Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Производственный менеджмент. Учебное пособие-3
.pdf
на большее количество единиц выпущенной продукции. Ввод в
,
С
,
TFC TFC
действие производственных мощностей, значительно превышающих текущий спрос, приводит к отрицательному эффекту
масштаба и повышению себестоимости. Если предприятие не
уверено в тенденциях роста спроса в будущем, имеет место риск
убыточности инвестиций от проекта развития производства.
Себестоимость единицы продукции в определенном периоде определяется по формуле
TFC
C V
= +
Q
где С – себестоимость единицы продукции;
TFC – общая величина постоянных издержек за период;
Q – количество выпускаемой продукции за период;
переменные издержки на единицу продукции.
VC –
Для определения эффекта масштаба следует из себестоимости до увеличения объема выпуска вычесть себестоимость после
роста объемов выпуска. При этом величина VC сокращается,
и формула приобретает вид:
C C C
∆ = − = −
1 0
Q Q
1 0
где С1, Q1 – себестоимость единицы продукции и объем выпус-
ка после наращивания объемов выпуска соответственно;
С
, Q0 – себестоимость единицы продукции и объем выпус-
0
ка до наращивания объемов соответственно.
Формула действительна для наращивания объемов производства продукции без роста постоянных затрат (т.е. в рамках
существующей производственной системы, без замены оборудования, расширения штата сотрудников и т.д.).
Пример. В 2013 г. предприятие выпустило 100 млн усл. шт.
кирпича, годовые постоянные затраты составили 120 млн руб.
В 2014 г. планируется увеличить объем выпуска на 40 %. Посто-
11
янные и переменные удельные затраты предполагаются неиз-
0,342.
100 140
менными. Эффект масштаба (в рублях) будет равен
120 120
C∆ = − =
Таким образом, за счет роста объемов выпуска себестоимость 1 шт. условного кирпича снизится на 34 коп.
Эффект обучения (эффект кривой опыта) – это снижение
себестоимости единицы продукции при росте кумулятивного
объема выпуска продукции (суммарного с момента начала производства) за счет накопления производственного опыта.
В отличие от эффекта масштаба, эффект обучения зависит
не столько от объемов выпуска за конкретный период, сколько
за объем выпуска за весь период существования конкретного
производства.
Причины появления эффекта обучения многочисленны:
–
обретение рабочими навыков при многократном повто-
рении однородных операций;
–
улучшение организационной структуры и организации
процессов;
–
внедрение информационно-управляющих систем;
–
создание эффективной системы планирования и контроля;
–
улучшение методов организации труда и координации
производственных процессов;
–
внедрение эффективной системы обслуживания и ре-
монта оборудования;
–
повышение эффективности складского хозяйства;
–
совершенствование продукции;
–
повышение производительности труда персонала путем
систематического его обучения на рабочих местах и за счет повторения работ;
–
экономное расходование материалов;
–
сокращение объема отходов.
Установлено, что благодаря эффекту обучения себестои-
мость единицы продукции снижается на определенный процент
12
от предыдущего достигнутого уровня при увеличении кумулятивного объема выпуска в 2 раза.
Процент снижения себестоимости (величина эффекта обучения) устанавливается эмпирически, т.е. опытным путем; известны исследования, определяющие величину эффекта по отраслям.
Рассмотрим определение эффекта обучения на примере.
Производство полупроводниковых чипов начато в 2012 г.
Годовые объемы производства представлены в табл. 1.
Таблица 1
Объем производства продукции по годам
Год 2012 2013 2014 (прогноз)
Объем выпуска 1000 1000 2000
Известно, что в отрасли действует 30 %-ная кривая обучения. Себестоимость единицы в 2012 г. составила 100 руб. Определить снижение себестоимости вследствие эффекта обучения
в 2013 г. и прогнозную себестоимость в 2014 г. (инфляцией пренебречь).
Для определения величины эффекта необходимо рассчитать
кумулятивный объем выпуска, т.е. совокупный объем выпуска
с момента начала производства на конец каждого года (табл. 2).
Таблица 2
Кумулятивный объем выпуска
Год 2012 2013 2014 (прогноз)
Кумулятивный
объем выпуска
1000
1000 + 1000 =
= 2000
2000 + 1000 + 1000 =
= 4000
Мы видим, что в 2013 г. кумулятивный объем выпуска удвоился по сравнению с 2012 г., тогда себестоимость вследствие
эффекта обучения должна была снизиться в 2013 г. на 30 % от
13
уровня 2012 г., т.е. на 30 руб., а сама себестоимость будет равна
1 ,
70 руб. на конец 2013 г.
В 2014 г. кумулятивный объем удвоился по сравнению с
2013 г., тогда от уровня 2013 г. себестоимость также должна
снизиться на 30 % и составить 70 – 70·0,3 = 49 руб.
