Факторный анализ с применением ЭВМ

Факторный анализ — это процедура установления силы влия­ния факторов на функцию или результативный признак (полез­ный эффект машины.элементы совокупных затрат, производитель­ности труда и т.д.) с целью ранжирования факторов для разработ­ки плана организационно-технических мероприятий по улучшению функции.

Применение методов факторного анализа требует большой под­готовительной работы и трудоемких по установлению моделей рас­четов. Поэтому без ЭВМ не рекомендуется применять методы кор­реляционного и регрессионного анализа, главных компонент. К тому же в настоящее время для ЭВМ различных классов имеются стандартные программы по этим методам. В свою очередь пользо­ваться установленными с помощью ЭВМ моделями очень просто.

На подготовительной стадии факторного анализа большое вни­мание следует уделять качеству матрицы исходных данных для ЭВМ. С этой целью сначала рекомендуется на основе логического анализа определять группы факторов, влияющих на исследуемую функцию.

К исходным данным предъявляются следующие требования:

а) в объем выборки должны включаться данные только по одно­родной совокупности объектов анализа, т.е. одного назначения и класса, используемых (изготавливаемых, функционирующих) в ана­логичных условиях по характеру и типу производства, режиму работы, географическому району и т.д. В том случае, когда необ­ходимо увеличить размер матрицы, исходные данные отдельных объектов могут быть приведены в сравнимый вид с большинством объектов по отличающимся признакам путем умножения их на корректирующие, коэффициенты;

б) период динамического ряда исходных данных должен быть небольшим, но, по возможности, одинаковым для всех объектов. Устойчивый период упреждения (зона прогноза) обычно в два и более раза меньше периода динамического ряда. Например, по дан­ным за 1985-1995гг. можно разработать прогноз до 2000г., а в пос­ледующие годы по фактическим данным модель должна обновляться (уточняться);

в) исходные данные должны быть качественно однородными, с небольшими интервалами между собой;

г) следует применять одинаковые методы или источники фор­мирования данных. Если динамический ряд имеет крупные струк­турные сдвиги (например из-за изменения цен, ассортимента вы­пускаемой продукции, программы ее выпуска и т.д.), то все дан­ные должны быть приведены в сравнимый вид или одинаковые условия;

д) отдельные исходные данные должны быть независимы от предыдущих и последующих наблюдений.

Например, наблюдение не должно определяться расчетным путем по предыдущему на­блюдению.

Основные параметры корреляционно-регрессионного анализа в связи с их сложностью не приводятся, поскольку все расчеты предполагается выполнять на ЭВМ по стандартной программе. Ко­нечные результаты расчета выдаются на печать (табл. 4.3).

Факторный анализ следует проводить в следующей последова­тельности:

1. Обоснование объекта анализа, постановка цели.

2. Сбор исходных данных и их уточнение в соответствии с ранее описанными требованиями.

 

       Основные параметры корреляционно- регрессионного анализа.

