WWW.INFO.Z-PDF.RU
БИБЛИОТЕКА  БЕСПЛАТНЫХ  МАТЕРИАЛОВ - Интернет документы
 


«ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «НОВОСИБИРСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ» (НОВОСИБИРСКИЙ ГОСУДАРТСВЕННЫЙ ...»

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

«НОВОСИБИРСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

(НОВОСИБИРСКИЙ ГОСУДАРТСВЕННЫЙ УНИВЕРСИТЕТ, НГУ)

Факультет Экономический

Кафедра Финансов и кредита

Направление подготовки Экономика

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА БАКАЛАВРА

Былков Владимир Александрович

Тема работы Моделирование операционных рисков строительного сектора

«К защите допущен» Научный руководитель

Заведующий кафедрой, к.т.н., профессор

д.э.н., профессор Перфильев А.А./

Лычагин М.В./

«6» июня 2017 г. «6» июня 2017 г.

Дата защиты: «15» июня 2017г.

Новосибирск, 2017

СОДЕРЖАНИЕ

ВВЕДЕНИЕ……………………………………………………………………………………..2

ГЛАВА 1. ОПЕРАЦИОННАЯ ДЕЯТЕЛЬНОСТЬ И ОПЕРАЦИОННЫЙ РИСК.

ПОНЯТИЕ,ВИДЫ РИСКА И ОСОБЕННОСТИ ЕГО УЧЕТА В СТРОИТЕЛЬНОЙ СФЕРЕ………………………………………………………………………………………..…4

1.1. Риск как ключевой фактор принятия решений операционной деятельности предприятия. ……………………………………………………………………………………4

1.2. Операционные риски-понятие и виды…………………………………………………...7

1.3. Специфика операционной деятельности и операционного риска в строительстве……………………………………………………………………………….…..8

ГЛАВА 2.МОДЕЛИРОВАНИЕ КЛЮЧЕВЫХ ПОКАЗАТЕЛЕЙ ОПЕРАЦИОННОЙ ДЕЯТЕЛЬНОСТИ И ОЦЕНКИ РИСКА…………………………………………………….

.9

2.1. Модель учета важнейших показателей операционной деятельности в строительном секторе……………………………………………………………………………….………….9

2.2. Анализ имеющихся методов оценки риска в сфере гражданского строительства …..13

2.3. Выбор факторов для оценки параметров метода FMEA ………………………………20

ГЛАВА 3 АНАЛИЗ ИЗМЕНЧИВОСТИ РЕЗУЛЬТАТОВ ОПЕРАЦИОННОЙ ДЕЯТЕЛЬНОСТИ И РИСКА НА ПРИМЕРЕ АСО «ПРОМСТРОЙ»…………….………..26

3.1.Анализ влияния резерва времени проекта на рентабельность и выбор оптимальной стратегии управления данным параметром

3.2. Количественная оценка риска на основании показателей модели FMEA………………………………………………………………………………………………………………………….……..………32

3.3 Исследование конфликта «риск-рентабельность» в сфере гражданского строительства.

……………………………………………………………………………………..…………….37

ЗАКЛЮЧЕНИЕ …………………………………………..…………………..…………….…..39

СПИСОК ЛИТЕРАТУРЫ……………………………………………………..……………….41

ПРИЛОЖЕНИЕ…………………………………………….……….…………………………..43

ВВЕДЕНИЕВ современном мире деятельность предприятий строительной отрасли обусловлена высокой степенью динамичности и низкой предсказуемостью макроэкономических показателей, а также высокой чувствительностью к колебаниям. Порождаемые неопределенностью и изменчивостью экономики риски существенно влияют на деятельность предприятия. Нахождение путей разрешения конфликта между требованием достижения эффективности и порожденными этой неопределенностью рисками становится центральной темой при принятии управленческих решений на всех стадиях жизненного цикла инвестиционного проекта. Решение этой актуальной организационно-управленческой задачи требует ее научного осмысления, глубокого концептуального и количественного анализа. В ситуации, когда успех в конкурентной борьбе определяется фокусированием организационных ресурсов на наиболее перспективных направлениях совершенствования и инновации процессов и систем, исключительно важно понимать логику и закономерности формирования характеристик эффективности и рисков.





Актуальность темы. В связи разработка методов моделирования, оценки и анализа потенциала эффективности современных бизнес-систем в сфере строительства, с учетом рисков инвестиционной деятельности, является весьма актуальной научно-практической задачей, что и обусловило цель, задачи, структуру и содержание данной работы.

Объект исследования - бизнес-системы строительства, реализующие инвестиционные проекты в сфере гражданского строительства в условиях циклических изменений экономической активности деловой среды.

Предмет исследования – факторы и условия, определяющие закономерности формирования комплекса показателей операционной эффективности и риска в условиях рыночной среды, характеризуемой высокой степенью чувствительности к циклическими изменениям экономической активности бизнес-среды.

Целью работы является исследование закономерностей формирования комплекса показателей операционной эффективности и риска строительства.

Задачи работы:

Исследовать закономерности формирования и выявить факторы определяющие показатели операционной эффективности в сфере гражданского строительства.

Разработать модель количественной оценки риска инвестиционного проекта и установить взаимосвязь последнего с параметрами указанного проекта.

Структура работы : работа содержит введение, три главы, заключение, список литературы и приложение.

В главе 1 даются определения для основных понятий, рассматриваемых в работе.

В главе 2 решается задача построения моделей формирования характеристик операционной эффективности инвестиционного проекта: его продолжительности, качества и прибыльности, а также предлагается модель количественной оценки риска, основанная на методе FMEA.

В главе 3 проводятся расчеты, иллюстрирующие влияние некоторых важных параметров на ключевые показатели операционной деятельности, выводятся конкретные формулы для оценки операционного риска, а также на основе моделей главы 2 исследуется связь между риском и рентабельностью в сфере гражданского строительства.

ГЛАВА 1. ОПЕРАЦИОННАЯ ДЕЯТЕЛЬНОСТЬ И ОПЕРАЦИОННЫЙ РИСК. ПОНЯТИЕ,ВИДЫ РИСКА И ОСОБЕННОСТИ ЕГО УЧЕТА В СТРОИТЕЛЬНОЙ СФЕРЕ.

1.1. Риск как ключевой фактор принятия решений операционной деятельности предприятия.

В современном мире перед каждой компанией стоит вопрос оценки риска того или иного действия, ведь от этого зависит количество и сила негативных событий, что напрямую влияет на достижение целей в процессе решений. Руководитель принимает решения в условиях отсутствия достоверной информации о возможных последствиях своих действий. Для того, чтобы в подобной ситуации выбрать наиболее верное решение, необходимо определить для себя верную стратегию риск-менеджмента.

Основной целью риск-менеджмента является выявление возможных негативных последствий решения, с учетом которых появляется возможность рассмотреть наиболее объективные сценарии развития событий с поправкой на риск. Наиболее точную информацию в таком случае дает оценка риска. Процесс оценки риска представляет собой определение вариантов достижения поставленных целей, а также анализ возможности возникновения неблагоприятных обстоятельств риска[16, c. 105].

В настоящее время существует большой опыт управления рисками в различных сферах экономической деятельности, созданы совершенствующиеся стандарты ISO по риск-менеджменту. К тому же, непрерывно развиваются теоретические основы управления рисками, которые все больше находят применение на практике. Однако, данные процессы одновременно порождают ряд противоречий, причем не только в плане терминологии, но и в виде противоречий конкретных методов и инструментов для оценки риска, реализуемых на практике. Таким образом, выбор оптимального критерия оценки риска для конкретной отрасли (и даже конкретной компании) является принципиальным с точки зрения оптимального достижения целей деятельности. Однако, прежде чем определить стратегии оценки риска, необходимо уточнить, какой именно риск требуется оценить в данном конкретном случае. Данная работа ставит своей целью оценку риска операционной деятельности и последующий анализ взаимосвязи риска и показателей деятельности предприятия в сфере гражданского строительства. В таком случае, в начале необходимо определить место операционной деятельности среди всех видов деятельности фирмы, а также особенности, связанные операционной деятельностью и ее риском, которые можно наблюдать в строительстве.

Операционная деятельность - основная приносящая доход деятельность предприятия и прочая деятельность, отличная от инвестиционной и финансовой деятельности. Именно операционная деятельность - основной источник доходов и денежных средств у нормально функционирующего предприятия[18,c. 203]. Основной приток денежных средств связан с поступлениями за проданную продукцию, услуги, работы. Общее движение денежных средств происходит в связи с изменением запасов, дебиторской и кредиторской задолженности, выплатой процентов по кредитам, налогов, заработной платы, расчетами с бюджетом и фондами социального назначения, получением и возвратом краткосрочных кредитов и займов на цели, связанные с текущей деятельностью, и т.п.

Операционная деятельность предприятия характеризуется следующими основными особенностями, определяющими характер формирования прибыли[1,c.338]:

Данный вид деятельности является целью функционирования предприятия.

Оно носит более приоритетный характер, чем прочие виды деятельности-финансовая и инвестиционная.

Отдельны стадии жизненного цикла фирмы могут оцениваться при помощи показателей операционной деятельности.

Операции, из которых состоит операционная деятельность, носят постоянный, характер и обладают регулярностью.

Ориентированность в первую очередь на рынок товаров и услуг.

Операционная деятельность осуществляется с ориентацией только на текущий, имеющийся капитал.

Велики затраты живого труда рабочих, чего зачастую нельзя наблюдать для прочих видов деятельности.

Ключевым показателем качества функционирования фирмы является денежный поток, полученный от операционной деятельности., так как он позволяет наблюдать, как предприятие обеспечивает погашение займов, выплату дивидендов и прочее.

Для прогнозирования будущих доходов и денежных потоков вообще необходима, в первую очередь, информация о прошлых и текущих потоках средств от операционной деятельности.

Потоки денежных средств от операционной деятельности преимущественно связаны с основной деятельностью предприятия. Данные потоки обычно могут классифицированы как прибыль или убытки от какой-либо операции. В частности, денежные потоки могут быть такими [1,c.350]:

Доходы от предоставления услуги или от продажи некоторого товара;

Поступление средств в виде роялти, гонораров, комиссионных и прочая выручка;

Денежные поступления и выплаты по торговым или коммерческим договорам.

Как уже указано выше, прибыль является ключевым показателем эффективности операционной деятельности. Прибыль - это разница между выручкой и всеми затратами предприятия, она показывает превышение доходов (выручки) над расходами (издержками), что является главным показателем эффективности деятельности и отражает цель предпринимательства.

Выделяют несколько видов прибыли, в зависимости от способа вычисления и направления использования [24, c. 104]. Прибыль бывает:

Валовая (балансовая) прибыль;

Операционная прибыль;

Прибыль от обычной деятельности;

Прибыль после налогообложения (чистая);

Однако, важен тот факт, что для повышения достоверности и лучшего качества информации о результатах функционирования предприятия мало расчета абсолютных показателей, таких как прибыль. Более объективную картину можно получить с помощью показателей рентабельности. Показатели рентабельности являются относительными характеристиками финансовых результатов и эффективности деятельности предприятия.

Рентабельность как показатель используется для сравнения эффективности работы различных предприятий или одного предприятия во времени. Данный показатель является отношением прибыли к сумме ресурсов, затраченных для получения этой прибыли. Наиболее распространен такой показатель рентабельности, как рентабельность продукции

Рентабельность продукции (норма прибыли) – это отношение общей суммы прибыли к издержкам производства и реализации продукции:

(1.1)

где Ц – цена единицы продукции; С – себестоимость единицы продукции.

На основании таких четырех показателей, как WACC, ROE, прибыль и рентабельности оценивается эффективность функционирования предприятия в целом, и кроме того первые два показателя являются лимитирующими факторами для прибыли, так как процессы финансирования и инвестирования происходят намного раньше, чем основной производственный процесс, в результате чего решения на более ранних этапах оперируют ожидаемыми значениями будущий денежных потоков. Данная работа направлена на моделирование операционных рисков, поэтому прибыль и рентабельность в данном случае является результирующей, влияние риска на которую и исследуется.

1.2. Операционные риски-понятие и виды

Каждое предприятие в любой сфере экономической активности ежедневно сталкивается с операционными рисками. Эти риски напрямую связаны с человеческим фактором, так как в большинстве случаев потери фирмы – прямые или косвенные- являются следствием неоптимальных и ошибочных решений персонала, менеджмента и прочего. Операционный риск не имеет четкого определения в отличие от рыночного и кредитного рисков. Можно выделить два подхода, начиная с широкого до узкого определения.

Первое определение самое широкое. Оно определяет операционный риск как любой риск, связанный с финансовой деятельностью предприятия, и не являющийся рыночным или кредитным риском. В действительности, такое определение является слишком широким, т.к. оно включает также и бизнес риск, который фирма должна учитывать при создании акционерной стоимости компании. Это негативно влияет на возможность идентифицировать и оценить все риски, что предоставляет возможность двойного учета или просчетов в покрытии [2, c.49]. В результате такое определение обычно рассматривается как слишком широкое, использовать в действительности мы его не будем.

