33
уровне капитальных вложений. Это означает, что предприятие не может
получить достаточно прибыли от своих основных средств.
Рассчитывается по формуле:
????????
Коэффициент оборачиваемости основных средств в 2021 году составил 0.42,
а в 2022 и 2023 годах – 0.41, что является относительной нормой для железной
дороги, где доля основных средств велика, поэтому значение показателя будет
низким.
34
3. РАЗРАБОТКА МЕРОПРИЯТИЙ ПО ОПТИМИЗАЦИИ СИСТЕМЫ
ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ АО «УЗБЕКИСТОН
ТЕМИР ЙУЛЛАРИ¬ В СОВРЕМЕННЫХ УСЛОВИЯХ
3.1. Предложения по оптимизации системы принятия управленческих
решений АО «Узбекистон Темир Йуллари¬
Как показал анализ из предыдущей главы, активы компании используются не
совсем эффективно. Чтобы определить, куда целесообразней вложить
свободные денежные средства, проведём анализ эффективности акционерного
общества по регионам. Для оптимизации системы управления в качестве
нововведения будет использоваться анализ среды функционирования (DEA, data
envelopment analysis).
Наиболее важной характеристикой для оценки качества системы любого
характера является эффективность ее функционирования. В течение долгого
времени для определения развития социально-экономических систем
использовались одномерные показатели, которые не могут полностью оценить
эффективность даже малого бизнеса, поскольку одномерные коэффициенты
отражают лишь отдельные стороны многомерной системы. Более того,
поскольку все эти критерии взаимосвязаны, сложно принимать правильные
решения: улучшение одного показателя может привести к ухудшению другого.
Появились более объективные методики оценки эффективности сложных
систем лишь во второй половине XX в. Один из таких методов был разработан
американскими учеными А. Чарнсном, В. Купером и Е. Родесом в 1978 г. и
назывался «Анализ среды функционирования¬ (DEA) [23, c.436].
35
В настоящее время этот метод широко используется во всем мире как
инструмент анализа эффективности сложных социальных и экономических
систем, поскольку это дает возможность включить в модель множественные
входы и выходы.
Метод DEA относится к граничным методам, так как этот метод основан на
построении так называемой граничной эффективности и анализе расположения
объектов относительно этой границы. Если точка, соответствующая
исследуемому объекту, находится на границе эффективности, этот объект
считается эффективным. Объекты, не находящиеся на линии границы,
определяются неэффективными. Степень неэффективности этих объектов
рассчитывается по расстоянию между этими точками и границей эффективности
[8, c.3].
Таким образом, анализ среды функционирования можно определить как
непараметрический подход, основанный на линейном программировании для
изучения эффективности различных агентов [15, c.49].
Можно выделить три основных преимущества использования этого метода:
1. возможность одновременного включения всех видов входов и выходов;
2. построение границы в строгом соответствии с имеющимися данными и
оценка сравнительной эффективности ее объектов;
3. нет априорных ограничений на форму границы.
Однако этот подход также подразумевает и следующие недостатки:
1. не учитываются возможные случайные ошибки в данных;
2. граница эффективности основана на «выдающихся¬ объектах, а не на
усредненных данных, поэтому она может существенно меняться с
течением времени.
36
Чтобы найти эффективность
целевого объекта a, необходимо решить
следующую задачу максимизации:
????????
????????
????????
где
— эффективность целевого объекта a,
— объем входа m для объекта a,
— объем выхода n из объекта a,
— вес, присвоенный вводу m,
— вес, присвоенный выходу n,
Здесь эффективность колеблется от 0 до 1: 1 для наиболее эффективных
объектов и <1 для менее эффективных.
Согласно Чарнсу и Куперу (1962) вышеуказанную задачу функционального
программирования можно решить с помощью линейной программы:
????????
????????
????????
????????
37
где — весовой коэффициент [24, c.183].
Полученные результаты будут различаться в зависимости от конкретного
эффекта масштаба: постоянного эффекта масштаба (CRS) или переменного
эффекта масштаба (VRS). Модель переменного эффекта масштаба,
предложенная Банкером, Чарнсом и Купером (1984), включает как
возрастающую, так и убывающую отдачу [21, c.1081]. Модель DEA с постоянным
эффектом масштаба (Charnes, Cooper and Rhodes, 1978) предполагает, что
увеличение затрат приведет к изменению выпуска в той же пропорции, тогда как
VRS означает, что выпуск может измениться в сторону увеличения, уменьшения
или в той же пропорции [23, c.435].
Купер, Сейфорд и Тон (2007) выделили два разных типа модели DEA: модели,
ориентированные на ввод и выход. Цель первой модели — минимизировать
затраты при сохранении постоянного объема выпуска. Напротив, свойство
модели, ориентированной на выпуск, выражается в максимизации выпуска без
добавления единиц ввода [25, c.158].
Учитывая преимущества анализа среды функционирования, этот подход в
данной выпускной квалификационной работе используется для оптимизации
системы принятия управленческих решений.
Обращаясь к предыдущей главе, видно, что перевозка грузов и пассажиров
является основной деятельностью предприятия и доля выручки от перевозок в
общей чистой выручке составляет 85,83%. Таким образом, в качестве
параметров, используемых для модели анализа среды функционирования
целесообразно использовать показатели грузооборота и пассажирооборота за
2023 год. Для более детального рассмотрения используются данные по регионам
Узбекистана (таблица 3.1).
