Науково-дослідний центр індустріальних проблем розвитку національної академії наук україни на правах рукопису врода юрій федорович

Вид материалаДокументы

Содержание


Висновки до розділу 2
Розділ 3.удосконалення методичного забезпечення стратегічного управління потенціалом машинобудівного підприємства
Подобный материал:
1   2   3   4   5   6   7   8

Висновки до розділу 2




1. Проаналізовані тенденції стану і визначення тенденцій розвитку вітчизняних машинобудівних підприємств свідчать про досить високу питому вагу абсолютно монополізованих і олігополістичних товарних ринків у машинобудівному комплексі України. Запропонований підхід до розробки стратегії розвитку машинобудівного підприємства передбачає дослідження тенденцій динаміки обсягів продажу по товарних групах машинобудівної продукції. Відповідно до проведених досліджень сформульовано концептуальні положення, згідно з якими формування стратегії підвищення конкурентоспроможності машинобудівного підприємства значною мірою залежить від ефективності управління його потенціалом. Обґрунтовано, що при управлінні станом і ефективністю використання потенціалу машинобудівних підприємств необхідно враховувати вплив зовнішніх і внутрішніх факторів, які визначають інтенсивність конкуренції в машинобудівній галузі, що особливо актуально в контексті вступу України до СОТ. Оцінку потенціалу машинобудівного підприємства запропоновано проводити за допомогою сукупності часткових і інтегральних показників оцінки стану й ефективності використання ресурсних компонент потенціалу підприємства, що дозволяє проводити оцінку забезпеченості підприємства виробничими ресурсами й визначати напрями підвищення ефективності їхнього використання в процесі реалізації сформованої стратегії розвитку.

2. Ключовою умовою успішної реалізації стратегії розвитку машинобудівних підприємств є здійснення своєчасної й ефективної оцінки тенденцій динаміки часткових і інтегральних показників, які характеризують стан і ефективність використання потенціалу підприємства, його конкурентні переваги й конкурентоспроможність. Використання такої оцінки при формуванні стратегії розвитку машинобудівних підприємств дозволяє визначати як існуючі тенденції динаміка цих показників, так і основні пріоритети зміни стратегії розвитку машинобудівних підприємств.

3. Важливою проблемою управління машинобудівним підприємством є вибір відповідної оргструктури і методів управління, використання яких повинне забезпечити реалізацію й досягнення конкурентних переваг відповідно до розробленої стратегії розвитку підприємства даної галузі. У результаті проведених досліджень встановлено, що управління машинобудівним підприємством повинне базуватися на принципах і підходах, які дозволяють реалізувати стратегічне управління його потенціалом. Вітчизняними машинобудівними підприємствами не виконується ключова вимога стратегічного управління, а саме: стратегічне управління машинобудівним підприємством повинне мати системний характер і здійснюватися відповідальними структурними підрозділами для забезпечення своєчасної й динамічної реакції на зміни внутрішнього й зовнішнього середовища.

Результати досліджень по розділу 2 опубліковано в [, , , ].

РОЗДІЛ 3.
УДОСКОНАЛЕННЯ МЕТОДИЧНОГО ЗАБЕЗПЕЧЕННЯ СТРАТЕГІЧНОГО УПРАВЛІННЯ ПОТЕНЦІАЛОМ МАШИНОБУДІВНОГО ПІДПРИЄМСТВА




3.1. Методичний підхід щодо динамічної оцінки потенціалу машинобудівного підприємства на основі інтегральних показників стану й ефективності використання його ресурсних компонент




Стратегічне управління потенціалом машинобудівного підприємства – це складна динамічна система, дія якої визначається наступними процесами: аналіз конкурентних переваг, визначення напрямів (цілей) розвитку конкурентних переваг, вибір стратегії, виконання стратегії, оцінка й контроль виконання (рис. 3.1). Оскільки ці процеси відбуваються у межах системи, то вони є взаємозалежними й логічно походять один від одного, при цьому кожний процес має зворотний зв'язок з усіма її елементами і складовими. В основі стратегічного управління потенціалом машинобудівного підприємства знаходиться інформація, що дозволяє дати обґрунтовану оцінку результатів діяльності підприємства, а також прогнозувати зміни його внутрішнього й зовнішнього середовища для розробки стратегії його розвитку на стратегічному рівні. Для цього необхідно здійснювати діагностику й оцінку потенціалу машинобудівного підприємства з метою виявлення елементів, які впливають на його розвиток. Впливаючи на ці елементи, можна керувати процесом формування потенціалу, що є основним чинником, який визначає стабільність конкурентних переваг машинобудівних підприємств.