Также существует второе определение, которое является наиболее узким. Согласно этому определению, операционный риск- это риск, связанный с проведением некоторых операций, ведением операционной деятельности. К таким рискам можно отнести сбои техники, невыполнение рабочего плана, снижение производительности рабочих и прочее [23, c. 104].

Задача верного определения понятия операционного риска является ключевой лоя риск-менеджмента, и, несмотря на кажущуюся простоту, обычно требует некоторой аналитической работы. Данная работа должна проходить в рамках системного подхода к менеджменту операционных рисков. Без такого подхода невозможно справится с огромной областью операционных рисков

Особенности и некоторые характерные черты операционной деятельности предприятия в первую очередь определяется спецификой отрасли. Основой операционной деятельности большинства предприятий является производственно-коммерческая и торговая деятельность, которые могут быть дополнены финансовой и инвестиционной деятельностью.

1.3 Специфика операционной деятельности и операционного риска в сфере строительства.

В процессе реализации любого строительного процесса можно выделить несколько стадий: сбор необходимых документов, проектирование, строительство и далее. Начало создания проекта в сфере строительства можно связать с началом процесса проектирования. В рамках реализации этого этапа проводятся исследования, результатом которых и является сама идея проекта строительства, а также проводится изначальная оценка его будущей эффективности, прибыльности, проводится оценка доступности земли и инженерных коммуникаций и рассматриваются прочие связные вопросы. Если в результате данных предварительных оценок проект будет признан эффективным, будет начата его реализация, а в частности разработка финансовой схемы проекта, получение разрешений на строительство и прочее. [13, c.9].

В некоторый момент времени, когда все необходимые разрешения и согласования получены, а схема финансирования проекта утверждена (что означает, что рентабельность проекта достаточно высока), запускается процесс проектирования.

В процессе проектирования, по мере разработки проекта, принимаются решения о выборе поставщиков материалов, начинается процесс их заказа и прочей подготовки строительства объекта. Как только вся необходимая проектная деятельность будет окончена, а проектная документация утверждена руководством, начинается непосредственно процесс строительства объекта.

Заключительной стадией инвестиционного проекта является процесс продаж.

Наиболее распространенным на практике способом снижения затрат времени реализации проекта является перенесение части проектных задач на этап строительства. Это, зачастую, позволяет закончить реализацию строительного объекта в кратчайшие сроки, что позволит наиболее скоро начать получать прибыль.

Таким образом, главной особенностью операционной деятельности в сфере строительства можно назвать совмещение во времени различных процессов. В виду этого обстоятельства, учет всех возможных рисков операционной деятельности не представляется необходимым. Наиболее рациональным подходом может служить оценка степени риска, которая будет учитывать общие для всех последствий рисковых событий показатели (потери, вероятность наступления и проч.). Также необходимо описать модель расчета основных показателей операционной деятельности с учетом взаимозависимости стадий строительства.

ГЛАВА 2.МОДЕЛИРОВАНИЕ КЛЮЧЕВЫХ ПОКАЗАТЕЛЕЙ ОПЕРАЦИОННОЙ ДЕЯТЕЛЬНОСТИ И ОЦЕНКИ РИСКА.

2.1. Модель учета важнейших показателей операционной деятельности в сфере строительства.

Для корректного сопоставления изменений ключевых факторов, определяющих показатели операционной деятельности строительства, был приведен комплекс моделей, последовательно связывающих два ключевых этапа строительного процесса. Основная идея данных моделей, а также их взаимосвязь, была взята из общих стандартов расчета ключевых параметров и из работ Козырева О.Ю.[9,c 20; 11, c.8 ]. В сфере гражданского строительства можно выделить 3 взаимосвязанных модели, позволяющие комплексно оценить такие важные для строительной сферы показатели, как затраты времени на проектирование и строительство объекта, денежные затраты строительного проекта и его рентабельность. Ниже приведены адаптированные под цели данной работы версии этих моделей.

Одним из базовых показателей операционной деятельности строительства является трудоемкость проектной работы. Она непосредственно определяется тем, насколько информационно сложным является проект. В данной модели трудоемкость расчитывается как площадь проекта S_project (м2), умноженная на информационную насыщенность а (человек*дней/м2):

L_project=a*S_project (2.1)

Предположим, что проектированием занимаются n_project человек, норма фонда рабочего времени для каждого составляет LT_norm дней (в месяц). Тогда норматив выполнения проектной работы t_project0 (мес) может быть расчитан так:

t_project0=L_project/(n_project*LT_norm) (2.2)

Важно отметить факт, что фактическое и нормативное время проектирования зачастую не совпадают, что непосредственно влияет и на дальнейшие операции. Введем дополнительный показатель K_project, отвечающий за запас времени проектировщиков (или, другими словами, резерв времени проекта):

K_project= t_project/ t_project0 (2.3)

Также имеет смысл рассчитать показатель качества проекта, который будет отражать долю проектных решений, решенных на стадии проектирования. Данный показатель непосредственно зависит от запаса времени:

Q_project=(1-exp(-K_project)) (2.4)

Максимальное значение, котрое может принимать параметр Q_project равно 1, причем достигается это значение только при бесконечно большом времени проектировани, поэтому, по способу расчета, значение Q_project всегда будет больше 0 и меньше 1. Чем больше значение данного коэфициента, тем большая часть решений решена на стадии проекта, а значит меньше действий придется совершать на стадии строительства (что, непосредственно, уменьшает и время строительства объекта).

В свою очередь, чем меньше времени потрачено на проектирование, тем ниже качество проектирования, а значит тем больше вероятность, что возникнут неоптимальные и иррациональные решения, что влечет за собой потери и простои, а также рост затрат по всем категориям.

В качестве используемого повсеместно показателя производственной мощности в сфере строительства принято использование показателя интенсивности ведения строительных работ. В модели ему соответсвует параметр M_build, измеряющий количество квадратных метров объекта, введенных в эксплуатацию в течение какого-либо периода(в частости, в месяц).

Для установления связи между характеристиками интенсивности ведения работ и качеством проекта использовалось следующее выражение:

M_build=M_build_max *Q_project^x (2.5)

где: M_build_max - максимально возможная интенсивность ведения строительных работ при условии достижения максимального качества проекта (Q_project= 1); x - подбираемый параметр, характерезующий степень влияния качества проектных решений на фактически достигнутый уровень интенсивности строительства.

Время, затраченное на строительство объекта, очевидно, находится в обратной зависимости от интенсивности ведения строительных работ:

t_build=S_project/M_build (2.6)

Однако, увеличение показателя M_build напрямую связано с увеличением времени проектирования. Таким образом, общее время создания строительного объекта (от начала проектирования до окончания строительства) неоднозначно зависит от резерва времени проекта:

t_sum=t_build+t_project (2.7)

Рис. 2.1 Влияние резерва времена на этапе принятия проектных решений (K_project) на длительность этапа создания объекта недвижимости (t_build) и суммарную продолжительность инвестиционного проекта (t_sum). Источник: расчеты автора.

На рисунке представлен характерный вид зависимости составляющих и суммарного времени на реализацию проекта. Как следует из приводимого рисунка, суммарное значение времени строительства имеет минимально при значении резерва времени K_project в диапазоне значений 0,8 – 1,2. Данное наблюдение можно объяснить так – с точки зрения минимизации общего времени реализации проекта строительства, отклонение в пределах 20% от нормативного времени проектирования в любую сторону может оказаться оптимальным выбором. С одной стороны, инвестор может переложить часть проектных решений с этапа проектирования на этап строительства. Однако это не всегда приводит к снижению общих затрат времени. Иногда напротив, лучше потратить чуть больше времени на создание проекта, чтобы минимизировать ошибки и задержки на этапе строительства. Определение оптимальной стратегии должно зависеть непосредственно от конкретного проекта, в общем же смысле оптимально не слишком отклоняться от нормативов, так как совсем не обязательно это позволит сократить время создания объекта.

Полные затраты на реализацию инвестиционного проекта могут быть представлены в виде суммы затрат на проектирование и затрат на создание объекта :

C_sum=C_build+C_project (2.8)

Затраты на создание проекта в первую очередь состоят из издержек на оплату труда проектировщиков, а потому могут быть рассчитаны по следующему соотношению:

C_project=t_project*n_project*LT_norm*Vc_project (2.9)

где: Vc_project- параметр удельных затрат на проектирование, характеризующий средние полные затраты работодателя на стоимость одного человеко-дня работы проектировщика.

Затраты на строительство объекта могут быть определены в виде суммы двух видов затрат – затрат, отражающих косвенные расходы (в первую очередь на выплату з/п строителям), которые пропорциональны времени строительства проекта, и прямых затрат, пропорциональных масштабу создаваемого объекта (например, затраты на материалы):

C_build=t_build*Fc_build+S_project*Vc_build+C_0 (2.10)

где: Fc_build- удельные условно- постоянные затраты на создание объекта,к примеру, выплата з/п строителям в месяц; Vc_build - удельные прямые затраты на квадратный метр создаваемого объекта; C_0– постоянные (разовые) затраты на создание объекта, не связанные непосредственно ни с продолжительностью его создания, ни с масштабом создаваемого объекта. Примером затрат С_0 может служит оплата лицензий, разрешений и прочие подготовительные расходы, по сути не связанные напрямую ни с проектированием, ни со строительством, но при том требующие учета.

Качество информационной проработки проекта приводит к уменьшению продолжительности этапа создания объекта и, следовательно, напрямую снижает расходы периода. Однако необходимо также учесть важное предположение о зависимости удельных издержек строительства Fc_build и Vc_build от качества проектных решений. Объяснить данное предположение можно тем, что, в действительности, высокое качество проработки проекта может позволить, например, наиболее оптимально выбрать поставщика материалов (что снизит удельные прямые затраты на квадратный метр проекта), а также наиболее рационально подойти к найму рабочих для строительства объекта (а значит снизить условно-постоянные расходы периода)[19, c.205]. Таким образом, можно ввести следующие соотношения зависимости удельных издержек строительства от качества проектных решений:

Vc_build=Vc_build_0*(Q_project)^-y (2.11)

Fc_build=Fc_build_0*(Q_project)^-z (2.12)

где параметры у и z определяют степень влияния качества проекта на снижение удельных издержек.

Для оценки прибыли и операционной рентабельности инвестиционного проекта можно использовать выражения:

NP=p*S_project-C_sum (2.13)

OR=NP/C_sum (2.14)

где NP – прибыль, р- рыночная стоимость проданного объекта, руб/м2, OR- показатель операционной рентабельности.

Рассмотренные выше модели позволяют исследовать закономерности формирования ключевых показателей операционной деятельности, и на их основании определить оптимальные стратегии в области гражданского строительства. Дальнейшей целью будет являться выбор модели оценки риска, связанной с указанной модель расчета операционных показателей.

2.2. Анализ имеющихся методов оценки риска в сфере гражданского строительства.

Одной из ключевых особенностей сферы гражданского строительства является ее крайне высокая чувствительность к колебаниям экономической среды. Необходимо четко понимать при этом, что данные колебания обусловлены, в первую очередь, цикличностью рыночной экономики.

В условиях современной экономики инновационные преобразования всех строительных организаций все строительные организации нацелены на поиск решений направленных на снижение затрат и повышение экономической эффективности реализуемых проектов. Несмотря на постоянное внимание к риском со стороны руководителей строительных фирм, оценка и количественный учет риска встречаются в реальной экономике крайне редко. В отличие от показателей экономической эффективности, для которых существует множество форм расчета, риски до сих пор зачастую оцениваются лишь качественно и на интуитивном уровне.

По этой причине, перед руководителями строительных компаний сейчас стоит задача по разработке стратегии, ориентированных не только на расчет критериев операционной деятельности, но и на количественную оценку риска. Существует множество подходов к учету и анализу риска, в том числе и использующих математические инструменты для количественных оценок риска. Рассмотрим некоторые из них подробно.

Для начала изучим модель анализа сценария[17, c.105]. Эта модель определяется как процесс разработки описательных моделей событий, которые могут произойти в будущем. Данный метод может быть применен для учета рисков с помощью рассмотрения различных сценариев последствий какого-либо события. Применение такого анализа сценария может быть целесообразным при наличии значительных различий вероятностей и распределений позитивных и негативных событий во времени.

Процесс анализа при помощи данной модели может быть описан так:

Формируется группы и каналы обмена информацией, определяются проблемы и необходимые к рассмотрению вопросы.

Следующим этапом является определение характера изменений, которые могут произойти. Это требует исследования основных тенденций и вероятного времени изменений, а также некоторой информации для прогнозирования будущего.

Предлагается ряд сценариев, каждый из которых рассматривает наиболее правдоподобные изменения в значениях ключевых параметров.

Составляется конкретная версия для каждого сценария, где дается подробное объяснение, каким образом может быть совершен переход от текущего состояния к рассматриваемой ситуации.

Далее оценивается вопрос и проводится необходимая корректировка вероятностей наступления для каждого сценария. Также определяются ключевые показатели, позволяющие идентифицировать ту или иную ситуацию. Мониторинг и реагирование на основные индикаторы могут предоставлять возможность внесения изменений в планируемые стратегии.

