Совершенствование методов планирования объемов производства и реализации продукции на лесопромышленных предприятиях

• группа А – наиболее перспективные изделия, пользующиеся наиболее высоким спросом, обеспечивающие наибольший приток денежных средств. К данной группе относятся ДСП и ДСП ламинированные, которые занимают 88% в общем объеме отгрузок.
• группа В – изделия, обеспечивающие 11% в общем объеме сбыта. К данной группе относятся смолы, детали мебельные и щит.
• группа С – изделия, которые занимают в общей структуре сбыта 1%. К данной группе относятся ассортиментные группы пиломатериалы и тара деревянная.

Исходя из вышеизложенного  материала, можно сделать вывод  о том, что по мере усиления конкурентной борьбы между производителями, возрастает роль аналитической работы в системе  продаж. Так как количество поступающей  информации постоянно увеличивается, становится неизбежной компьютеризация  управления и централизация информационных потоков.

Это в свою очередь приводит к необходимости формирования на ОАО ”Ивацевичдрев“ единого аналитического центра, способного в полном объеме обрабатывать оперативную коммерческую информацию о современных тенденциях на завоеванных рынках, о действиях конкурентов, о преимуществах и недостатках производимой продукции, а также о мнениях и предпочтениях потребителей, обсчитывающего все возможные варианты сделок по региональным продажам, формирующего ассортиментный производственный план объединения.

Для укрепления своих позиций  на завоеванных рынках предприятию  необходимо:

- улучшение позиций на освоенных  сегментах рынка: создание системы  анализа спроса и предложения  на уже освоенных сегментах  рынка; внедрение мероприятий  по сокращению затрат на производство; внедрение мероприятий по улучшению  качества продукции и обновлению  ассортимента; создание системы  управления производством на  основе и по критериям поведения  потребителей и конкурентов;

-проникновение и закрепление  на новых сегментах рынка: создание  системы анализа тенденций изменения  характера потребления, потребительских  вкусов, возможностей управления  ими, вероятности появления новой  продукции и проектирования и  формирования спроса на неё;  внедрение мероприятий по техническому  развитию предприятия; укрепление  производственных связей с предприятиями  и организациями, являющимися  постоянными поставщиками и налаживание  связей с новыми поставщиками;

- максимально быстрое реагирование  на изменения и совершенствование  технологических процессов и  способов хозяйствования;

- максимальное привлечение целевых  безвозмездных и низкопроцентных  финансовых и материальных ресурсов;

- компьютеризация управления;

- создание благоприятной  системы взаимоотношений как  внутри ОАО ”Ивацевичдрев“,  так и вне его, с клиентами, поставщиками, Правительством, инвесторами и экспертами.

 

3.2. Формирование ассортимента продукции на основе линейного программирования

 

Для подтверждения правильности сформулированных направлений формирования ассортимента продукции на основе маркетинговых  методик проведем регрессионный  анализ объемов реализации продукции. Экономические явления и процессы хозяйственной деятельности предприятия зависят от большого количества факторов. Как правило, каждый фактор в отдельности не определяет изучаемое явления по всей полноте. Только комплекс факторов в их взаимосвязи может дать более или менее полное представление о характере изучаемого явления.

Общее назначение множественной  регрессии и зависимой переменной.

Последовательность проведения регрессионного анализа:

· Формулировка задачи.

· Идентификация переменных (определение входных и выходных переменных).

· Сбор статистических данных.

· Спецификация функции регрессии (определение вида модели).

· Оценивание параметров функции регрессии.

· Оценка точности регрессионного анализа:

1) Проверка адекватности всей модели, т.е. согласуются ли предсказанные значения выходной величины с наблюдаемыми данными;

2) Проверка значимости параметров модели, т.е. значимо ли они отличаются от нуля или нет.

Интерполяция результатов, анализ, оптимизация и прогнозирование.

Факторами, влияющими на объем отгрузки являются:

-пиломатериалы

-поддоны

-смолы

-ДСП

-ДСП ламинированные

-детали мебельные

-щит

Для анализа зависимости  объема отгрузки (У) от перечисленных факторов (Х_i, i=1,m) используем модель множественной линейной регрессии. Рассмотрим самую употребляемую и наиболее простую из моделей множественной регрессии – модель множественной линейной регрессии.