Назначение параметра	Обозначение	Что характеризует параметр и для чего применяется	Оптимальное значение параметра
1	2	3	4
1. Объем выработки	м	Количество данных по фактору (размер матрицы по вертикали). Применяется для установления тенденций изменения фактора	Не менее чем в 3-5 раз больше количества факторов (Nxi)
2. Коэффициент вариации	Vi	Уровень отклонения значений факторов от средней анализируемой совокупности	Меньше 33%
3. Коэффициент парной корреляции	Rxy	Тесноту связи между i-м фактором и функцией. Применяется для отбора факторов	Больше 0,1
4. Коэффициент частной корреляции	Rxx	Тесноту связи между факторами. Применяется для отбора факторов	Чем меньше, тем лучше модель
5. Коэффициент множественной корреляции	R	Тесноту связи одновременно между всеми факторами и функцией. Применяется для выбора модели	Больше 0,7
6. Коэффициент множественной детерминации	D	Долю влияния на функцию включенных в модель факторов. Равен квадрату коэффициента множественной корреляции	Больше 0,5
7. Коэффициент асиметрии	A	Степень отклонения фактического распределения случайных наблюдений от нормального по центру распределения. Применяется для проверки нормальности распределения	Метод наименьших квадратов может применяться при А меньше трёх
8. Коэффициент эксцесса	E	Плосковершинность случайных наблюдений от нормального по центру распределения. Применяется для проверки нормальности распределения функции	Е должен быть меньше трёх
9. Критерий Фишера	F	Математический критерий характеризующий значимость уравнения регрессии. Применяется для выбора модели	F должен быть больше табличного значения, установленного для различных размеров матрицы и вероятностей
10. Критерий Стьюдента	t	Существенность факторов, входящих в модель. Применяется для выбора модели	Больше 2 (при вероятности, равной 0,95
11. Среднеквадратическая ошибка коэффициентов регрессии	ai	Точность полученных коэффициентов регрессии. Применяется для оценки коэффициентов регрессии	В 2 и более раза меньше соответствующего коэффициента регрессии
12. Ошибка аппроксимации	E	Допуск прогноза или степень несоответствия эмпирической зависимости теоретической. Применяется для оценки адекватности (точности) модели	Меньше +-15%
13. Коэффициент эластичности	Эi	Показывает, на сколько процентов изменяется функция при изменении соответствующего фактора на 1%. Применяется для ранжирования факторов по их значимости	Больше 0,01

3. Построение гистограмм по каждому фактору с целью определения форм распределения случайных наблюдений.

       Построение по каждому фактору корреляционных полей, т.е. графическое изображение функций от фактора с целью предварительного определения тесноты и формы связи между функцией и каждым фактором. Примеры корреляционных полей показаны на рис 4.2.

 

Корреляционные поля построены по исходным статистичес­ким данным X)—Х4 (факторы) и Y (функция). Анализ корреляци­онных полей показывает, что:

а) между Y и X1 теснота связи слабая, по форме она линейная, обратно пропорциональная;

б) между Y и Х2 теснота связи высокая, по форме она линейная, прямо пропорциональная;

в) между Y и Х3 связи нет, т.к. функцию Y = f(X3) можно про­вести в любом направлении;

г) между Y и Х4 теснота связи высокая, форма связи — гипер­болическая, после линии А—А фактор Х4 на Y уже не оказывает влияния.

 

4. Составление матрицы исходных данных производится по следующей форме:

№ п.п.	Y	X1	X2	Xn	Принадлежность строки
1	5,80	0,93	1,47		Цех №1, I квартал 1997г
2	6,15	0,82	1,59		Цех №1, II квартал 1997г

 

и т.д.

 

В матрицу исходных данных следует включать факторы, имею­щие примерно такую форму связи, как Y с X1 и Х2 на рис. 4.2. Фактор Х3 с Y не имеет связи, поэтому этот фактор не следует включать в матрицу, фактор Х4 тоже не следует включать в матри­цу, поскольку после линии А—А этот фактор влияния на Y не оказывает. Влияние подобных факторов на Y следует учитывать при помощи коэффициентов, определяемых отдельно для каждо­го фактора и группы предприятий.

Наши исследования показывают, что к «организационным фак­торам, имеющим с экономическими показателями гиперболичес­кую форму связи, относятся уровень освоенности продукции в установившемся производстве, программа ее выпуска и др.

5. Ввод информации и решение задачи на ЭВМ.

В экономических исследованиях для многофакторных регрес­сионных моделей чаще всего приемлемы две формы связи факто­ров с функцией: линейная и степенная. Для двухфакторных моде­лей применяются также гиперболическая и параболическая фор­мы связи.

6. Анализ уравнения регрессии и его параметров в соответ­ствии с требованиями, изложенными в табл. 4.3.

 

7. Составление матрицы исходных данных для окончательной модели и решение ее на ЭВМ. Апробация окончательной модели путем подстановки в нее фактических данных по одной из строк матрицы и сравнение полученного значения функции с ее факти­ческим значением.