Одним из ключевых преимуществ анализа сценариев является то, что он рассматривает ряд ситуаций в будущем даже при недостатке текущей информации и не требует большого количества накопленных данных. Однако же отсюда вытекает и существенный недостаток, так как при достаточно высокой неопределенности прогноз без учета накопленных знаний может быть весьма нереалистичен. Также возникает сложность применения данного метода из-за того, что аналитики и лица, принимающие решения не всегда обладают необходимыми для прогнозирования способностями, ввиду чего эти прогнозы могут оказаться лишь гипотетическими и не иметь связи с реальностью.

Далее мы рассмотрим имитационное моделирование методом Монте-Карло[17,c.29]. По причине того, что очень многие системы обладают высокой неопределенностью и очень сложны в отношении воздействия на них различных неопределенностей, возникает необходимость учета большого числа параметров, влияющих на систему. В таком случае можно учитывать неопределенность путем рассмотрения данных как случайных переменных и

Имитационное моделирование методом Монте-Карло позволяет осуществлять оценивание воздействия неопределенности на системы в широком диапазоне ситуаций. Обычно данный метод применяется для оценивания диапазона возможных результатов и соответствующей частоты значений в данном диапазоне для количественных величин, таких как затраты, длительность, производительность, спрос и тому подобных.

Процесса анализа имеет следующую структуру:

Определяют модель или алгоритм, который в наибольшей мере отражает поведение исследуемой системы;

Повторяют несколько имитационных итераций при различных входных данных системы и получают ряд выходных данных, связанных с изначальными переменными.

В каждом случае при помощи средств вычислительной техники модель просчитывается множество раз (часто до 10 000 раз) с различными входными данными для получения совокупности результатов. Для получения такой информации, как, например, средние значения, стандартное отклонение, доверительные интервалы, результаты можно обрабатывать, применяя обычные методы статистики.

Имитационное моделирование методом Монте-Карло имеет следующие преимущества:

Модели легко расширить для учета дополнительных факторов и зависимостей в случае возникновения подобной необходимости;

В таких моделях могут быть учтены практически любые взаимосвязи и воздействия, в том числе слабые, условные и косвенные.;

Достаточно легко среди всех воздействий выделить сильные и слабые, что позволяет выбрать ключевые параметры, определяющие систему;

имеются такие эффективные поведенческие модели, как сети Петри (стандарт 1ЕС62551), которые подходят для целей имитационного моделирования методом Монте-Карло;

Данный метод имеет следующие недостатки:

Для использования данного метода необходимо достоверно определить распределение необходимых параметров, что далеко не всегда представляется возможным;

Данный метод не всегда адекватно учитывает силу воздействия событий с низкой вероятность, что может привести к неверной оценке риска некоторых событий.

Следующей рассмотренной моделей будет анализ типов и последствий отказов (FМЕА) - методика, которую применяют для определения того, как происходят различные рисковые события[25, c. 14].

При FМЕА устанавливают все возможные параметры рисковых событий:

воздействия, которые эти события оказывают на систему;

механизмы проявления этих событий;

способы предотвращения рисковых событий или уменьшения степени их воздействия на систему.

FМЕА включает также ранжирование выявленных типов отказа в соответствии с их значимостью или критичностью.

Анализ критичности обычно является качественным, но может быть выражен количественно при использовании фактических данных интенсивности возникновения событий. Метод FМЕА можно применять для[22, c.105]:

Выбора из нескольких проектов наименее рискованного;

Изучения всех видов рисковых событий и их воздействий на качественное функционирование системы;

совершенствования структуры процедур и процессов;

получения не только качественной, но и количественной информации о рисках для использования некоторых методик анализа.

Проведение FМЕА включает следующие основные этапы:

определение области применения и целей исследования;

формирование исследовательской группы;

изучение системы (процесса), подвергаемых FМЕА;

разделение системы на компоненты или этапы;

определение функции каждого этапа или компонента;

установление для каждого перечисленного компонента или этапа следующего:

какие механизмы могут вызвать негативные состояния?

каковы были бы воздействия, если бы возникли эти состояния?

является ли данное негативное состояние безопасным или разрушительным?

как обнаруживается негативное событие?

выявление структурных особенностей, позволяющих компенсировать данное событие.

Анализ критичности может проводиться различными способами. В общем случае метод может основываться на определении:

показателя критичности состояния;

уровня риска;

числа приоритетности риска.

Критичность типа отказа - это мера вероятности того, что отказ рассматриваемого типа приведет к отказу системы в целом; определяется как:

R=FR1*FR2*FR3 (2.15)

,

где: FR1- возможность появления нежелательного события;

FR2- степень потенциального ущерба от возникновения нежелательного события;

FR3- трудность заблаговременного обнаружения нежелательного события.

Уровень риска определяется как сочетание последствий возникновения негативного события данного типа и вероятности этого события. Он применяется при разных последствиях отказов различных типов и может применяться к системам оборудования или процессам. Уровень риска может быть выражен качественным, пол у количественным или количественным образом.

FМЕА имеет следующие преимущества:

широкая применимость для типов рисковых событий, связанных с персоналом, оборудованием и системой, а также в отношении технических и программных средств и процедур;

выявление типов рисковых событий в отдельной точке и требований к избыточности или системам безопасности;

предоставление входных данных для разработки программ мониторинга с указанием основных объектов наблюдения.

Методы имеют следующие недостатки:

исследования могут потребовать значительных затрат времени и средств, если они не управляются и направляются должным образом;

применение в отношении сложных многослойных систем может быть трудоемким и длительным.

Наглядно идею модели FMEA можно проиллюстрировать следующим рисунком:

1624330151765Вероятность возникновения потерь(FR2)

00Вероятность возникновения потерь(FR2)

236791523241042633902324105486402324103310890-577215Вероятность своевременного обнаружения рисковой ситуации(FR3)

00Вероятность своевременного обнаружения рисковой ситуации(FR3)

91440-577215Вероятные потери от рисковой ситуации(FR1)

0Вероятные потери от рисковой ситуации(FR1)

914408255Оценка фактора по 10-ти бальной шкале

00Оценка фактора по 10-ти бальной шкале

2739390603250036442652286000136779060960

2053590205105Умеренный риск

00Умеренный риск

3577590205105Высокий риск

0Высокий риск

501015109855Низкий риск

0Низкий риск

Рис.2.2. Наглядная иллюстрация модели FMEA. Источник: расчеты автора.

Обычно исследователь может характеризовать i-й фактор риска изменением некоторой основной переменной Ri. Для преобразования абсолютной меры (значения) переменной в балльную оценку затем используется некоторая характеристическая функция:

FRi=f(Ri). (2.16)

Далее будет предложен пример подобной функции для каждого фактора, а пока лишь остановимся на показателях Ri которые после и будут преобразованы в баллы

В более сложных вариантах, когда оценка фактора риска определяется большим числом переменных, в том числе качественных, выработка количественных оценок факторов риска осуществляется с использованием лингвистических экспертных оценок:

Рейтинг

(баллы) Оценка серьезности последствий рискового события (FR1) Оценка возможности возникновения риска (FR2) Оценка возможности своевременного обнаружения рисковой ситуации (FR3)

10 Потери крайне велики, риск больших убытков, сильно превосходящих допустимые Очень большая:

проблемы практически гарантированы Не обнаруживается до момента возникновения

9 Потери значительно выше допустимых границ Очень малый шанс обнаружения

8 Потери несколько выше допустимых Большая:

Проблемы весьма вероятны Малые шансы обнаружения

7 Потери выше оптимальных, но остаются допустимыми Умеренные шансы обнаружения

6 Потери чуть выше оптимальных отклонений Умеренная:

Потери возникают, ноне слишком часто Низкий шанс обнаружения

5 Потери находятся в оптимальных границах отклонений Умеренные шансы обнаружения

4 Потери заметны, но незначительны Умеренно высокие шансы обнаружения

2-3 Потери заметны и обнаруживаются лишь при подробном анализе Низкая:

Потери маловероятны Высокие шансы обнаружения

1 Нет негативных эффектов Потери практически невозможны Практически достоверное обнаружение

Таблица 2.1.

Шкалы, используемые для ранжирования факторов риска в методе FMEA. Источник: расчеты автора.

Данная таблица позволяет оценить каждый параметр FRi степени риска ситуации, а значит и в целом определить силу риска. Несомненным плюсом использования лингвистической таблицы является простота, универсальность и эффективность. Эксперт, дающий оценку риска, может с легкостью поставить баллы по каждому параметру и получить результат. Главным минусом данного подхода является субъективность. Определение приемлемых границ потерь, как и оценка различных вероятностей, зависят непосредственно от эксперта, занимающегося оценкой риска. Таким образом, лингвистическая таблица может служить простым способом оценки риска, однако необходимо подобрать математические функции для снижения субъективности оценок.

Наиболее подходящим с точки зрения комбинации простоты использования и высокого качества получаемых оценок представляется именно метод FMEA, так как он позволяет учесть специфику строительной отрасли,и, что наиболее важно, получить количественную оценку риска практически для любой ситуации. Ниже предложены способы определения параметров метода FMEA для сферы гражданского строительства.

2.3. Выбор факторов для оценки параметров метода FMEA.

Для начала необходимо определить подходящую оценку для R1. Фактор риска R1 характеризует величину ущерба или потерь для бизнеса, в рассматриваемом случае в сфере строительства, в результате наличия какого-либо рискового события.

Экономические риски от различных ситуаций, которые могут влиять на операционную деятельность в строительстве обычно влияют на изменение прибыли, и, что немаловажно, величину капитала, связанного в строительных проектах.

Важно отметить тот факт, что именно связывание капитала в проекте влечет за собой все прочие потери, возникающие в результате негативного события. Именно факт «замораживания» капитала ставит барьеры для осуществления платежей по обязательствам, увеличивает кредиторскую задолженность, приводит к сокращению численности персонала и отказу от реализации многих проектов. Можно без преувеличения считать указанную ситуацию одним из самых сильных стрессов для инвестора.

Важно отметить тот факт, что выбор адекватного критерия оценки проявления риска является принципиальным, так как выбор типа критерия может существенно повлиять на результат проведенного анализа рисков, а значит и на выводы о взаимосвязи операционных показателей и риска.

Наиболее распространенным и простым критерием оценки потерь является упущенная выгода. Упущенную выгоду от избыточного связывания капитала можно оценить прибылью, которую фирма могла бы получить при отсутствии негативных событий. Для определенности и простоты расчетов далее упущенная выгода будет определяться как экономический результат от инвестирования капитала, который оказался «заморожен», в какой-либо альтернативный проект.

Однако, анализ показывает, что критерий упущенной выгоды не соответствует важному критериальному требованию – он не объясняет распространенного на практике стремления инвесторов максимально сокращать длительность этапа проектирования, а значит и общие затраты времени реализации строительного проекта. Напротив, для уменьшения упущенной выгоды инвестор должен максимально увеличивать время и качество проектирования, ведь, как показывает практика, это обеспечит более высокие экономические результаты. Правда, в таком случае весьма вероятно увеличение общего времени реализации проекта из-за роста затрат времени проектирования. Следовательно, наблюдается сильное несоответствие фактической логики поведения реальных инвесторов и теоретических предпосылок критерия упущенной выгоды. Таким образом, возникает необходимость определения другого критерия оценки потерь от негативных рисковых событий. Таким критерием является «временная связка капитала».

Идея данного критерия была впервые предложена в работе известного исследователя в области современных методов управления Э. Голдрата [4, c.380].Данный показатель представляется как произведение периода связывания капитала t_sv на среднюю величину капитала I_av, связанного в проекте за этот период:

R1= t_sv* I_av I_av*( t_add+ t_sum) (2.17)

где: t_sum – время реализации инвестиционного проекта; t_add – время реализации продукта инвестиционного проекта.

Основная идея данного критерия состоит в том, что инвестор на самом деле не опирается при расчете выгоды от инвестирования в проект на тот момент, когда он начинает получать прибыль. В действительности, инвестор рассматривает вложенные средства(связанный капитал) как собственные потери, и считает их увеличивающимися ровно до тех пор, пока прибыль, полученная с проекта не покроет изначальные вложения Лишь тогда можно будет говорить о том, что проект начал давать инвестору позитивный эффект.

Таким образом, показатель прибыли проекта NP может служить мерой прироста связанного капитала. В таком случае, взяв несложный интеграл от NP, получим следующую формулу для R1:

R1=C_sum*t_sv-0.5* P_m *t_add^2 (2.18)

где P_m обозначает ежемесячный доход от продажи проекта.

Только после того, как инвестор вернул весь вложенный в проект капитал, временная связка начинает уменьшаться. При этом совсем не факт, что значение временной связки капитала вообще когда либо будет положительным. Также важен тот факт, что оптимальная для критерия упущенной выгоды точка бедубыточности в данном случае является лишь поворотным пунктом, начиная с которого проект перестает ухудшать состояние инвестора. Использование данного критерия приводит к существенно более «строгим» и реалистичным оценкам инвестиционных проектов с позиции их экономической эффективности.

Ниже проиллюстрирован характер связи между величиной связного капитала и временем проектирования (которое, как было указано выше, в большой степени определяет и общую длительность проекта).

Рис.2.3. Зависимость временной связки капитала от резерва времени проектирования. Источник: расчеты автора.

