значение зависимой переменной уравнения регрессии; n - число точек данных.

Множественный регрессионный анализ использует расширенное представление линейной зависимости как функцию нескольких переменных:

у = а0 + а1х1 +a2x2f (4.2.16)

Для вычисления множественной регрессии чаще всего применяются компьютерные программы, реализующие формулы, которые подробно описаны в учебниках по статистике. Которые подробно изучаются в таких дисциплинах как «Теория вероятности и математическая статистика», «Общая теория статистики» и др.

<< | >>
Источник: Л.А. Трофимова, В.В. Трофимов. Управленческие решения (методы принятия и реализации) : учебное пособие Л.А. Трофимова, В.В. Трофимов . - СПб. : Изд-во СПбГУЭФ,2011. - 190 с.. 2011

Еще по теме 4.2. Методы, применяемые на этапе диагностики проблем:

  1. 2.1. Организация банковского контроля в процессе диагностики кредитного риска клиента и кредитного портфеля банка.
  2. 1.4.3.3. Методы выполнения функций управления
  3. 1.4.3.4. Методы принятия управленческих решений
  4. 7.2. Методы планирования бюджетных расходов
  5. Внедрение.
  6. Выполнение проекта консультантом.
  7. 4 Примеры диагностики проблем управленческих решений с исполь-зованием инструментов табличного процессора MS Excel
  8. 4.1 Диагностика проблем с использованием статистических функций
  9. 4.2 Диагностика проблем с использованием инструментов регрессионного анализа
  10. 2.1. Общая характеристика метода операционного аудита
  11. 4.1. Основные этапы операционного аудита и особенности их проведения