38
Таблица 3.1
Грузооборот и пассажирооборот в разрезе регионов за 2023 год
№
Регион
Грузооборот
(млн тн-км)
Пассажирооборот
(млн пасс.км)
1
Республика Каракалпакстан
1868.33
213.35
2
Андижанская область
1299.48
330.30
3
Бухарская область
2615.92
286.26
4
Джизакская область
1564.11
288.06
5
Кашкадарьинская область
1689.64
290.41
6
Навоийская область
2197.12
233.30
7
Наманганская область
1374.63
264.61
8
Самаркандская область
1876.02
386.47
9
Сурхандарьинская область
1290.36
199.21
10
Сырдарьинская область
1034.28
200.18
11
Ташкентская область
2353.50
348.58
12
Ферганская область
2347.54
324.80
13
Хорезмская область
1325.27
243.32
14
г. Ташкент
2643.81
311.16
Всего
25480.00
3920.00
На основе представленных данных в таблице 4 было составлено 2 графика для
визуализации показателей (Рис 3.1 и Рис 3.2).
Как можно заметить из первого графика (Рис 3.1), по объему грузооборота
железнодорожного транспорта лидирует город Ташкент-столица Узбекистана
(2643.81 млн тн-км), минимальное значение – у Сырдарьинской области (1034.28
млн тн-км), среднее значение по стране – 1820.00 млн тн-км.
39
Рис. 3.1 Грузооборот в разрезе регионов за 2023 год
Рис. 3.2 Пассажирооборот в разрезе регионов за 2023 год
0,00
500,00
1000,00
1500,00
2000,00
2500,00
3000,00
0,00
50,00
100,00
150,00
200,00
250,00
300,00
350,00
400,00
450,00
40
Согласно второму графику максимальное значение принимает объем
пассажирооборота Самаркандской области (386.47 млн.пасс.км), наименьший
пассажирооборот – в Сурхандарьинской области (199.21 млн пасс.км), среднее
значение по Узбекистану – 280 млн пасс.км.
Показатели грузо- и пассажирооборота будут использоваться в качестве
выходных значений для анализа среды функционирования, так как необходимо
максимизировать «выпуск¬ без добавления единиц ввода. Как отмечалось выше,
модели, ориентированные на выход, нацелены на увеличение значений
выходных показателей неэффективных регионов.
В качестве входного параметра выбрана единица, так как модель анализа
среды функционирования предполагает наличие хотя бы одного входного
значения. В таких случаях единица является условным показателем и ее значение
присваивается для всех регионов.
Таким образом, для анализа среды функционирования была выбрана модель,
фокусирующаяся на выходе, при условии постоянного эффекта масштаба.
Использование этой модели обусловлено тем, что для оптимизации системы
принятия управленческих решений требуется выработать рекомендации по
увеличению объема грузооборота и пассажирооборота. Следует отметить, что
показатели выручки от перевозки грузов и пассажиров намеренно не были
выбраны в качестве выходных показателей, так как рекомендуемые значения
объема перевозок железнодорожного транспорта сначала предлагается сравнить
с объемом перевозок автомобильного транспорта, так как именно данный вид
транспорта является основным конкурентом в местных перевозках.
Для расчета относительной эффективности регионов за 2023 год была
использовано программа RStudio, пакет анализа данных «Benchmarking¬ [22, c.2].
41
Рис. 3.3 Относительная эффективность регионов за 2023 год
На рисунке 3.3 представлены результаты расчетов модели анализа среды
функционирования. Сразу становится очевидным, что город Ташкент,
0,71
0,85
0,99
0,77
0,79
0,83
0,70
1,00
0,56
0,53
1,00
0,96
0,65
1,00
0,00 0,20 0,40 0,60 0,80 1,00 1,20
Республика Каракалпакстан
Андижанская область
Бухарская область
Джизакская область
Кашкадарьинская область
Навоийская область
Наманганская область
Самаркандская область
Сурхандарьинская область
Сырдарьинская область
Ташкентская область
Ферганская область
Хорезмская область
г. Ташкент
42
Ташкентская область и Самаркандская область являются лидерами среди всех
регионов. Затем следуют Бухарская область, Ферганская область, Андижанская
область и Навоийская область, причем показатели составляют 0,99, 0,96, 0,85 и
0,83 соответственно. Среднее значение по Республике Узбекистан – 0,81. Все
остальные регионы (Кашкадарьинская область – 0,79, Джизакская область – 0,77,
Республика Каракалпакстан – 0,71, Наманганская область – 0,70, Хорезмская
область – 0,65) демонстрируют эффективность ниже среднего с минимальными
значениями у Сурхандарьинской и Сырдарьинской областей, 0,56 и 0,53
соответственно.
Рис. 3.4 Структура относительной эффективности регионов за 2023 год
В соответствии с рисунком 3.4 половина регионов в 2023 году имели
относительную эффективность ниже среднего, 29% - выше среднего, но меньше
50%
29%
21%
0.5<= E <0.81 0.81<= E <1 E ==1