Естественно, невозможно предполагать, что в каждом году
кумулятивные объемы выпуска должны увеличиваться в количество раз, кратное двум. В этом случае возможно воспользоваться формулой с использованием логарифма по основанию 2:
Q
1
log
2
Q
= ⋅ −
C C
1 0
r
100
0
где С0 – себестоимость единицы продукции, достигнутая в ба-
зовом периоде;
С
– себестоимость единицы продукции в расчетном пе-
1
риоде;
Q0 – кумулятивный объем выпуска на конец базового пе-
риода;
Q1 – кумулятивный объем выпуска на конец расчетного
периода;
величина эффекта обучения (определяемая эмпириче-
r –
ски), %.
В данной формуле логарифм по основанию 2 от соотношения кумулятивных объемов выпуска будет показывать количество удвоений кумулятивного объема. При каждом удвоении
себестоимость снижается на величину r/100.
Используя эту формулу, можно решать как прямую задачу
расчета прогнозной себестоимости вследствие эффекта обучения,
так и обратную, определяя значение R исходя из себестоимости
и кумулятивных объемов за два предшествующих периода.
Пример. Вследствие только эффекта обучения (эффект
масштаба уже исключен) достигнуто снижение себестоимости
единицы продукции в 2013 г. с 14,3 до 12,7 руб. за единицу
табл. 3). Определите прогнозное снижение себестоимости
(
вследствие эффекта обучения в 2014 г.
14
Таблица 3
14,3 1 12,7.
14,3 1 11,82.
Исходные данные для расчета эффекта обучения
Год 2012 2013
2014
(прогноз)
Объем выпуска, шт. 1486 2253 2784
Себестоимость единицы продукции,
руб.
14,3 12,7 ?
Для определения себестоимости в 2014 г. требуется знать
величину эффекта r. Ее можно выразить, используя данные за
и 2013 гг. Выразим себестоимость 2013 г.:
2012
2253 1486
+
log
2
1486
r
= ⋅ − =
C
2013
100
Из данного выражения находим r = 8,52 %.
Теперь определим себестоимость в 2014 г.:
2253 1486 2784
+ +
log
2
1486
8,52
= ⋅ − =
C
2014
100
Снижение себестоимости за счет эффекта обучения составит 12,7 – 11,82 = 0,88 руб.
Эффект обучения важен при принятии решений о расширении производства, поскольку в отраслях с высоким уровнем эффекта обучения выигрывает производитель, обеспечивший как
можно раньше большие объемы производства и продаж. При
этом в начальном периоде производство может быть убыточным, но если эффект обучения получен раньше конкурентов, за
весь жизненный цикл предприятие может получить большую
прибыль, чем конкуренты.
15
Поскольку принятие стратегических решений по наращиванию мощности производится в условиях неопределенности или
риска, для их анализа часто используются методы теории игр,
такие как метод дерева решений или платежной матрицы.
Дерево решений – модель в виде схемы, на которой изображается последовательность этапов принятия решений и
возможного развития событий. Дерево состоит из узлов решений и узлов случайных событий. Обычно на схеме узлы решений обозначаются квадратами, а узлы случайных событий –
окружностями.
Ответвления от узлов решений показывают, какие альтернативы имеются в распоряжении лица, принимающего решения.
В точке принятия решения осуществляется выбор наилучшей
альтернативы.
Ответвления, идущие от узлов случайных событий, показывают, какие события могут произойти, причем указывается вероятность их появления. В точке развития событий нельзя выбрать
наилучшее решение, поскольку случайным образом может реализоваться тот или иной сценарий независимо от желаний лица,
принимающего решения. Можно лишь учесть при принятии решений возможные варианты развития событий и их вероятности.
Вначале производится построение дерева решения. Затем
на его крайних ответвлениях указываются значения критерия
для принятия решения (например, ЧДД, прибыль, затраты).
Поиск решений с использованием дерева осуществляется от
конца дерева, соответствующего последствиям последнего этапа
решения задачи, к его началу. По ходу такого обратного движения определяются:
– математическое ожидание критерия (критерий Лапла-
са) – при переходе через узел случайного события;
– выбранное решение – при переходе через узел принятия
решения (исходя из максимизации или минимизации
критерия).
16
Процесс продолжается до тех пор, пока не будет достигнут
первый узел решения, в котором и будет определено искомое
решение задачи.
Приведем пример дерева решений.
Принимается решение о выборе оборудования для нового
цеха. Рассматриваются два варианта оборудования: 1-й вариант – оборудование малой мощности, 2-й вариант – оборудование большой мощности. Прогноз спроса на новую продукцию
неясен, но можно выделить два варианта: при благоприятной
ситуации конкуренция не возникнет и спрос будет высоким, при
неблагоприятной ситуации (появлении конкурента) спрос будет
ниже. Вероятности этих вариантов оцениваются как равные.