Как видно из проиллюстрированной зависимости видно, что инвестор не заинтересован в долгой проработке проектной части строительного объекта. Оптимальным выбором является значение показателя K_project в границах от 1,1 до 1,3. Как было указано выше, это же значение позволяет получить максимальную рентабельность и минимальные общие затраты времени проекта. Это же значение зачастую наблюдается на практике. Отсюда можно сделать вывод, что выбор временной связки капитала как показателя потерь от рисковой ситуации является верным.

Для решения задач поставленных в данной работе необходимо построить математическую модель зависимости фактора R2 в модели, характеризующего возможность появления нежелательного события.

Очевидно, что вероятность наступления потерь в результате реализации рисковой ситуации зависит напрямую от конкретной ситуации, что существенно усложняет создание какой-либо общей формулы расчета показателя R2. Однако, стоит отметить, что все же существует ряд параметров, влияющих на указанную вероятность в равной мере для любого события.

Одним из таких параметров является положение момента начала старта проекта относительно фазы начала нового экономического цикла. Знание данного параметра дает возможность прогнозировать «безопасный» период времени, имеющийся в распоряжении инвестора для завершения проекта, таким образом, чтобы его окончание не попало на момент «разгара» кризиса.

Несомненно, чем дольше длится проект, тем ниже вероятность, что он уложится в рамки «безопасного периода». Этот факт позволяет определять риск возникновения потерь от негативного события следующим образом:

R2=t_sum/(T_econ-t_0) (2.19)

На приведенных ниже рисунках показаны результаты расчета данного фактора, рассчитанного в диапазоне значений резерва времени на этапе проектирования и положения времени начала проекта, относительно временного цикла экономической активности:

Рис.2.4. Зависимость вероятности наступления потерь от рисковой ситуации от положения начала проекта в экономическом цикле. Источник: расчеты автора.

Рис. 2.5. Зависимость вероятности наступления потерь от рисковой ситуации от резерва времени проектирования. Источник: расчеты автора.

«Инвестор» оценивает рыночную ситуацию как благоприятную для реализации проекта, если проект полностью укладывается в рамки безопасного периода, то есть его начало и окончание находится на стадии экономического подъема..

Если же прогнозируемое завершение момента строительства приходится на спад экономической активности, то инвестор будет судить о такой ситуации как о неблагоприятной, что увеличит его субъективную оценку риска.

Таким образом, предложенная модель корректно отражает интуитивно понятные и ожидаемые закономерности поведения данного фактора риска. Возможность возникновения кризиса и связанных с этим негативных последствий R2 тем выше, чем больше масштаб строительного проекта, и, чем позднее от начала экономического подъема находится время старта данного проекта.

Далее необходимо подобрать подходящую оценку для параметра R3. В методе FMEA фактор риска R3 учитывает возможность своевременного обнаружения нежелательного явления, вызывающего негативные последствия.

При некотором значении параметра прогнозируемости рискового события T_forecast, в качестве меры сложности прогнозирования возникновения и устраниения различных событий для инвестиционного проекта продолжительностью t_sum можно использовать отношение:

R3=T_forecast/ t_sum (2.20)

Очевидно, что чем ниже будет значение показателя R3, тем менее надежным оказывается прогноз экономической ситуации на момент завершения проекта.

Таким образом, были выбраны параметры для оценки всех трех составляющих риска, необходимые для создания количественных оценок по методу FMEA. Далее необходимо определить способ перевода значений этих показателей в условные баллы и на их основе будет проведен анализ взаимосвязи риска и показателей операционной деятельности.

ГЛАВА 3 АНАЛИЗ ИЗМЕНЧИВОСТИ РЕЗУЛЬТАТОВ ОПЕРАЦИОННОЙ ДЕЯТЕЛЬНОСТИ И РИСКА НА ПРИМЕРЕ АСО «ПРОМСТРОЙ».

3.1.Анализ влияния резерва времени проекта на рентабельность и выбор оптимальной стратегии управления данным параметром

Расчеты для демонстрации математических моделей качества, производственной мощности и экономической эффективности осуществлялся на основе фактических показателей деятельности ассоциации строительных организаций «Промстрой» (Кемеровская область).

№ Объект S_project

(тыс. м2) t_project, мес t_build, мес M_build, м2/мес C_project,

млн. руб C_build,

млн. руб

1 Ж.к. Каравелла 20,0 18 48 416 32 400,0

2 Ж.к. Мегаполис 40,0 18 48 833 56 720

3 ТРК «Променад» 22,0 18 42 523 34 460

4 Ж.к Томский причал 12,0 18 30 400 26 330

5 БЦ «Маяк Плаза» 17,0 12 24 708 19 400

Таблица 3.1 Характеристики фактических затрат времени и издержек на проектирование и создание объектов (на основе данных АСК «Промстрой» по реализованным инвестиционным проектам).

На основании данных о реализованных проектах были рассчитаны ключевые нормативные показатели модели:

№ Название параметра Обозначение

в модели Размерность Численное значение

1 Удельные условно-постоянные затраты строительства – расходы периода Fc_build_0 т. руб./мес. 300

2 Удельные переменные (прямые) затраты на метр квадратный Vc_build_0 т. руб./м2 18

3 Постоянные (разовые) затраты проекта строительства C_0 т. руб. 30

6 Удельные затраты на проектирование (расходы периода) Vc_project т.руб/чел.*день. 7

7 Интенсивность строительства M_build_max м2/мес 800

8 Информационная трудоемкость процесса строительства a человеко-дня/м2 0.2

Таблица 3.2.

Значения параметров экономико-математической модели, определенные на основе анализа статистических данных реализованных инвестиционных проектов АСО «Промстрой». Источник: расчеты автора.

Оценка указанных в таблице показателей позволяет реализовать указанную ранее модель с использованием реальных данных, а также провести некоторый анализ взаимосвязей показателей операционной деятельности строительного проекта.

Ниже рассмотрено влияние резерва проектирования на время проектирования и строительства объекта, а также на издержки, прибыль и рентабельность. Для наглядной реализации модели на указанных данных выбран именно коэффициент резерва проекта, так как он является одним из ключевых показателей, оптимальный выбор которого влияет на всю дальнейшую деятельность.

Рис 3.1. Влияние затрат времени на проектирование объекта на показатели издержек проектной деятельности и непосредственно строительства. Источник: расчеты автора.

Налицо обратный характер связи различных издержек при создании строительного объекта. Данный факт был уже упомянут при описании модели и подтверждается статистически. В связи с этим более целесообразным кажется рассмотрение не только издержек, но и прибыли в зависимости от времени проектной работы.

Рис. 3.2. Влияние резерва по времени проектирования (K_project) на величину затрат времени на этапах проектирования t_project и создания объекта t_build, а также на общие издержки времени проекта t_sum. Источник: расчеты автора.

Данный график позволяет непосредственно увидеть, что при критерии мнимизации общего времени создания проекта, оптимальное время проектирование должно быть выбрано в пределах 0,9-1,3 от нормативного.

Рис. 3.3. Влияние резерва по времени проектирования (K_project) на величину

затрат на этапах проектирования C_project и создания объекта C_build,

общие издержки проекта C_sum и показатель прибыли NP.

Источник: расчеты автора.

Исходя из данной графической иллюстрации, можно предположить, что оптимальным выбором будет 0,8<K_project<1, так как именно на данном интервале прибыль NP максимальна. Это вполне согласуется с предыдущим выводом о выборе оптимального времени проекта, близкого к нормативному.

Рис.3.4. Зависимость операционной рентабельности (OR) строительного проекта от величины резерва времени на этапе проектирования (K_project).

Источник: расчеты автора.

Операционная рентабельность имеет близкие к максимуму значения в довольно широком диапазоне значений резерва времени проектирования 1<K_project < 1,3.

Также следует рассмотреть влияние размера объекта на уровень рентабельности при прочих равных:

Рис. 3.5. Влияние размера проекта S_project на его рентабельность OR.

Источник: расчеты автора.

Видим, что рентабельность строительства значительно возрастает с ростом площади строительства. Этот вывод является вполне ожидаемым, так как издержки, связанные с процессом строительства, связаны с объемом менее, чем выручка. Выручка от реализации растет линейно в зависимости от размера проекта, в то время как линейная зависимость в издержках может быть замечена лишь в показателе C_build. Остальные издержки зависят от объема более слабо и косвенно.

Исходя из приведенного анализа, наиболее оптимальным решением (при любом из предложенных критериев оптимальности) является выбор времени проектирования равным или слегка превышающим нормативное значение. Большие отклонения в любую сторону оказывают крайне негативное влияние на результаты операционной деятельности. Однако, необходимо не забывать, что анализ проведен на данных по конкретной компании и ее проектам, а значит указанное предположение не всегда может подтверждаться. Например, зачастую фирма может выбрать коэффициент K_project0,7, что означает, в частности, что такая фирма стремится максимально быстро перейти к строительству объекта (а значит и быстрее начать продажу).

В итоге, наблюдаем модель, которая позволяет моделировать результаты операционной деятельности при различных значениях ключевых параметров проектирования и строительства. Расчеты по этой модели вполне подтверждают теоретические предположения об оптимальной стратегии фирмы. Данная модель справедливо может быть использована далее для количественной оценки риска различных рисковых событий, исходя из их влияния на результаты деятельности фирмы.

3.2. Количественная оценка риска на основании показателей модели FMEA

Как было показано в главе 2, оценки рисковых параметров FRi, рассчитанные на основе значений Ri при помощи лингвистической таблицы, получаются излишне субъективными. Чтобы избежать этого факта, было предложено подобрать функции позволяющие переводить значения Ri в баллы.

Для преобразования абсолютной меры (значения) переменной в балльную оценку затем используется некоторая характеристическая логарифмическая функция f(Ri). Использование логарифма для моделирования силы субъективного восприятия человеком различного вида стимулов или факторов имеет научное обоснование и заключается в особенности психологии человеческого восприятия. На самом деле, как показали исследования, данная закономерность универсально проявляется при изучении оценки значимости в результате восприятия человеком-экспертом факторов различной физической природы.

Представленная в математической форме данная закономерность носит название закона Вебера – Фехнера[15, c.40].

FRi=fi*log(Ri/Ri_norm)+consti (3.1)

где: f(Ri). - функция, характеризующая силу субъективного восприятия действия фактора Ri;

Ri_norm- нормирующее (пороговое) значение фактора Ri.

fi – подборочный (нормирующий) коэффициент, позволяющий отображать изменение функции f(Ri). в диапазон значений [0,1].

Логарифмический закон позволяет анализировать факторы риска, изменяющиеся в широком диапазоне значений, т. е. изменяющиеся «на порядки», «в разы».

Оценка параметров указанных функций была проведена в 2 этапа:

Были смоделированы несколько рисковых ситуаций и получены значение факторов Ri и экспертные оценки.

На основании указанных рядов данных были построены 3 линейные регрессии и оценены параметры уравнений.

Было проанализировано изменение (в пределах примерно 50% от норматива) следующих показателей: количество людей, занятых разработкой проекта (n_project ); изменение удельных затрат на проектирование(Vc_project); удельных условно-постоянных затрат строительства (Fc_build_0) ; удельных переменных (прямых) затрат на метр квадратный (Vc_build_0); постоянных затрат проекта строительства (C_0); максимальной интенсивности строительства(M_build_max ); времени начала проекта относительно экономического цикла ( t_0 ). Ниже на графиках представлены некоторые зависимости между указанными показателями и факторами риска Ri (показаны только значительные зависимости фактов).

Рис.3.6. Зависимость фактора R3 от изменения количества людей, занятых разработкой проекта. Источник: расчеты автора.

Как видно из иллюстрации, вероятность своевременного реагирования на риск потери части проектировщиков в следствие различных причин напрямую зависит от величины этих потерь.

Рис.3.7. Связь потерь от увеличения удельных издержек проектирования с изменением данной величины. Источник: расчеты автора.

Рис.3.8. Зависимость фактора потерь R1 от максимальной интенсивности строительства. Источник: расчеты автора.

Рис.3.9. Изменение фактора R2 при различных значениях времени начала строительного проекта. Источник: расчеты автора.

Как уже было указано ранее, чем больше «безопасный период» экономической стабильности(т.е чем дальше t_0 от конца цикла), тем ниже значение вероятности возникновения потерь от риска.