При составлении новых матриц исходных данных из них ис­ключаются поочередно:

а) один из двух факторов, коэффициент частной корреляции между которыми значительно больше коэффициентов парной корреляции между функцией и этими факторами. Например, если между двумя факторами коэффициент частной корреляции ра-

0,95, а коэффициенты парной корреляции между функцией и этими факторами равны 0.18 и 0,73, то первый фактор с коэффи­циентом парной корреляции, равным 0,18, из матрицы можно исключить;

б) факторы с коэффициентами парной корреляции между ними и функцией менее 0,1;

в) только после соблюдения требований а) и б) исключаются из матрицы факторы, имеющие с функцией обратную, с точки зре­ния экономической сущности, связь. Например, с повышением сменности работы цеха (фактор) должна расти его годовая произ­водительность (функция). Обратная же зависимость между ними свидетельствует о нерегулярном и недостоверном учете коэффи­циента сменности, а возможно, и производительности оборудова­ния, либо о неправильной методике расчета этих показателей. Поэтому в этом случае фактор необходимо исключить из матри­цы исходных данных и изучать систему учета.

Из матрицы могут быть исключены также отдельные строки по предприятиям (периодам), не отвечающие ранее описанным тре­бованиям.

Параметры окончательного уравнения регрессии должны отве­чать требованиям табл. 4.3. Если невозможно этого достигнуть, модель для ранжирования факторов и прогнозирования экономи­ческих показателей не может быть использована. Она пригодна только для предварительного отбора факторов.

8. И последнее — ранжирование.

Ранжирование факторов осуществляется по показателю их эла­стичности. фактору с наибольшим коэффициентом эластичности присваивается первый ранг, и он является важнейшим. Например, если два фактора имеют коэффициенты эластичности, равные 0,35 и 0,58, то второму фактору нужно отдать предпочтение перед пер­вым при распределении ресурсов на улучшение данной функции (при улучшении второго фактора на 1% функция улучшается на 0,58%, а по первому фактору — 0,35%).

Нами проведены специальные исследования зависимостей меж­ду элементами затрат и организационными факторами (програм­ма выпуска продукции, уровень ее освоенности, тенденция роста производительности труда). Результаты исследований показали, что эти факторы на -экономические показатели оказывают влияние только в определенных границах по гиперболической форме свя­зи. Поэтому эти факторы не должны включаться в общую много­факторную модель, их влияние на функцию должно учитываться отдельно. Например, себестоимость продукции прогнозируется по формуле

 

                                                                            (4.2)

 

где 3 — прогнозное значение себестоимости продукции, рас­считанное с учетом организационных факторов производства и технических параметров конструкции;

 — прогнозное значение себестоимости продукции, рас­считанное по ее техническим параметрам;

— коэффициент, учитывающий влияние на себестои­мость изменения программы выпуска нового изделия по сравне­нию с программой выпуска базового (или группы аналогичных проектируемому) изделия. Для изделии массового выпуска этот коэффициент равен единице;

— коэффициент, учитывающий влияние на себесто­имость уровня освоенности конструкции изделия;

— коэффициент, учитывающий закономерность не­уклонного роста производительности труда. Он определяется по формуле

                                                          

где — среднегодовой (за последние 5 лет) прирост произво­дительности труда на предприятии (по общему объему продаж);

— доля фонда заработной агаты в себестоимости про­дукции, доли единицы;

t — интервал времени в годах, разделяющий периоды вы­пуска базовой и новой продукции.

 

Анализ применения регрессионных моделей показывает, что в общем случае с повышением коэффициента множественной корреляции улучшаются другие параметры модели. Однако между коэффициентом множественной корреляции и ошибкой ап­проксимации не наблюдается устойчивой связи. Покажем это на примере.