Вырезано.

Для приобретения полной версии работы перейдите по ссылка скрыта.

Згідно до запропонованого методичного підходу до кола основних етапів управління потенціалом машинобудівних підприємств належить прогнозування позиції потенціалу машинобудівного підприємства, яку він має посідати внаслідок реалізації обраних стратегічних змін. Для того щоб визначити, який напрямок розвитку потенціалу машинобудівного підприємства є пріоритетним, необхідно враховувати існуючі явні й латентні тенденції зміни стану його ресурсних компонент й ефективності їхнього використання.

За допомогою пакета STATISTICA Neural Networks були побудовані нейронні мережі різних типів для рішення завдання прогнозування зміни значень інтегральних показників оцінки стану й ефективності використання потенціалу машинобудівного підприємства – вихід нейронної мережі (D, U). Входом є часткові показники (Хdi, Хuj), які характеризують стан і ефективність використання потенціалу машинобудівного підприємства. Ці показники наведені у додатку Б.

Побудова нейронної мережі, яка сама підбирає адекватну функцію, що найкраще апроксимує вихідні дані, здійснена згідно до наступних етапів.

На першому етапі проведено навчання мережі на тестовій множині. Для цього необхідно спочатку оцінити значущість входів, тому що не всі розглянуті фактори X однаково впливають на досліджувані показники D, U. Частка впливу деяких факторів може виявитися настільки незначною, що їхнє ігнорування не приведе до істотних відхилень досліджуваного об'єкта.

На другому етапі визначимо конфігурацію мережі. Надбудова STATISTICA Neural Networks (SNN) дозволяє спростити цей процес за рахунок використання процедури Intelligent Problem Solver, що автоматично понижує розмірність проектованої мережі, виділивши найбільш значущі фактори й самостійно здійснить пошук нейронної мережі, аналізуючи мережі різної топології. Під час роботи алгоритму пошуку підходящої нейронної мережі для 35 машинобудівних підприємств за період 2001-2007 рр. у відповідному діалоговому вікні приводиться інформація про розглянуті нейронні мережі (табл. 3.8). Мета алгоритму пошуку - перебір ряду нейросіткових конфігурацій і вибір найкращої з мінімальною помилкою на виході мережі й максимуму її продуктивності.


Таблиця 3.8

Характеристика типів моделей нейронних мереж, побудованих для аналізованої сукупності машинобудівних підприємств

Номер варіанта моделі

Тип мережі / Type

Величина помилки / Error

Кількість входів / Inputs

Кількість елементів на першому латентному шарі

Ефективність / Performance

Лінійні мережі

01

Linear

0.323579

18

-

1.039818

02

Linear

0.3184123

17

-

1.031028

Радіальні базисні функції

03

RBF

0.2789209

21

5

1.059129

04

RBF

0.1662921

21

2

1.000734

05

RBF

0.1661905

21

1

1.00077

Узагальнена регресійна нейронна мережа

06

GRNN

0.2647842

24

86

0.9936657

07

GRNN

0.2642717

24

86

0.9904189

08

GRNN

0.1642152

24

86

0.9906475

Багаторівневі персептрони

09

MLP

0.1984075

26

13

0.990272

10

MLP

0.0774819

27

13

0.990189


На основі аналізу показників мереж, що побудовані за допомогою процедури Intelligent Problem Solver надбудови SNN, було обрано нейросітку під номером 10 (табл. 3.8): тришаровий персептрон з 13-тю нейронами на прихованому шарі, ефективністю 0,99 і найменшою помилкою серед всіх розглянутих моделей – 0,0775. Таким чином, Intelligent Problem Solver двічі понизив розмірність мережі: перший раз на початковому етапі відібрав сорок найбільш значущих факторів з 86, потім при побудові й навчанні мережі з огляду на обсяг вибірки зменшив число входів до дванадцяти. Отже, серед можливих моделей нейронних мереж необхідно використовувати модель багаторівневого персептрона інтегральних оцінок стану й ефективності використання потенціалу машинобудівного підприємства, що представлено на рис. 3.9.