По данным, полученным и проиллюстрированным выше, была построена простая линейная регрессия FRi от ln(Ri/Ri_norm), где нормирующее значение было выбрано как среднее по всем наблюдениям. В результате получены уравнения.:

FR1=[10.30911*log(R1/32650025) +5.32472]

(Multiple R-squared: 0.9609)

(3.2)

FR2= [10.92892*log(R2/0.3886307) +4.06732] (Multiple R-squared: 0.9087)

(3.3)

FR3=[5.4296*log(R3/2.157566) +1.0345]

(Multiple R-squared: 0.9648)

(3.4)

R=FR1*FR2*FR3 (3.5)

Под каждым уравнением указано значение R2, высокие значения, близкие к 1 говорят о крайне высоком качестве уравнений. Знаком «[…]» обозначается функция «целая часть», она использована для получения целочисленных оценок. Полученные уравнения позволяют оценить степень риска любого события, связанного с операционной деятельностью строительной фирмы, основываясь лишь на ожидаемых значениях факторов Ri ( формулы рассчета которых также были указаны ранее). Таким образом, используя комбинацию моделей главы 2 и главы 3, управляющее лицо может дать количественную оценку любого риска. Эта оценка принимает значения от 1 до 1000 баллов. В данной работе предлагается следующая шкала градации силы риска:

586740635Низкий риск (R<125)

0Низкий риск (R<125)

201549031115Умеренный риск (125<R<512)

00Умеренный риск (125<R<512)

358711563500Высокий риск (R>512)

Высокий риск (R>512)

Данные границы выбраны таким образом: риск следует считать низким. Если все факторы меньше 5, средним-если они принимают значения от 5 до 8 и высоким при значениях выше 8.

Результаты проведенного исследования показали, что факторная модель риска, основанная на методологии FMEA, является адекватным инструментом для анализа видов и источников возникновения риска в практике управления инвестиционными проектами. Несмотря на стохастический характер колебаний уровня макроэкономической активности, она позволяет получать адекватные целям управления, логически обоснованные и, связанные с основными показателями операционной эффективности, количественные оценки риска, проявление которого предопределено колебаниями макроэкономической активности. Это позволяет переходить от интуитивных качественных оценок рисков к объективным количественным показателям и, следовательно, повышать качество управления, создавать более совершенные корпоративные системы «риск – менеджмента» и, как следствие, заблаговременно вносить существенные и весьма важные корректировки в параметры инвестиционных проектов.

Исследование конфликта «риск-рентабельность» в сфере гражданского строительства.

На основе математического аппарата, описанного в главе 2 и некоторых расчетов, приведенных раннее, попытаемся проиллюстрировать взаимосвязь между степенью риска и доходностью (рентабельностью) при различных ситуациях. Рассмотрим, изменение резерва времени проектирования и объема проекта влияют на риск и рентабельность:

K_project S=22 тыс. М2 S=23 тыс..м2 S=24 тыс. м S=25 тыс. м2 S=26 тыс. м2

0,6 -11,03% -10,82% -10,62% -10,44% -10,28%

0,7 -6,55% -6,28% -6,04% -5,81% -5,60%

0,8 -3,54% -3,22% -2,93% -2,66% -2,41%

0,9 -1,50% -1,14% -0,80% -0,49% -0,20%

1 -0,15% 0,27% 0,65% 1,01% 1,33%

1,1 0,72% 1,19% 1,61% 2,01% 2,38%

1,2 1,24% 1,75% 2,21% 2,65% 3,05%

1,3 1,48% 2,03% 2,54% 3,02% 3,46%

1,4 1,52% 2,11% 2,66% 3,17% 3,65%

1,5 1,39% 2,03% 2,62% 3,17% 3,67%

1,6 1,14% 1,81% 2,44% 3,02% 3,57%

1,7 0,78% 1,50% 2,16% 2,78% 3,35%

1,8 0,34% 1,10% 1,80% 2,45% 3,05%

1,9 -0,16% 0,63% 1,36% 2,04% 2,68%

2 -0,72% 0,10% 0,87% 1,58% 2,25%

Таблица 3.3.

Взаимосвязь риска и рентабельности операционной деятельности при различных уровнях резерва проектного времени и масштабах строительства. Источник: расчеты автора.

Как можно наблюдать из представленной таблицы, с ростом площади строительства растет и рентабельность, и риск. Таким образом, можно наблюдать некоторое противоречие целей минимизации риска и максимизации рентабельности проекта. Однако, стоит заметить, что оптимальное решение все же может быть достигнуто, в данном случае при K_project=1,4, для любой площади строительства.

Далее рассмотрен еще один вариант изменений риска и рентабельности-в зависимости от коэффициента резерва времени проекта и от времени начала реализации проекта:

 K_project t_0=0 t_0=2 t_0=4 t_0=6 t_0=9 OR

0,6 720 720 720 720 810 -10,03%

0,7 300 300 300 350 350 -5,54%

0,8 150 150 150 180 180 -2,53%

0,9 120 120 150 150 150 -0,50%

1 40 40 40 40 50 0,86%

1,1 40 40 40 40 40 1,73%

1,2 30 40 40 40 40 2,24%

1,3 30 40 40 40 40 2,48%

1,4 40 40 40 40 40 2,52%

1,5 40 40 40 40 50 2,39%

1,6 40 40 40 40 50 2,14%

1,7 80 80 100 100 100 1,78%

1,8 120 150 150 150 150 1,34%

1,9 150 150 150 150 180 0,84%

2 150 150 150 180 180 0,28%

Таблица 3.4.

Взаимосвязь риска и рентабельности операционной деятельности при различных уровнях резерва проектного времени начала строительства относительно экономического цикла. Источник: расчеты автора.

Из приведенной таблицы снова можно наблюдать замеченную ранее взаимосвязь рентабельности и риска. Зачастую повышение рентабельности влечет повышение риска, поэтому выбор оптимальной стратегии предприятия в строительной сфере напрямую зависит от верного выбора важнейших показателей, таких как резерв времени проектирования, а также от максимально точной оценки риска.

Таким образом, полученный результат со всей очевидностью выявил конфликт критериев «эффективность – риск» и актуализировал важную практическую задачу – необходимы решения, позволяющие расширить «комфортную» для видения бизнеса в сфере строительства область, т.е. необходимо выявить направления инновационных преобразований строительной сферы, обеспечивающих высокую эффективность и одновременно минимальные риски инвестиционных проектов. Мы не будем углубляться в решение данной задачи, так как это решение находится за рамками данной дипломной работы. Отметим лишь, что задача эта крайне важна, и ее решение, в свою очередь, невозможно без подробного анализа рисков и результатов операционной деятельности.

ЗАКЛЮЧЕНИЕ

Грамотная экономическая стратегия любого предприятия предполагает запланированные и целенаправленные действия по повышению эффективности и конкурентоспособности. Поэтому задачу обеспечения финансовой устойчивости строительной фирмы необходимо решать целенаправленно и взвешенно, рассчитывая на долгосрочную перспективу. В частности, необходимо учитывать потенциальные риски, возникающие на разных этапах строительства, и создать общий принцип реагирования на них.

В данной работе были исследованы факторы, влияющие на операционную деятельность предприятия в сфере строительства. Далее были предложены модели, позволяющие не только качественно, но и количественно оценивать риски, связанные с операционной деятельностью предприятия в сфере строительства.

На основе данных моделей был сделан и проверен ряд предположений о характере зависимостей различных стадий процесса строительства, о выборе оптимальных стратегий фирмы в данной сфере, а также об оптимальных показателях, иллюстрирующих степень риска той или иной ситуации.

Подробно проанализировав модель главы 2, можно прийти к выводу, что решение об оптимальном времени на проектирование является ключевым показателем, определяющим и общее время и общую стоимость реализации строительного проекта. Также при анализе данных было отмечено, что оптимальным является время проектирования большее, чем нормативное. Точнее говоря, если фирма ставит целью минимизацию затрат времени на создание проекта, стоит выбрать показатель времени проектирования в границах 0,9-1,3 от нормативного. Если же цель-минимизация издержек (максимизация рентабельности), то оптимум чуть выше- 1-1,4 от нормативного времени. Это иллюстрирует некоторый конфликт выбора оптимального критерия, который необходимо решать каждой фирме.

Также были предложены показатели, на основе которых рассчитывается уровень риска-потери, вероятность их наступления и вероятность своевременно обнаружить и исправить ситуацию. Особое внимание стоит уделить показателю потерь, так как в данном случае для расчета потерь использован не критерий упущенной выгоды, а критерий «временной связки капитала». Данный критерий позволяет более точно оценить риск, к тому же он более соответствует эмпирическим исследованиям.

В третьей главе были исследованы взаимосвязи риска и показателей операционной деятельности и выявлена проблема прямой зависимости между риском и рентабельностью. Данная связь должна быть учтена при выборе оптимальной стратегии фирмы с целью максимизации рентабельности при минимальных рисках.

Результаты данной работы могут быть использованы для оценки риска большинства ситуаций, связанных с операционной деятельностью для любой строительной компании. Однако важно учесть, что численные значения параметров во всех уравнениях (как и большинство количественных оценок и выводов, полученных в работе), подобраны при имеющихся данных и при необходимости могут быть пересчитаны. Также ключевым преимуществом полученных моделей можно назвать универсальность, так как при некоторых предположениях и небольших изменениях ее можно адаптировать к любой компании, ситуации и даже к рискам, не связанным с операционной деятельностью.

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

Ван Хорн Дж. С. Основы финансового менеджмента

Васин С. М. Управление рисками на предприятии: учебное пособие / С. М. Васин, В. С. Шутов. – М.: КНОРУС, 2010. – 304 с.

Гермогентова М. Н., Кокурин Д. И., Серегин Е. В. Финансовая среда предпринимательства и предпринимательские риски/ учеб. пособ. М.: Финансовая академия. 2005.

Голдратт Э. Цель: процесс непрерывного совершенствования / Э. Голдратт, Д. Кокс. – Минск: ООО «Попурри», 2004. – 560 с.

Дегтярева О. И. Управление рисками в международном бизнесе /учебник – М.: Флинта: МПСИ, 2008

Инновационный менеджмент: учебник / под ред. С. Д. Ильенковой. – М.: Юнити, 1997.

Козин, М. Н. Формирование экономических моделей управления рисками в деятельности строительных предприятий [Текст] : дис. … канд. экон. наук: 08.00.05. – М., 2000. – 186 с.

Козырев, О.Ю. Риск-менеджмент как необходимый компонент системы управления эффективностью бизнеса, функционирующего в неопределенных и изменчивых условиях рыночной среды / О.Ю. Козырев, Ю.Т. Рубаник, В.В. Михальченко // Вестник КемГУ (ФГБОУВПО «Кемеровский государственный университет»). - 2012. - № 3. - С. 266 – 272.

Козырев, О.Ю. Стратегия вывода предприятий на траекторию устойчивого развития в условиях высокой турбулентности внешней экономической среды / О.Ю. Козырев, Ю.Т. Рубаник, В.В. Михальченко // Вестник КемГУ (ФГБОУВПО «Кемеровский государственный университет») - 2012. - № 3. - С. 272 – 277.

Козырев, О.Ю. Численная оценка риска инвестиционного проекта, обусловленного циклическими изменениями активности деловой среды / О.Ю. Козырев, Ю.Т. Рубаник, В.В. Михальченко // Вестник КемГУ (ФГБОУВПО «Кемеровский государственный университет») - 2013. - № 3. - С. 252-256.

Козырев, О.Ю. Исследование показателей операционной эффективности бизнес - системы девелопмента и обоснование перспективных направлений ее инновационного развития / О.Ю. Козырев, Ю.Т. Рубаник, Михальченко В.В. // Вестник КемГУ (ФГБОУВПО «Кемеровский государственный университет») - 2013. - № 3. - С. 245-251.

Козырев, О.Ю. Риски как важнейший фактор формирования эффективности строительного проекта // Актуальные вопросы экономических наук: сборник материалов XIX Международной научно-практической конференции // Под общ. ред. Ж.А. Мингалевой, С.С. Чернова, 10 марта 2011г. – Новосибирск: Издательство НГТУ, 2011. 345-348 с.

Козырев, О.Ю. Проблема эффективности и актуальные задачи повышения конкурентоспособности строительного бизнеса в динамичной рыночной среде//Природные и интеллектуальные ресурсы Сибири «СИБРЕСУРС 2012»/ Доклады участников IХ Международной научно-практической конференции. Кемерово, 1-2 ноября 2012 г.- Кемерово, КузГТУ, 2012 г.

Куперс и Либранд Общепринятые принципы управления риском/ Великобритания, 1996.

Лобанов А. А., Чугунов А. В. Энциклопедия финансового риск-менеджмента/ 4-е изд., испр. и доп. М.: Альпина Бизнес Букс. 2009.

Менеджмент риска. Метод анализа видов и последствий отказов. – М.: Стандартинформ, 2008.

Международный стандарт ISO 31000: 2009. Риск-менеджмент — Методы оценки рисков. URL: http://www. pqm-online. com.

Международный стандарт IEC/ISO 31010: 2009. Риск-менеджмент — Принципы и руководства. URL: http://www. pqm-online. com.

Многоуровневый анализ формирования инновационной экономики: мир-система, регион, предприятие [Текст] / О.Ю. Козырев [и др.], / под ред. В. А. Логачева, Е. Е. Жернова; Мин-во образ. и науки РФ; Кузбасский гос. тех. ун-т имени Т.Ф. Горбачева; каф. экономики. – Кемерово: Кузбассвузиздат, 2014. – 331 с.

Перфильев А.А., Перфильева Л.В. Согласование рисков собственников и менеджеров/ Новосибирский государственный университет, г. Новосибирск 2015

Петровский А. В. Психология / А. В. Петровский, М. Г. Ярошевский. – М.: Академия, 2009. – 512 с. – (Серия: Классическая учебная книга).