Для ранжирования факторов, например, влияющих на годовые затраты на эксплуатацию и ремонты воздушных поршневых ком­прессоров в условиях ряда машиностроительных предприятий Краснодарского края, окончательно были установлены следую­щие зависимости:

 

где — годовые затраты на эксплуатацию и ремонт воздушных поршневых компрессоров в условиях краснодарских машиностро­ительных заводов, млн.руб.;

— годовая производительность компрессора, м³;

— уровень централизации изготовления запасных частей к компрессорам, %;

— средний разряд рабочих, обслуживающих эти комп­рессоры;

— возраст компрессоров на 01.01.1995 г. (по дате их изго­товления), лет.

Структура затрат в данном примере: около 60% — энергия и топливо, 25 — заработная плата, 6 — амортизация, 6 — ремон­ты (без энергии и заработной платы), 3% — вспомогательные материалы.

Для обоих уравнений коэффициенты множественной корреля­ции равны 0,95. Ошибка аппроксимации для линейной формы свя­зи равна ±21,4%, а для степенной d=ll,5%. Вторая модель почти в два раза точнее первой, хотя коэффициенты корреляции одинако­вы. Коэффициенты эластичности факторов по этим уравнениям отличаются незначительно: для линейной формы связи соответ­ственно 0,900; 0,980; 1,630; 0,060, а для степенной — 0,967; 0,817;

1,525 и 0,065.

Между коэффициентами корреляции и эластичности тоже от­сутствует устойчивая связь.

Регрессионные модели могут также применяться для установ­ления факторов, оказывающих влияние на различные экономи­ческие показатели.

Факторный анализ может проводиться и без ЭВМ.

 

 

        Основы функционально-стоимостного анализа

Функционально-стоимостный анализ (ФСА) как метод повы­шения полезного эффекта объекта на единицу совокупных затрат за его жизненный цикл в настоящее время широко применяется в промышленно развитых странах. Области применения ФСА: опти­мизация конструкции машин и оборудования, технологий, органи­зационных структур фирм и их подразделений, методов организа­ции производства. Этот метод достаточно глубоко разработан, опи­сан в литературе. Поэтому здесь остановимся только на основных особенностях ФСА.

Основные задачи ФСА:

• достижение оптимального соотношения между полезным эф­фектом объекта и совокупными затратами за его жизненный цикл;

• нахождение совершенно новых технических решений за счет применения функционального подхода;

• снижение расхода различных видов ресурсов по стадиям жиз­ненного цикла объекта за счет ликвидации или сокращения вспо­могательных и вредных (ненужных) функций объекта.

Основные принципы проведения ФСА:

• принцип функционального подхода, т.е. рассмотрения объек­та исследования с позиций тех функций, для выполнения которых он создается;

• принцип стоимостной оценки, заключающийся в непрерыв­ной экономической оценке возникающих технических решений;

• принцип системного подхода к объекту ФСА;

• принцип комплексного подхода;

• принцип динамического подхода;

• принцип полного использования достижений информатики и эвристики и др.

Основные особенности проведения ФСА:

• объектом анализа может быть любая система (с любым коли­чеством элементов и связей), ее подсистемы или элементы, по которым можно количественно выразить полезный эффект их функционирования по назначению;

• глобальным критерием ФСА является максимум полезного эффекта объекта на единицу совокупных затрат ресурсов за его жизненный цикл;

• одновременно и с равной степенью детализации анализиру­ется оптимальность элементов полезного эффекта и совокупных затрат по объекту;

• при проведении ФСА прежде всего устанавливается целесо­образность функций, которые должен выполнять проектируемый объект в конкретных условиях, либо целесообразность, достаточность и избыточность функции существующего объекта. Не функ­ции создаются или уточняются для объекта, а наоборот, выбирает­ся или проектируется объект для выполнения необходимых функ­ции с минимальными затратами за его жизненный цикл.