В табл. 4 представлены значения чистого дисконтированного дохода проекта по каждому варианту выбора оборудования и
по каждому варианту развития событий (спроса).
Таблица 4
Исходные данные для построения «дерева решений» (тыс. руб.)
ЧДД при благоприятных условиях
(высокий спрос)
ЧДД при неблагоприятных условиях
(низкий спрос)
1-й вариант –
оборудование
малой мощности
200 600
0 –400
2-й вариант –
оборудование
большой мощности
Построение дерева решений всегда начинается с точки принятия решения и продолжается узлами развития событий. Если
процесс принятия решения сложный, дерево может содержать
несколько узлов принятия решений. Как правило, дерево завершается узлами развития событий. Дерево строится слева направо (рис. 1).
17
,
i i
A p
= ⋅
∑
Оборудование
большой мощности
µ
= 600·0,5 + (–400)·0,5 = 100
1
Высокий спрос
ЧДД = 600, p = 0,5
Низкий спрос
ЧДД = –400, p = 0,5
Оборудование
малой мощности
µ
= 200·0,5 + 0·0,5 = 100
2
Высокий спрос
ЧДД = 200, p = 0,5
Низкий спрос
ЧДД = 0, p = 0,5
Отказ от закупки
(ЧДД = 0)
Рис. 1. Дерево решений
На конечных ветвях дерева решений записывается величина
критерия при соответствующих вариантах решения и развития событий. После записывается вероятность наступления каждого события. Если вероятности неизвестны, они принимаются равными
для всех вариантов. Далее рассчитывается дерево справа налево.
При переходе через узел событий рассчитывается математическое
ожидание выбранного критерия данного решения µ по формуле
µ
где Ai – значение критерия принятия решения (в нашем слу-
чае – ЧДД);
pi – вероятность сценария развития событий.
В нашем случае математические ожидания ЧДД при покупке оборудования большой и малой мощности одинаковы и составляют 100 тыс. руб. Варианты равнозначны.
Математическое ожидание критерия (так называемый равновероятный критерий, или критерий Лапласа) является не
единственным вариантом для принятия решения, помимо него
наиболее часто рассматривают еще два варианта:
18
–
максимакс критерий (критерий наибольшего оптимизма)
выбирает предприниматель, в наибольшей степени склонный к
рискам. Из всех вариантов выбирается такой, который при наилучшем развитии событий обеспечивает наилучший исход (максимальный ЧДД). В нашем примере, используя этот критерий,
следует выбрать вариант 1 с ЧДД 600 тыс. руб.;
–
максиминный критерий Вальда (критерий наибольшего
пессимизма) выбирает предприниматель склонный к осторожному поведению. При этом выбирается такая альтернатива, которая
при наихудшем развитии событий обеспечивает наилучший исход. В нашем примере по данному критерию следует выбрать вариант 2, который в наихудшем случае обеспечивает ЧДД = 0,
в отличие от убытка в 400 тыс. руб. по первому варианту.
1.3.
Выбор местоположения производства
При выборе местоположения производственных и сервис-
ных объектов учитываются:
1) близость к поставщикам (актуальна для материалоемкого
производства с высокими затратами на перевозку материалов);
близость к потребителям (актуально в случае необходи-
2)
мости быстрой доставки товара или в случае сервисного предприятия);
3) критерии развития инфраструктуры: наличие транспортных путей, доступ к рабочей силе, доступ к источникам сырья и
материалов и т.д.;
4) экономические критерии – полная себестоимость производства и доставки товара в определенном месте размещения
с учетом таможенных тарифов;
5) политические и юридические аспекты.
Метод центра тяжести используется в случае выбора исходя
из близости к поставщикам или потребителям. Координаты места расположения производства определяются как центр тяжести
фигуры, образованной потребителями или поставщиками на
карте, с учетом объема перевозок по формулам
19
,
i i
x V
X
⋅
∑
,
i i
y V
⋅
∑
=
c
Y
=
c
∑
∑
V
i
V
i
где Xc, Yc – координаты центра тяжести;
x
, yi – координаты i-го поставщика (потребителя);
i
Vi – объемы перевозок от i-го поставщика или к i-му
потребителю за период.
Фактор-рейтинговая система предполагает учет множества
факторов при проведении экспертной оценки, причем для каждого фактора в зависимости от его важности предлагается отдельная балльная шкала (максимальное количество баллов для
каждого фактора свое). Общий рейтинг каждого из возможных
мест расположения производства определяется как сумма баллов по всем критериям и всем экспертам. Выбирается местоположение с максимальным суммарным числом баллов.
20
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]