Применение метода анализа видов, причин и последствий потенциальных несоответствий (FMEA) на различных этапах жизненного цикла автомобильной продукции / В. Е. Годлевский, А. Я. Дмитриев, Г. Н. Изюменко и др.; под ред. В. Я. Кокотова. – Самара: ГП «Перспектива», 2002. – 160 с.

Риски в современном бизнесе / П. Г. Грабовой, С. Н. Петрова, С. И. Полтавцев и др. – М.: Аланс, 1994. – 344 с.

Шумпетер Й. Теория экономического развития. – М.: Прогресс, 1982.

FMEA при проектировании и совершенствовании продукции и процессов: метод. пособ. – Вып. 12. – М.: НТК «Трек», 2002. – 24 с.

ПРИЛОЖЕНИЕ

##################################

#1)изменение резерва времени проекта

R1=NULL

R2=NULL

R3=NULL

R=NULL

Q_plan=1-exp(-1)

K_project=NULL

V=NULL

Q_project=NULL

M_build=NULL

t_build=NULL

t_project=NULL

C_project=NULL

Vc_build=NULL

Fc_build=NULL

C_build=NULL

C_sum=NULL

t_sum=NULL

NP=NULL

OR=NULL

Vc_build=NULL

p=30

Vc_project=7

n_project=11

LT_norm=22

C_0=30

S_project=22000

x=2

M_build_max=800

y=0.1

z=0.2

Vc_build_0=18

Fc_build_0=1200

R1=NULL

R2=NULL

R3=NULL

t_sv=NULL

t_add=24

P_m=S_project*p/t_add

T_forecast=20

T_econ=120

t_0=0

t_project0=18

a=t_project0*LT_norm*n_project/S_project

for ( i in 1:15){ K_project[i]=i*0.1+0.5

Q_project[i]=1-exp(-K_project[i])

M_build[i]=M_build_max*(Q_project[i]/Q_plan)^x

t_project[i]=K_project[i]*t_project0

t_build[i]=S_project/M_build[i]

C_project[i]=t_project[i]*n_project*LT_norm*Vc_project

Vc_build[i]=Vc_build_0*(Q_project[i]/Q_plan)^-y

Fc_build[i]=Fc_build_0*(Q_project[i]/Q_plan)^(-z)

C_build[i]=t_build[i]*Fc_build[i]+S_project*Vc_build[i]+C_0

C_sum[i]=C_build[i]+C_project[i]

t_sum[i]=t_build[i]+t_project[i]

NP[i]=p*S_project-C_sum[i]

OR[i]=NP[i]/C_sum[i]

t_sv[i]=t_sum[i]+t_add

R1[i]=C_sum[i]*t_sv[i]-0.5*P_m*t_add^2

R2[i]=t_sum[i]/(T_econ-t_0)

R3[i]=t_sum[i]/T_forecast

FR1[i]=round( 16.7*log(R1[i])-292.378)

FR2[i]= round(0.03303*log(R2[i]/4.466595)+1.06664)

FR3[i]=round(0.138076*log(R3[i]/2.499439)+1.006457)

R[i]=FR1[i]*FR2[i]*FR3[i]}

plot(K_project,Q_project,type="l")

plot(K_project,M_build,type="l")

Time=cbind(t_project,t_build,t_sum)

matplot(K_project,Time, type="l",xlim=c(0.6,2),ylim=c(0,100))

leg_T=expression( paste('t_project'), paste('t_build'),paste('t_sum'))

legend(1.3, 100, leg_T, lty = 1:3, col = 1:3,

text.font=0.2, text.width=0.2)

Costs=cbind(C_project, C_build)

matplot(K_project, Costs, type="l", ylim=c(0,8*10^5))

leg_Cost=expression( paste('C_project'), paste('C_build') )

legend(1.2, 8*10^5, leg_Cost, lty = 1:4, col = 1:4,text.font=0.2, text.width=0.2)

Results=cbind(C_project, C_build, C_sum, NP)

matplot(K_project, Results, type="l", ylim=c(0,8*10^5))

leg_C=expression( paste('C_project'), paste('C_build'),paste('C_sum'),paste('NP') )

legend(1.2, 8*10^5, leg_C, lty = 1:4, col = 1:4,text.font=0.2, text.width=0.2)

plot(K_project,OR,type="l")

log(max(R2)/4.466595)

max(FR1)

plot(K_project,R1,type="l")

plot(K_project,R2,type="l")

plot(K_project,R3,type="l")

plot(K_project,R,type="l")

######

#2)изменение общей площади

Q_plan=1-exp(-1)

K_project=1

V=NULL

Q_project=NULL

M_build=NULL

t_build=NULL

t_project=NULL

C_project=NULL

Vc_build=NULL

Fc_build=NULL

C_build=NULL

C_sum=NULL

t_sum=NULL

NP=NULL

OR=NULL

Vc_build=NULL

a=0.2

p=30 #

Vc_project=7

LT_norm=22

C_0=30

x=2 #

M_build_max=800

y=0.1

z=0.2

Vc_build_0=18

Fc_build_0=1200

R1=NULL

R2=NULL

R3=NULL

t_sv=NULL

t_add=25

P_m=1000

T_forecast=20

T_econ=120

t_0=0

n_project=11

t_project0=NULL

S_project=c(12000,17000,20000,22000,40000)

Q_project=1-exp(-K_project)

M_build=M_build_max*(Q_project/Q_plan)^x

Vc_build=Vc_build_0*(Q_project/Q_plan)^-y

Fc_build=Fc_build_0*(Q_project/Q_plan)^(-z)

for ( i in 1:5){

t_project0[i]=a*S_project[i]/(LT_norm*n_project)

t_project[i]=K_project*t_project0[i]

C_project[i]=t_project[i]*n_project*LT_norm*Vc_project

t_build[i]=S_project[i]/M_build

C_build[i]=t_build[i]*Fc_build+S_project[i]*Vc_build+C_0

C_sum[i]=C_build[i]+C_project[i]

t_sum[i]=t_build[i]+t_project[i]

NP[i]=p*S_project[i]-C_sum[i]

OR[i]=NP[i]/C_sum[i]

t_sv[i]=t_sum[i]+t_add

R1[i]=C_sum[i]*t_sv[i]-0.5*P_m*t_add^2

R2[i]=t_sum[i]/(T_econ-t_0)

R3[i]=t_sum[i]/T_forecast }

Time=cbind(t_project,t_sum)

matplot(S_project,Time, type="l")

leg_T=expression( paste('t_project'),paste('t_sum'))

legend(5000, 400, leg_T, lty = 1:3, col = 1:3)

plot(S_project,R1,type="l",yaxt='n')

plot(S_project,R2,type="l",yaxt='n')

plot(S_project,R3,type="l",yaxt='n')

Results=cbind(C_project, C_build, C_sum, NP)

matplot(S_project, Results, type="l",yaxt='n')

leg_C=expression( paste('C_project'), paste('C_build'),paste('C_sum'),paste('NP') )

legend(5000, 3*10^6, leg_C, lty = 1:4, col = 1:4)

plot(S_project,OR,type="l")

#Расчеты главы 3

##############################################

######### 1)Уменьшение кол-ва проектировщиков

Ln=NULL

FR=NULL

FR1=NULL

FR2=NULL

FR3=NULL

Q_plan=1-exp(-1)

K_project=1

Q_project=NULL

M_build=NULL

t_build=NULL

t_project=NULL

C_project=NULL

Vc_build=NULL

Fc_build=NULL

C_build=NULL

C_sum=NULL

t_sum=NULL

NP=NULL

OR=NULL

Vc_build=NULL

p=40 #

Vc_project=7

LT_norm=22

C_0=30

S_project=22000

x=2 #

M_build_max=800

y=0.1

z=0.2

Vc_build_0=18

Fc_build_0=1200

R1=NULL

R2=NULL

R3=NULL

t_sv=NULL

t_add=24

P_year=1000

T_forecast=3

T_econ=120

t_0=0

a=0.2

n_project=NULL

t_project0=NULL

n_project_lost=NULL

Q_project=1-exp(-K_project)

M_build=M_build_max*(Q_project/Q_plan)^x

Vc_build=Vc_build_0*(Q_project/Q_plan)^-y

Fc_build=Fc_build_0*(Q_project/Q_plan)^(-z)

t_build=S_project/M_build

C_build=t_build*Fc_build+S_project*Vc_build+C_0

for ( i in 1:6){ n_project_lost[i]=i-1

n_project[i]=11-n_project_lost[i]+1

t_project0[i]=a*S_project/(LT_norm*n_project[i])

t_project[i]=K_project*t_project0[i]

C_project[i]=t_project[i]*n_project[i]*LT_norm*Vc_project

C_sum[i]=C_build+C_project[i]

t_sum[i]=t_build+t_project[i]

NP[i]=p*S_project-C_sum[i]

OR[i]=NP[i]/C_sum[i]

t_sv[i]=t_sum[i]+t_add

R1[i]=C_sum[i]*t_sv[i]-0.5*P_year*t_add^2

R2[i]=t_sum[i]/(T_econ-t_0)

R3[i]=t_project[i]/T_forecast}

Ln=cbind(R1,R2,R3)

length(Ln[,1])

Time=cbind(t_project,t_sum)

matplot(n_project_lost,Time, type="l")

leg_T=expression( paste('t_project'),paste('t_sum'))

legend(7, 800, leg_T, lty = 1:3, col = 1:3)

plot(n_project_lost,R1,type="l",yaxt='n')

plot(n_project_lost,R2,type="l",yaxt='n')

plot(n_project_lost,R3,type="l",yaxt='n')

############

##

###

###########

# 3)изменение предельных издержек проектирования Vc_project

Q_plan=1-exp(-1)

K_project=rep(1,14)

Q_project=rep(0,14)

M_build=rep(0,14)

t_build=rep(0,14)

t_project=rep(0,14)

C_project=rep(0,14)

Vc_build=rep(0,14)

Fc_build=rep(0,14)

C_build=rep(0,14)

C_sum=rep(0,14)

t_sum=rep(0,14)

NP=rep(0,14)

OR=rep(0,14)

Vc_build=rep(0,14)

a=0.2

p=40 #

Vc_project=rep(0,14)

n_project=11

LT_norm=22

C_0=30

S_project=22000

x=2 #

M_build_max=800

y=0.1

z=0.2

Vc_build_0=18

Fc_build_0=1200

R1=NULL

R2=NULL

R3=NULL

t_sv=rep(0,14)

t_add=24

P_year=1000

T_forecast=6

T_econ=120

t_0=0

t_project0=a*S_project/(LT_norm*n_project)

for ( i in 1:14){ Vc_project[i]=3.5+i/2

Q_project[i]=1-exp(-K_project[i])

M_build[i]=M_build_max*(Q_project[i]/Q_plan)^x

t_project[i]=K_project[i]*t_project0

t_build[i]=S_project/M_build[i]

C_project[i]=t_project[i]*n_project*LT_norm*Vc_project[i]

Vc_build[i]=Vc_build_0*(Q_project[i]/Q_plan)^-y

Fc_build[i]=Fc_build_0*(Q_project[i]/Q_plan)^(-z)

C_build[i]=t_build[i]*Fc_build[i]+S_project*Vc_build[i]+C_0

C_sum[i]=C_build[i]+C_project[i]

t_sum[i]=t_build[i]+t_project[i]

NP[i]=p*S_project-C_sum[i]

OR[i]=NP[i]/C_sum[i]

t_sv[i]=t_sum[i]+t_add

R1[i]=C_sum[i]*t_sv[i]-0.5*P_year*t_add^2

R2[i]=t_sum[i]/(T_econ-t_0)

R3[i]=t_project[i]/T_forecast

}

plot(Vc_project,R1,type="l",yaxt='n')

plot(Vc_project,R2,type="l",yaxt='n')

plot(Vc_project,R3,type="l",yaxt='n')

Ln=rbind(Ln,cbind(R1,R2,R3))

length(Ln[,1])

Results=cbind(C_project,NP)

matplot(Vc_project, Results, type="l",yaxt='n')

leg_C=expression( paste('C_project'),paste('NP') )

legend(5000, 3*10^6, leg_C, lty = 1:4, col = 1:4)

plot(Vc_project,R1,type="l",yaxt='n')

plot(Vc_project,R2,type="l",yaxt='n')

plot(Vc_project,R3,type="l",yaxt='n')

######################

##

#4)изменение предельных издержек стр-ва Vc_build_0

R1=NULL

R2=NULL

R3=NULL

FR1=NULL

FR2=NULL

FR3=NULL

K_project=rep(1,18)

Q_project=rep(0,18)

M_build=rep(0,18)

t_build=rep(0,18)

t_project=rep(0,18)

C_project=rep(0,18)

Vc_build=rep(0,18)

Fc_build=rep(0,18)

C_build=rep(0,18)

C_sum=rep(0,18)

t_sum=rep(0,18)

NP=rep(0,18)

OR=rep(0,18)

Vc_build=rep(0,18)

a=0.2

p=40 #

Vc_project=rep(7,18)

n_project=11

LT_norm=22

C_0=30

S_project=22000

x=2 #

M_build_max=800

y=0.1

z=0.2

Vc_build_0=rep(0,18)