Рис. 3.9. Архітектура моделі багаторівневого персептрона, за допомогою якого прогнозується позиція потенціалу машинобудівного підприємства


Ця модель доводить, що при моделюванні показників, які характеризують стани й ефективність використання потенціалів машинобудівних підприємств, з метою прогнозування їхньої зміни залежно від обраної стратегії розвитку потенціалу підприємства доцільно враховувати нелінійність досліджуємих процесів і велику кількість показників, які визначають потенціали машинобудівних підприємств.

Вырезано.

Для приобретения полной версии работы перейдите по ссылка скрыта.

Таким чином, доведено доцільність одночасного використання методів нейросіткового та регресійного аналізів, що дозволяє проводити більш якісний аналіз і оцінку факторів, що впливають на вибір стратегічних напрямів розвитку потенціалу машинобудівного підприємства. Побудована штучна нейронна мережа для машинобудівного підприємства ВАТ «Машинобудівний завод ім. Фрунзе» дозволила провести оцінку динаміки зміни його потенціалу у відповідності до стратегії його розвитку, а також його позиціонування серед сукупності інших підприємств цієї галузі, виявити загальні тенденції, визначити пріоритетні напрями стратегічних змін потенціалу машинобудівного підприємства й існуючі резерви його розвитку. Отже, визначення загального напряму стратегічних змін потенціалу машинобудівного підприємства є динамічним і нелінійним процесом, спрямованим на оцінку потреб ринку у виробленій продукції й визначення у зв'язку з цим можливостей потенціалу підприємства з забезпечення процесу реалізації стратегії підприємства.


Таблиця 3.14

Порівняння складу та чутливості вхідних показників регресійної моделі і штучної нейронної мережі, що отримані

а) Вхідні показники регресійної моделі

Економічний зміст вхідного показника регресійної моделі

Ранг чутливості моделі до вхідного показника

частка основних коштів в активах

3

коефіцієнт зносу активної частини основних коштів

1

частка оборотних коштів в активах

4

частка запасів в оборотних активах

5

коефіцієнт забезпеченості власними оборотними коштами

6

фондовіддача

2

рентабельність основних коштів

9

матеріалоємність

7

оборотність запасів

8



б) Вхідні показники штучної нейронної мережі

Економічний зміст вхідного показника штучної нейронної мережі

Ранг чутливості моделі до вхідного показника

частка основних коштів в активах

2

коефіцієнт зносу активної частини основних коштів

9

частка оборотних коштів в активах

7

частка запасів в оборотних активах

4

коефіцієнт забезпеченості власними оборотними коштами

10

фондовіддача

1

рентабельність основних коштів

3

рентабельність оборотних коштів

8

маневреність власних оборотних коштів

6

оборотність запасів

11

оборотність оборотних коштів

12

продуктивність праці

5




Застосування розробленої моделі багаторівневого персептрона дозволило визначити резерви поліпшення стану й підвищення ефективності використання потенціалів машинобудівних підприємств і це дозволило здійснити прогнозування зміни стану й ефективності використання потенціалу машинобудівного підприємства ВАТ «Машинобудівний завод ім. Фрунзе».

Отримані прогнози за результатами побудови регресійної моделі підтверджують, що, за умови досягнення поставлених цілей і виконання завдань, на підприємстві ВАТ «Машинобудівний завод ім. Фрунзе», відповідно до отриманих раніше результатів оцінки динаміки зміни стану й ефективності використання потенціалу та його позиціонування у розробленій матриці позиціонування потенціалів машинобудівних підприємств, будуть збережені позитивні тенденції розвитку. Результатом регресійного аналізу є отримана формалізована багатофакторна регресійна модель очікуваного обсягу реалізації продукції, якого машинобудівне підприємство може досягти завдяки обраним стратегічним змінам свого потенціалу. Її використання дозволяє виявляти резерви поліпшення стану й підвищувати ефективність використання потенціалу на машинобудівних підприємствах.