 Теоретическое линейное  уравнение регрессии имеет вид: 

 

                             (3.1)

 

где – вектор теоретических коэффициентов регрессии.

      Х₁ – пиломатериалы

      Х₂ - поддоны

      Х₃ - смолы

      Х₄ – ДСП

      Х₅–ДСП ламин.

      Х₆ – детали мебельные

      Х₇ – щит мебельный

       ε – случайная ошибка (отклонение).

Самым распространенным методом  оценки параметров  уравнения множественной  линейной регрессии является метод  наименьших квадратов (МНК). Его суть состоит в минимизации суммы  квадратов отклонений наблюдаемых  значений зависимой переменной Y от ее значений Y^, получаемых по уравнению  регрессии [18].

 

Таблица 3.5 - Значения переменных  для нахождения параметров уравнения по методу наименьших квадратов

Периоды	y	x1	x2	x3	x4	x5	x6	x7
2009 год январь	6855849	47142	30139	581030	567170	4852587	33951	347768
февраль	5408966	37193	23779	458407	447473	3828480	26786	274374
март	4909033	33756	21581	416038	406114	3474626	24310	249014
апрель	3857563	26525	16958	326926	319128	2730393	19103	195678
май	4175434	28711	18356	353866	345425	2955383	20677	211802
июнь	4949054	34031	21757	419430	409425	3502953	24509	251044
июль	5982823	41139	26301	507041	494947	4234657	29628	303483
август	5821834	40032	25594	493397	481628	4120709	28831	295317
сентябрь	6309687	43387	27738	534743	521988	4466012	31247	320063
октябрь	6809019	46820	29934	577061	563296	4819441	33719	345392
ноябрь	6301064	43327	27700	534012	521274	4459909	31204	319626
декабрь	5972078	41065	26254	506130	494058	4227052	29575	302938
2010 год январь	6188440	60415	27014	509977	587431	5545950	264866	356632
февраль	6937514	47665	21313	402349	463457	4375513	208968	281367
март	7202764	43259	19343	365161	420621	3971099	189654	255361
апрель	6246287	33994	15200	286947	330528	3120526	149031	200665
май	6077109	36795	16452	310592	357764	3377663	161312	217201
июнь	6889973	43612	19501	368138	424050	4003473	191200	257443
июль	6575472	52722	23574	445036	512627	4839727	231138	311219
август	7086066	51303	22940	433061	498833	4709497	224918	302844
сентябрь	7912114	55602	24862	469350	540634	5104140	243766	328222
октябрь	7885271	60003	26829	506493	583418	5508068	263057	354196
ноябрь	8241447	55526	24828	468709	539895	5097164	243433	327773
декабрь	8576280	52627	23532	444237	511706	4831035	230723	310660
2011 год январь	12060138	188096	153831	631532	681389	12378554	441755	641031
февраль	13519947	148399	121366	498251	537586	9766140	348526	505746
март	14036771	134683	110148	452199	487899	8863487	316313	459001
апрель	12172972	105835	86556	355342	383395	6965009	248561	360687
май	11843275	114556	93688	384623	414988	7538940	269043	390409
июнь	13427398	135781	111046	455886	491877	8935747	318891	462743
июль	12814493	164144	134242	551112	594621	10802265	385502	559402
август	13809547	159727	130630	536283	578620	10511592	375129	544350
сентябрь	15419164	173111	141576	581222	627107	11392433	406563	589964
октябрь	15366852	186811	152780	627218	676735	12294000	438738	636653
ноябрь	16060974	172875	141383	580427	626250	11376864	406008	589158
декабрь	16713502	163849	134001	550122	593553	10782865	384810	558398

Примечание – Источник: собственная разработка

 

Истинные значения параметров βj по выборке получить невозможно, поэтому для определения значений вектора теоретических коэффициентов  регрессии используют эмпирическое уравнение, которое имеет вид:

 

                                     (3.2)

 

где b₀, b₁, ..., b_m − оценки теоретических значений  β₁, β₂, ..., β_m коэффициентов регрессии (эмпирические коэффициенты регрессии)

       m – количество независимых переменных.