Fc_build_0=1200

t_sv=rep(0,18)

t_add=24

P_year=1000

T_forecast=6

T_econ=120

t_0=0

t_project0=a*S_project/(LT_norm*n_project)

for ( i in 1:18){ Vc_build_0[i]=9+i

Q_project[i]=1-exp(-K_project[i])

M_build[i]=M_build_max*(Q_project[i]/Q_plan)^x

t_project[i]=K_project[i]*t_project0

t_build[i]=S_project/M_build[i]

C_project[i]=t_project[i]*n_project*LT_norm*Vc_project[i]

Vc_build[i]=Vc_build_0[i]*(Q_project[i]/Q_plan)^-y

Fc_build[i]=Fc_build_0*(Q_project[i]/Q_plan)^(-z)

C_build[i]=t_build[i]*Fc_build[i]+S_project*Vc_build[i]+C_0

C_sum[i]=C_build[i]+C_project[i]

t_sum[i]=t_build[i]+t_project[i]

NP[i]=p*S_project-C_sum[i]

OR[i]=NP[i]/C_sum[i]

t_sv[i]=t_sum[i]+t_add

R1[i]=C_sum[i]*t_sv[i]-0.5*P_year*t_add^2

R2[i]=t_sum[i]/(T_econ-t_0)

R3[i]=t_sum[i]/T_forecast

}

plot(Vc_build_0,R1,type="l",yaxt='n')

plot(Vc_build_0,R2,type="l",yaxt='n')

plot(Vc_build_0,R3,type="l",yaxt='n')

Ln=rbind(Ln,cbind(R1,R2,R3))

################

##5)изменение издержек стр-ва Fc_build_0

R1=NULL R2=NULL R3=NULL

FR1=NULL

FR2=NULL

FR3=NULL

K_project=rep(1,10)

Q_project=rep(0,10)

M_build=rep(0,10)

t_build=rep(0,10)

t_project=rep(0,10)

C_project=rep(0,10)

Vc_build=rep(0,10)

Fc_build=rep(0,10)

C_build=rep(0,10)

C_sum=rep(0,10)

t_sum=rep(0,10)

NP=rep(0,10)

OR=rep(0,10)

Vc_build=rep(0,10)

a=0.2

p=40 #

Vc_project=rep(7,10)

n_project=11

LT_norm=22

C_0=30

S_project=22000

x=2 #

M_build_max=800

y=0.1

z=0.2

Vc_build_0=rep(18,10)

Fc_build_0=rep(0,10)

t_sv=rep(0,10)

t_add=24

P_year=1000

T_forecast=6

T_econ=120

t_0=0

t_project0=a*S_project/(LT_norm*n_project)

for ( i in 1:10){ Fc_build_0[i]=700+100*i

Q_project[i]=1-exp(-K_project[i])

M_build[i]=M_build_max*(Q_project[i]/Q_plan)^x

t_project[i]=K_project[i]*t_project0

t_build[i]=S_project/M_build[i]

C_project[i]=t_project[i]*n_project*LT_norm*Vc_project[i]

Vc_build[i]=Vc_build_0[i]*(Q_project[i]/Q_plan)^-y

Fc_build[i]=Fc_build_0[i]*(Q_project[i]/Q_plan)^(-z)

C_build[i]=t_build[i]*Fc_build[i]+S_project*Vc_build[i]+C_0

C_sum[i]=C_build[i]+C_project[i]

t_sum[i]=t_build[i]+t_project[i]

NP[i]=p*S_project-C_sum[i]

OR[i]=NP[i]/C_sum[i]

t_sv[i]=t_sum[i]+t_add

R1[i]=C_sum[i]*t_sv[i]-0.5*P_year*t_add^2

R2[i]=t_sum[i]/(T_econ-t_0)

R3[i]=t_sum[i]/T_forecast

}

plot(Fc_build_0,R1,type="l",yaxt='n')

plot(Fc_build_0,R2,type="l",yaxt='n')

plot(Fc_build_0,R3,type="l",yaxt='n')

Ln=rbind(Ln,cbind(R1,R2,R3))

################

#6) изменение производительности M_build_max

R1=NULL

R2=NULL

R3=NULL

FR1=NULL

FR2=NULL

FR3=NULL

K_project=rep(1,10)

Q_project=rep(0,10)

M_build=rep(0,10)

t_build=rep(0,10)

t_project=rep(0,10)

C_project=rep(0,10)

Vc_build=rep(0,10)

Fc_build=rep(0,10)

C_build=rep(0,10)

C_sum=rep(0,10)

t_sum=rep(0,10)

NP=rep(0,10)

OR=rep(0,10)

Vc_build=rep(0,10)

a=0.2

p=40 #

Vc_project=rep(7,10)

n_project=11

LT_norm=22

C_0=30

S_project=22000

x=2 #

M_build_max=rep(0,10)

y=0.1

z=0.2

Vc_build_0=rep(18,10)

Fc_build_0=rep(1200,10)

t_sv=rep(0,10)

t_add=24

P_year=1000

T_forecast=20

T_econ=120

t_0=0

t_project0=a*S_project/(LT_norm*n_project)

for ( i in 1:10){ M_build_max[i]=300+100*i

Q_project[i]=1-exp(-K_project[i])

M_build[i]=M_build_max[i]*(Q_project[i]/Q_plan)^x

t_project[i]=K_project[i]*t_project0

t_build[i]=S_project/M_build[i]

C_project[i]=t_project[i]*n_project*LT_norm*Vc_project[i]

Vc_build[i]=Vc_build_0[i]*(Q_project[i]/Q_plan)^-y

Fc_build[i]=Fc_build_0[i]*(Q_project[i]/Q_plan)^(-z)

C_build[i]=t_build[i]*Fc_build[i]+S_project*Vc_build[i]+C_0

C_sum[i]=C_build[i]+C_project[i]

t_sum[i]=t_build[i]+t_project[i]

NP[i]=p*S_project-C_sum[i]

OR[i]=NP[i]/C_sum[i]

t_sv[i]=t_sum[i]+t_add

R1[i]=C_sum[i]*t_sv[i]-0.5*P_year*t_add^2

R2[i]=t_sum[i]/(T_econ-t_0)

R3[i]=t_sum[i]/T_forecast

}

plot(M_build_max,R1,type="l",yaxt='n')

plot(M_build_max,R2,type="l",yaxt='n')

plot(M_build_max,R3,type="l",yaxt='n')

Ln=rbind(Ln,cbind(R1,R2,R3))

#################

##############

#8)пост.издержки C_0

Q_plan=1-exp(-1)

R1=NULL

R2=NULL

R3=NULL

t_project_0=rep(0,10)

K_project=rep(1,10)

Q_project=rep(0,10)

M_build=rep(0,10)

t_build=rep(0,10)

t_project=rep(0,10)

C_project=rep(0,10)

Vc_build=rep(0,10)

Fc_build=rep(0,10)

C_build=rep(0,10)

C_sum=rep(0,10)

t_sum=rep(0,10)

NP=rep(0,10)

OR=rep(0,10)

Vc_build=rep(0,10)

a=0.2

p=40 #

Vc_project=rep(7,10)

n_project=11

LT_norm=rep(22,10)

C_0=rep(0,10)

S_project=22000

x=2 #

M_build_max=rep(800,10)

y=0.1

z=0.2

Vc_build_0=rep(18,10)

Fc_build_0=rep(1200,10)

t_sv=rep(0,10)

t_add=24

P_year=1000

T_forecast=20

T_econ=120

# t_project0[i]=a*S_project/(LT_norm[i]*n_project)

for ( i in 1:10){ C_0[i]=3000*i+15000

t_project_0[i]=a*S_project/(LT_norm[i]*n_project)

Q_project[i]=1-exp(-K_project[i])

M_build[i]=M_build_max[i]*(Q_project[i]/Q_plan)^x

t_project[i]=K_project[i]*t_project_0[i]

t_build[i]=S_project/M_build[i]

C_project[i]=t_project[i]*n_project*LT_norm[i]*Vc_project[i]

Vc_build[i]=Vc_build_0[i]*(Q_project[i]/Q_plan)^-y

Fc_build[i]=Fc_build_0[i]*(Q_project[i]/Q_plan)^(-z)

C_build[i]=t_build[i]*Fc_build[i]+S_project*Vc_build[i]+C_0[i]

C_sum[i]=C_build[i]+C_project[i]

t_sum[i]=t_build[i]+t_project[i]

NP[i]=p*S_project-C_sum[i]

OR[i]=NP[i]/C_sum[i]

t_sv[i]=t_sum[i]+t_add

R1[i]=C_sum[i]*t_sv[i]-0.5*P_year*t_add^2

R2[i]=t_sum[i]/(T_econ-t_0)

R3[i]=t_sum[i]/T_forecast

}

plot(C_0,R1,type="l",yaxt='n')

plot(C_0,R2,type="l",yaxt='n')

plot(C_0,R3,type="l",yaxt='n')

Ln=rbind(Ln,cbind(R1,R2,R3))

for( i in 1:68){

FR1[i]=0+round((1+9*(Ln[i,1]-min(Ln[,1]))/(max(Ln[,1])-min(Ln[,1]))))

FR2[i]=0+round((1+9*(Ln[i,2]-min(Ln[,2]))/(max(Ln[,2])-min(Ln[,2]))))

FR3[i]=0+round((1+9*(Ln[i,3]-min(Ln[,3]))/(max(Ln[,3])-min(Ln[,3]))))}

ll1=mean(Ln[,1])

Ln[,1]=Ln[,1]/ll1

linea1=NULL

linea1=lm(FR1~(log(Ln[,1])))

summary(linea1)

#FR1= 0.62127*log(R1/32650025)+4.17729

ll3=mean(Ln[,])

Ln[,3]=Ln[,3]/ll3

linea3=NULL

linea3=lm(FR3~(log(Ln[,3])))

summary(linea3)

#FR1= 10.30911*log(R1/32650025)+5.32472 Multiple R-squared: 0.9609

#FR2= 10.92892*log(R2/0.3886307)+4.06732 Multiple R-squared: 0.9087

#FR3=5.4296*log(R3/2.157566)+1.0345 Multiple R-squared: 0.9648

#############################

#2) Положение старта относительно цикла

R1=rep(0,15)

R2=rep(0,15)

R3=rep(0,15)

FR1=rep(0,15)

FR2=rep(0,15)

FR3=rep(0,15)

a=0.2

S_project=22000

n_project=11

LT_norm=22

K_project=1

M_build_max=800

x=2

L_project=a*S_project

t_project0=L_project/(n_project*LT_norm)

t_project=K_project*t_project0

Q_project=1-exp(-K_project)

M_build=M_build_max*(Q_project/Q_plan)^x

t_build=S_project/M_build

t_sum=t_build+t_project

t_0=NULL

T_econ=120

R2=NULL

for(i in 1:15){

t_0[i]=i*0.5+2

R2[i]=t_sum/(T_econ-t_0[i])}

plot(t_0,R2,type="l")

plot(t_0,R1,type="l")

plot(t_0,R3,type="l")

Ln=rbind(Ln, cbind(R1,R2,R3))

for( i in 1:83){

FR2[i]=0+round((1+9*(Ln[i,2]-min(Ln[,2]))/(max(Ln[,2])-min(Ln[,2]))))

}

ll2=mean(Ln[,2])

Ln[,2]=Ln[,2]/ll2

linea2=NULL

linea2=lm(FR2~(log(Ln[,2])))

summary(linea2)

#ANALIS

FR1=matrix(rep(0,75),nrow=15,ncol=5)

FR2=matrix(rep(0,75),nrow=15,ncol=5)

FR3=matrix(rep(0,75),nrow=15,ncol=5)

R1=matrix(rep(0,75),nrow=15,ncol=5)

R2=matrix(rep(0,75),nrow=15,ncol=5)

R3=matrix(rep(0,75),nrow=15,ncol=5)

R=matrix(rep(0,75),nrow=15,ncol=5)

Q_plan=1-exp(-1)

K_project=NULL

Q_project=NULL

M_build=NULL

t_build=matrix(rep(0,75),nrow=15,ncol=5)

t_project=NULL

C_project=NULL

Vc_build=NULL

Fc_build=NULL

C_build=matrix(rep(0,75),nrow=15,ncol=5)

C_sum=matrix(rep(0,75),nrow=15,ncol=5)

t_sum=matrix(rep(0,75),nrow=15,ncol=5)

NP=matrix(rep(0,75),nrow=15,ncol=5)

OR=matrix(rep(0,75),nrow=15,ncol=5)

Vc_build=NULL

p=30

Vc_project=7

n_project=11

LT_norm=22

C_0=30

S_project=c(22000,23000,24000,25000, 26000)

x=2

M_build_max=800

y=0.1

z=0.2

Vc_build_0=18

Fc_build_0=1200

t_sv=matrix(rep(0,75),nrow=15,ncol=5)

t_add=24

P_m=NULL

T_forecast=20

T_econ=120

t_0=0

t_project0=18

a=0.2

for(j in 1:5){

P_m[j]=S_project[j]*p/t_add

for ( i in 1:15){ K_project[i]=i*0.1+0.5

Q_project[i]=1-exp(-K_project[i])

