Экономико-математическое моделирование как эффективный инструмент анализа экономических процессов в промышленности

В условиях нестабильности рыночной конъюнктуры важной проблемой для промышленных предприятий является вопрос создания эффективного механизма распределения ресурсов. В статье приводится пример использования индивидуально-адаптированной экономико-математической модели прогнозирования будущих затрат на материалы и покупные изделия, учитывающей как внутренние, так и внешние экономические факторы, влияющие на результирующие плановые показатели. С целью создания эффективной прогнозной модели рассмотрены статистические данные одного из высокотехнологичных предприятий радиоэлектронной промышленности за период с 2009 по 2016 гг., в результате чего выявлено наличие статистических закономерностей, касающихся характера распределения анализируемых данных. На основе рассчитанных параметров распределения осуществлена процедура прогнозирования методом экспоненциального сглаживания и получена общая прогнозная величина затрат на материалы и покупные изделия. Использование элементов теории вероятностей и математической статистики, а также методов прогнозирования временных рядов в качестве базовых методов модели позволило учесть вероятностные экономические факторы, такие, например, как изменение курса иностранной валюты, а также наличие брака в процессе производства. Применение специального математического аппарата обеспечило возможность создания гибкой индивидуально-адаптированной модели прогнозирования затрат на материалы и покупные изделия. В результате, применения разработанной модели для прогнозирования затрат на материалы и покупные изделия на одном из промышленных предприятий было выявлено, что погрешность анализируемой модели ниже погрешности метода, используемого на предприятии в настоящее время. Таким образом, установлено, что экономико-математическая модель позволяет повысить эффективность плановой системы предприятия и обеспечить рациональное распределение ресурсов путем повышения точности процесса прогнозирования.

1. Симачев Ю.В., Кузык Н.Н., Зудин М.Г. Импортозависимость и импортозамещение в российской обрабатывающей промышленности: взгляд бизнеса // ФОРСАЙТ. 2016. Т. 10. № 4. С. 25–45.

2. Пименов В.В., Быстров А.В., Калиматова Л.Б. Инструменты развития промышленной политики России на современном этапе трансформации экономики // Вестник Российского экономического университета имени Г.В. Плеханова. 2017. № 1. С. 105–116.

3. Быстров А.В., Свирчевский В.Д., Худяков С.В., Есина А.Р. Тренды экономики промышленности России. Промышленное производство в 2018 году. Общие тенденции // Статья в открытом архиве. 2019. № 3. DOI: 10.21686/prom/3.2019

4. Кулясова А.С. Russian state policy in the sphere of radio-electronic production // РИСК: Ресурсы, Информация, Снабжение, Конкуренция. 2016. № 1. С. 163–165.

5. Porter М. Competitive Strategy. Techniques for Analyzing Industries and Competitors. N.Y.; London; Toronto; Sydney; Singapore: Free Press, 1980. 397 р.

6. Быстров А.В., Пименов В.В., Калиматова Л.Б. Инструментарий обеспечения устойчивого развития высокотехнологичных предприятий в условиях современных вызовов и угроз // Научные исследования и разработки. Экономика фирмы. 2015. Т. 4. № 4. С. 4–13. DOI: 10.12737/18382

7. Быстров А.В., Кулясова А.С., Свирчевский В.В., Волков В.И., Пименов В.В., Юсим В.Н., Игнатова Л.Н., Есина А.Р., Елина О.А., Болкина Г.И., Голубев В.В., Мамонтов Г.Д. Развитие системы внутрифирменного планирования на предприятиях радиоэлектронной промышленности. М.: РУСАЙНС, 2019. 120 с.

8. Сугарова И.В. Содержание бюджетного планирования расходов // TERRA ECONOMICUS. 2013. № 3-3. С. 74–78.

9. Steiner G.A. Top Management Planning. N.Y.: Macmillan, 1969. 800 p.

10. Bystrov A.V., Yusim V.N., Curtis T. Macroconstants ofdevelopment’: anewbenchmarkforthestrategicdevelopment of advanced countries and firms // International Journal of Business and Globalisation. 2017. V. 18. N. 2. P. 167–181. DOI: 10.1504/IJBG.2017.081957

11. Ливандовская А.Д. Экономика и математика: их взаимодействие // Вестник Тихоокеанского Государственного экономического университета. 2008. № 4(48). С. 90–98.

12. Samuelson P.A., Koopmans T.C., Stone J.R.N. Report of the evaluative Committee for Econometrica // Econometrica. 1954. N 2. P. 141–146.

13. Кулясова А.С. Использование элементов прикладного статистического анализа с целью осуществления процесса прогнозирования в экономических исследованиях // Экономика и предпринимательство. 2016. № 12-3. С. 920–922.

14. Быстров А.В., Свирчевский В.Д., Юсим В.Н. Кластерная политика динамической оптимизации высокотехнологичных отраслей промышленности в условиях вынужденной автаркии // В сб.: Современная экономика: концепции и модели инновационного развития материалы VII Международной научно-практической конференции. М.: РЭУ им. Г.В. Плеханова, 2015. С. 371–378.

15. Kyliasova A.S. Automation processes in the sphere of creation of hightech radio communication systems in the radio-electronic production industry // Экономика и предпринимательство. 2017. № 2-1. C. 1174–1176.

16. Куликов Е.И. Прикладной статистический анализ: учеб. пособие для вузов. М.: Горячая линия – Телеком, 2008. 464 с.

17. Hyndman R.J., Koehler A.B., Ord J.K., Snyder R.D. Forecasting with Exponential Smoothing. The State Space Approach. Berlin; Heidelberg: Springer-Verlag, 2008. 360 p.

18. Kirchgässner G., Wolters J., Hassler U. Introduction to Modern Time Series Analysis. Springer, 2013. 325 p.

19. Ou S.O. A misconception about exponential smoothing // The Journal of Business Forecasting Methods & Systems. 1997. V. 15. N 4. Р.15–16.

20. Gardner E.S. Exponential smoothing: The state of the art // Journal of Forecasting. 1985. V. 4. Iss. 1. P. 1–28.

21. Makridakis S., Andersen A., Carbone R., Fildes R., Hibon M., Lewandowski R., Newton J., Parzen E., Winkler R. The accuracy of extrapolation (time series) methods: Results of a forecasting competition // Journal of Forecasting. 1982. V. 1. Iss. 2. P. 111–153. DOI: 10.1002/for.3980010202

22. Billah B., Hyndman R.J., Koehler A.B. Empirical information criteria for time series forecasting model selection // Journal of Statistical Computation and Simulation. 2005. V. 75. N 10. Р. 831–840.

23. Cotton D. Keys to management. Harlow: Longman, 2008. 224 p.

24. Bystrov A.V., Yusim V.N., Curtis T. Macroconstants of development: a new benchmark for the strategic development of advanced countries and firms // International Journal of Business and Globalisation. 2017. V. 18. N 2. P. 167–181.

25. Levin R.I., Rubin D.S. Statistics for management. Englewood Cliffs: Prentice Hall, Inc., 1994. 361 p.