Организация работ по ФСА представляет собой комплекс вза­имосвязанных мероприятий, направленных на создание условий для проведения работ по ФСА и непосредственное проведение ФСА конкретных объектов, и включает-

а) подготовку к внедрению метода, пропаганду его возможно­стей для повышения эффективности производства;

б) обучение менеджеров и специалистов основам метода;

в) подготовку специалистов для работы в координационной группе по внедрению ФСА;

г) обеспечение работ по ФСА нормативно-методическими до­кументами;

д) формирование и функционирование рабочих органов ФСА, интегрированных с существующими службами фирмы;

е) создание экономических условий для проведения работ по ФСА и внедрения рекомендаций ФСА на основе их планирования, финансирования и стимулирования.

Для организации и координации работ по ФСА на фирме орга­низуют координационный совет по проведению работ по ФСА в составе главных специалистов. Возглавляет координационный со­вет первый руководитель фирмы или, в крайнем случае, его за­меститель.

 

Основные этапы проведения ФСА:

1) подготовительный;

2) информационный;

3) аналитический;

4) творческий;

5) исследовательский;

6) рекомендательный;

7) внедренческий.

На подготовительном этапе выполняются следующие работы:

• выбор объекта анализа;

• подбор членов исследовательской рабочей группы (ИРГ) для решения поставленных задач;

• определение сроков, конкретных результатов, которых дол­жна достигнуть группа, порядка взаимодействия с соответствую­щими службами.

Информационное обеспечение ФСА предусматривает:

• подготовку, сбор, систематизацию информации об объекте ФСА и его аналогах;

• изучение потребностей и функций, которые нужно удовлет­ворить;

• прогнозирование конкурентоспособности объектов;

• изучение объекта и его аналогов;

• изучение условий их эксплуатации;

• изучение технологии создания объекта;

• построение структурно-экономической модели объекта;

• анализ стоимостной информации, определение затрат на из­готовление и функционирование объекта и его составных частей, затрат на техническое обслуживание и ремонты объекта;

• дополнение структурно-элементной модели объекта и его со­ставных частей стоимостной информацией;

• выявление зон наибольшего сосредоточения затрат в иссле­дуемом объекте;

• анализ патентной информации в данной области, в том числе отклоненных предложений.

 

Аналитический этап ФСА включает:

• формулирование всех возможных функций объекта и его элементов;

• классификацию функций;

• построение функциональной модели объекта;

• оценку значимости функций экспертным методом;

• определение материальных носителей соответствующих функций;

• оценку связанных с осуществлением функций затрат в увяз­ке с соответствующими материальными носителями;

• построение функционально-стоимостной диаграммы, модели объекта с применением принципа иерархичности системного под­хода. Модель содержит элементы объекта, шифры элементов, аб­солютные и удельные затраты по элементам, а также доли функ­ций, выполняющих эти элементы;

• определение противоречий между значимостью функций и их стоимостной оценкой;

• формулирование задач совершенствования объекта для пос­ледующих задач ФСА.

 

На творческом этапе осуществляются:

• выработка предложений по совершенствованию объекта;

• анализ и предварительный отбор предложений для реализации;

• систематизация предложений по функциям;

• формирование вариантов выполнения функций.

На исследовательском этапе выполняются следующие работы:

• разработка эскизного проекта по отобранным вариантам;

• экспертиза подготовленных решений;

• отбор наиболее рациональных вариантов решений;

• создание при необходимости макетов или опытных образцов для проведения испытаний;

• проведение испытаний;

• окончательный выбор реализуемых решений;

• технико-экономическое обоснование решений.

На рекомендательном этапе осуществляются:

• рассмотрение представленных технических решений на на­учно-техническом совете;

• принятие решения о возможности их реализации;

• согласование мероприятий по реализации принятых решений.

На этапе внедрения осуществляются:

• включение мероприятий по обеспечению внедрения приня­тых предложений ФСА в соответствующие планы;

• контроль выполнения планов;

• оценка эффективности реализации планов;

• стимулирование работников за внедрение методов ФСА.

---

Дата добавления: 2019-07-15; просмотров: 385; Мы поможем в написании вашей работы!

Поделиться с друзьями:

---

---

Мы поможем в написании ваших работ!