M_build[i]=M_build_max*(Q_project[i]/Q_plan)^x

t_project[i]=K_project[i]*t_project0

t_build[i,j]=S_project[j]/M_build[i]

C_project[i]=t_project[i]*n_project*LT_norm*Vc_project

Vc_build[i]=Vc_build_0*(Q_project[i]/Q_plan)^-y

Fc_build[i]=Fc_build_0*(Q_project[i]/Q_plan)^(-z)

C_build[i,j]=t_build[i,j]*Fc_build[i]+S_project[j]*Vc_build[i]+C_0

C_sum[i,j]=C_build[i,j]+C_project[i]

t_sum[i,j]=t_build[i,j]+t_project[i]

NP[i,j]=p*S_project[j]-C_sum[i,j]

OR[i,j]=(NP[i,j]/C_sum[i,j])

t_sv[i,j]=t_sum[i,j]+t_add

R1[i,j]=C_sum[i,j]*t_sv[i,j]-0.5*P_m[j]*t_add^2

R2[i,j]=t_sum[i,j]/(T_econ-t_0)

R3[i,j]=t_sum[i,j]/T_forecast

FR1[i,j]=round(10.30911*log(R1[i,j]/32650025) +5.32472)

FR2[i,j]= round(10.92892*log(R2[i,j]/0.3886307) +4.06732)

FR3[i,j]=round(5.4296*log(R3[i,j]/2.157566) +1.0345)

R[i,j]=FR1[i,j]*FR2[i,j]*FR3[i,j]}}

mean(OR)######0.4377601

FR1

FR2

FR3

R

################

FR1=matrix(rep(0,75),nrow=15,ncol=5)

FR2=matrix(rep(0,75),nrow=15,ncol=5)

FR3=matrix(rep(0,75),nrow=15,ncol=5)

R1=matrix(rep(0,75),nrow=15,ncol=5)

R2=matrix(rep(0,75),nrow=15,ncol=5)

R3=matrix(rep(0,75),nrow=15,ncol=5)

R=matrix(rep(0,75),nrow=15,ncol=5)

Q_plan=1-exp(-1)

K_project=NULL

Q_project=NULL

M_build=NULL

t_build=matrix(rep(0,75),nrow=15,ncol=5)

t_project=NULL

C_project=NULL

Vc_build=NULL

Fc_build=NULL

C_build=matrix(rep(0,75),nrow=15,ncol=5)

C_sum=matrix(rep(0,75),nrow=15,ncol=5)

t_sum=matrix(rep(0,75),nrow=15,ncol=5)

NP=matrix(rep(0,75),nrow=15,ncol=5)

OR=matrix(rep(0,75),nrow=15,ncol=5)

Vc_build=NULL

p=30

Vc_project=7

n_project=11

LT_norm=22

C_0=30

S_project=22000

x=2

M_build_max=800

y=0.1

z=0.2

Vc_build_0=18

Fc_build_0=1200

t_sv=matrix(rep(0,75),nrow=15,ncol=5)

t_add=24

P_m=NULL

T_forecast=20

T_econ=120

t_0=c(0,2,4,6,9)

t_project0=18

a=0.2

P_m=S_project*p/t_add

for(j in 1:5){

for ( i in 1:15){ K_project[i]=i*0.1+0.5

Q_project[i]=1-exp(-K_project[i])

M_build[i]=M_build_max*(Q_project[i]/Q_plan)^x

t_project[i]=K_project[i]*t_project0

t_build[i]=S_project/M_build[i]

C_project[i]=t_project[i]*n_project*LT_norm*Vc_project

Vc_build[i]=Vc_build_0*(Q_project[i]/Q_plan)^-y

Fc_build[i]=Fc_build_0*(Q_project[i]/Q_plan)^(-z)

C_build[i]=t_build[i]*Fc_build[i]+S_project*Vc_build[i]+C_0

C_sum[i]=C_build[i]+C_project[i]

t_sum[i]=t_build[i]+t_project[i]

NP[i]=p*S_project-C_sum[i]

OR[i]=(NP[i]/C_sum[i])

t_sv[i]=t_sum[i]+t_add

R1[i]=C_sum[i]*t_sv[i]-0.5*P_m*t_add^2

R2[i,j]=t_sum[i]/(T_econ-t_0[j])

R3[i]=t_sum[i]/T_forecast

FR1[i]=round(10.30911*log(R1[i]/32650025) +5.32472)

FR2[i,j]= round(10.92892*log(R2[i,j]/0.3886307) +4.06732)

FR3[i]=round(5.4296*log(R3[i]/2.157566) +1.0345)

R[i,j]=FR1[i]*FR2[i,j]*FR3[i]}}



Похожие работы:

«ДонецкАЯ НароднАЯ РеспубликА ЗАКОНОБ ОХРАНЕ ТРУДА Принят Постановлением Народного Совета 3 апреля 2015 года Глава 1. Общие положения Статья 1. Определение понятий и терминов 1. Для целей настоящего Закона используются следующие основные понятия: 1) работодатель – вла...»

«УДК 621.314ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ СУПЕРКОНДЕНСАТОРОВ В СИЛОВОЙ ПРЕОБРАЗОВАТЕЛЬНОЙ ТЕХНИКЕ А.Е. Белодедов, О.А. Лысенко Омский государственный технический университет, г. Омск, Россия В данной статье приведен краткий обзор с...»

«19 ИЮНЯ 2017 Вернуться в оглавлениеПубликации РИА НОВОСТИ; ГЕННАДИЙ МЕЛЬНИК; 2017.06.17; РФ НАМЕРЕНА ПОТЕСНИТЬ ИНОСТРАННЫХ АВИАПРОИЗВОДИТЕЛЕЙ НА ВНУТРЕННЕМ РЫНКЕРИА Новости, Геннадий Мельник. Россия намерена развивать отечественное авиа...»

«"Рассмотрено" Руководитель ШМО _// Протокол № _ от"_" 2014г. "Согласовано" Зам. директора по УР МБОУ "СОШ № 119" _ Э.М.Мустафина_ 2014г. "Утверждено" Директор МБОУ "СОШ № 119" Т.П.ФадееваПриказ № от"_" _2014 г.РАБОЧАЯ ПРОГРАММА Учебного предмета "Геогра...»

«МАЛАЯ РЕРИХОВСКАЯ БИБЛИОТЕКА Н.К.РерихОБ ИСКУССТВЕ Международный Центр Рерихов Москва 1994 г. Литературное наследие Н. К. Рериха, будь то Листы дневника, научные статьи, пьесы, стихи, являют собой вдохнове...»

«Документ предоставлен КонсультантПлюсМИНИСТЕРСТВО ТРАНСПОРТА РОССИЙСКОЙ ФЕДЕРАЦИИРАСПОРЯЖЕНИЕ от 31 июля 2001 г. N НА-296-рОБ УТВЕРЖДЕНИИ И ВВЕДЕНИИ В ДЕЙСТВИЕРУКОВОДСТВА ПО ОРГАНИЗАЦИИ СБОРА, ОБРАБОТКИИ ИСПОЛЬЗОВАНИЯ ПОЛЕТНОЙ ИН...»

«ПРИЛОЖЕНИЕ 3 Ресурсы промышленного развития в пространственном аспекте Красноярского края Макрорайон Промышленные центры Потенциал промышленного производства Базовые производства Перспективные производства Северный макрорайон г. НорильскМеталлургическ...»

«Государственное бюджетное образовательное учреждение среднего профессионального образования Серпуховский машиностроительный техникум Московской области Авторская разработка учебного кейса по теме: "Бизнесплан в программе Project Expert" в...»

«Объект: Адрес: _ УТВЕРЖДАЮ Генеральный директор ООО "Санаторий "Марциальные воды" /А.М. Матиешин/ Дата "" 20 г. М. П. АКТОСМОТРА ПРИБОРОВ УЧЕТА И СОГЛАСОВАНИЯ РАСЧЁТНОЙ СХЕМЫ УЧЁТА ЭЛЕКТРОЭНЕРГИИ (МОЩНОСТИ)"" 201 г.пос. Марциальные воды Общество с ограниченной ответственнос...»

«Министерство образования Нижегородской области Государственное бюджетное профессиональное образовательное учреждение "Арзамасский коммерческо-технический техникум"МЕТОДИЧЕСКОЕ ПОСОБИЕ ПО ВЫПОЛНЕНИЮПРАКТИЧЕСКИХ РАБОТ ОП. 12 Основы экономики организации и правового обеспечения профессиональной деятельности по с...»

«Витебский областной союз нанимателей 210029, Республика Беларусь, г. Витебск, ул. Правды,52 т/ф +375212470040, моб.+375296360902, e-mail:spip@tut.by; vosnvit@mail.ru Перечень предложений предприя...»

«Отчет Об итогах работы департамента градостроительства и земельных отношений администрации г. Оренбурга за 2014 год и задачах на 2015 год Цель создания Департамента, его задачи и функции направлены на формирование един...»

«ДИСТАНЦИОННЫЙ РАЗДЕЛ ПРОГРАММЫ повышения квалификации руководящих работников и специалистов организаций – членов СРО НП "СОЮЗАТОМГЕО" "Работы в составе инженерно-геологических изысканий и инженерно-геотехнических изысканий на объектах использования атомной энерги...»

«Сводная таблица замечаний и предложений к частям СП 47.13330.2012 "Инженерные изыскания для строительства. Основные положения" обязательного применения, вошедших в перечень, утвержденный Постановлением Правительства от 26.12.2014 г. №152...»

«Реестр выданных сертификатов о подтверждении происхождения энергии по состоянию на 31.01.2017 № п/п № серти-фикатаВид используемого возобновляемого источника энергии Дата ввода объекта в эксплуатацию, наименование и местополож...»

«ВОПРОСЫ К ЗАЧЕТУ ПО ДИСЦИПЛИНЕ "ОСОБЕННОСТИ БУХГАЛТЕРСКОГО УЧЕТА В ДРУГИХ ОТРАСЛЯХ НАРОДНОГО ХОЗЯЙСТВА" Сущность и классификация капитальных вложений. Объем и содержание технической документаци...»

«Белорусский государственный университет Механико-математический факультет Кафедра нелинейного анализа и аналитической экономики Аннотация к дипломной работе "Финансовые операции в схеме сложных процентов" Зайцева Алина Андреевна, руководитель Кротов Вениамин Григорьевич 2015 Дипломная р...»

«ВЫПИСКА ИЗ ФЕДЕРАЛЬНОГО ЗАКОНА РОССИЙСКОЙ ФЕДЕРАЦИИ ОТ 29 ДЕКАБРЯ 2012 Г. N 273-ФЗ "ОБ ОБРАЗОВАНИИ В РОССИЙСКОЙ ФЕДЕРАЦИИ" СТАТЬЯ 79, П.8. Профессиональное обучение и профессиональное образование обучающихся с ограниченными в...»

«ПРИЛОЖЕНИЕ F-3МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ И КОНТРАКТЫ ДОПОЛНЕНИЕ F-3-1 АНКЕТА ДЛЯ ПОТЕНЦИАЛЬНОГО ПОСТАВЩИКААНКЕТА ДЛЯ ПОТЕНЦИАЛЬНОГО ПОСТАВЩИКА         Назначение анкеты ТОО Тенгизшевройл проводит предварительную квалификационную оценку потенциальных по...»

«Колесников Николай Васильевич Родился 19 декабря 1937 года в г. Нижнеудинске Иркутской области. В 1958 году с отличием окончил Благовещенский геологоразведочный техникум по профессии "Геологоразведка рудных месторождений". В...»

«Приказ Федерального агентства по техническому регулированию и метрологии от 10 мая 2017 г. № 932 “О внесении изменений в приказ Федерального агентства по техническому регулированию и метрологии от 30 марта 2015 г....»

«ОБРАЗЕЦ"УТВЕРЖДАЮ" _ _// "_"2016 г.ТЕХНИЧЕСКОЕ ЗАДАНИЕ на оказание услуг по отлову, транспортировке, вакцинации, стерилизации (кастрации), содержание в послеоперационных стационарах или приютах, возврат безнадзорного животного в места прежнего обитания. Код бюджетной классификации: Период и условия оказания услуг: Место...»

«9 класс УМК: Мордкович А. Г. Алгебра. 9 класс: в 2 ч. Ч. 1: учебник для учащихся общеобразовательных учреждений / А. Г. Мордкович, П. В. Семенов. – М.: Мнемозина, 2010г. Мордкович А. Г. Алгебра. 9 класс: в 2 ч. Ч. 2: задачник для учащихся общеобразовательных учре...»

«Молокитина Надежда СергеевнаСТРОЕНИЕ И УСТОЙЧИВОСТЬ ДИСПЕРСИЙ ЛЬДА, СТАБИЛИЗИРОВАННЫХ ГИДРОФОБИЗИРОВАННЫМ НАНОКРЕМНЕЗЕМОМ Специальность 25.00.08 – инженерная геология, мерзлотоведение и грунтоведениеА В Т О Р Е Ф Е Р A T диссертации на соискание ученой степени кандидата технических на...»








 
2018 www.info.z-pdf.ru - «Библиотека бесплатных материалов - интернет документы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 2-3 рабочих дней удалим его.