 

Оцененное уравнение в  первую очередь должно  описывать  общий  тренд (направление) изменения  зависимой переменной Y. При этом необходимо иметь возможность рассчитать отклонения от этого тренда.

Для нахождения b_j, j=0,m по методу наименьших квадратов минимизируется следующая функция:

 

          (3.3)

 

где b₀, b₁, ..., b_m − оценки теоретических значений  β₁, β₂, ..., β_m коэффициентов регрессии (эмпирические коэффициенты регрессии)

      - значения параметра у, соответсвующего периоду n

- оценка условного  математического ожидания от 

  - объем выборки

  - количество независимых переменных

 

Необходимым условием существования  минимума данной функции является равенство  нулю всех ее частных производных  по неизвестным параметрам:          

  

                        

                                                      (3.4)

 

Такая система имеет обычно единственное решение. В исключительных случаях, когда столбцы системы  линейных уравнений линейно зависимы, она имеет бесконечно много решений  или не имеет решения вовсе. Однако данные реальных статистических наблюдений к таким  исключительным  случаям практически  никогда  не  приводят. 

Коэффициенты уравнения  показывают количественное воздействие  каждого фактора на результативный показатель при неизменности других. Свободный член b₀ уравнения регрессии определяет прогнозируемое значение Y при величине располагаемого Х, равной нулю (т. е. автономное потребление).

Таблица 3.6 – Значения оценок теоретических значений  β₁, β₂, ..., β_m коэффициентов регрессии

b0	b1	b2	b3	b4	b5	b6	b7
70103,78	-49,21	54,41	-20,91	21,28	2,361	– 5,87	– 29,93

Примечание – Источник: собственная разработка

 

Таким образом, уравнение  множественной линейной регрессии  имеет вид:

 

Y = 70103,77559 – 49,20876 х₁ + 54,405732 х₂ – 20,912663 х₃ + 21,275480 х₄ + 2,361444 х₅ – 5,873134 х₆ – 29,927202 х₇

 

Эмпирическое уравнение  регрессии определяется на основе конечного  числа статистических данных. Поэтому  коэффициенты эмпирического уравнения регрессии являются случайными величинами, изменяющимися от выборки к выборке.

Рисунок 3.5– Вывод параметров анализа качества уравнения регрессии

Примечание – Источник: собственная разработка

 

Суммарной мерой общего качества  уравнения регрессии (соответствия уравнения регрессии статистическим данным) является коэффициент детерминации R². Коэффициент детерминации рассчитывается по формуле:

 

 ,                                                                     (3.5)

 

где - оценка теоретических случайных отклонений ε

      - значения параметра у в -периоде

- среднее значение  у для всей выборки.

 

Таким образом, коэффициент  детерминации R² является мерой, позволяющей определить, в какой степени найденная прямая регрессии дает лучший результат для объяснения поведения зависимой переменной Y. Следовательно, чем теснее линейная связь между Х и Y, тем ближе коэффициент детерминации R² к единице. Чем слабее такая связь, тем R²  ближе к нулю. 

В данном случае коэффициент  детерминации принимает значение R²= 0,972904. Высокое значение коэффициента детерминации свидетельствует о высоком общем качестве построенного уравнения регрессии.

После оценки индивидуальной статистической значимости каждого  из коэффициентов регрессии обычно анализируется совокупная значимость коэффициентов. Такой анализ осуществляется на основе проверки гипотезы об общей  значимости – гипотезы об одновременном  равенстве нулю всех коэффициентов  регрессии при объясняющих переменных:

 

                                                 (3.6)

 

Если данная гипотеза не отклоняется, то делается вывод о  том, что совокупное влияние всех объясняющих переменных модели на зависимую  переменную можно считать статистически  несущественным, а общее качество уравнения регрессии – невысоким. Проверка данной гипотезы осуществляется на основе дисперсионного анализа –  сравнения объясняющей и остаточной дисперсий.