Исследования 2022. Сборник статей iv международного научноисследовательского конкурса, Состоявшегося 20 февраля 2022 г в г. Пенза Пенза
 Скачать 6.07 Mb.
|
|
ЛУЧШИЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ 2022 IV международный научно-исследовательский конкурс | МЦНС «НАУКА И ПРОСВЕЩЕНИЕ» 12. Рабочая тетрадь РСМД «Перспективы развития проекта ЕАЭС к 2025 году», авторы - Е.С. Алексеенкова, И.С. Глотова, А.В. Девятков, В.А. Морозов, А.Ю. Осинина, Е.В. Пак, А.Н. Старостин, С.М. Юн. 13. Официальный сайт Евразийской экономической комиссии / Статистика ЕАЭС. – URL: https://eec.eaeunion.org/ 14. Официальный сайт «Таможня.ру» / Базы данных: Статистические данные. – http://www.tamognia.ru/ ЛУЧШИЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ 2022 113 www.naukaip.ru УДК 339 ВЕРОЯТНОСТНО-СТАТИСТИЧЕСКИЕ МЕТОДЫ И СРЕДСТВА ЦИФРОВЫХ ТЕХНОЛОГИЙ Харьков Василий Павлович к.т.н., доцент АНО ВО «Национальный институт бизнеса», г. Москва Аннотация. В работе приведен подход к решению задач цифровой экономики с использованием веро- ятностно-статистических методов. Приведен пример статистического моделирования бизнес процессов на предприятии. Ключевые слова: бизнес процесс, алгоритм, цифровые технологии, вероятность, статистическое мо- делирование. PROBABILISTIC-STATISTICAL METHODS AND MEANS OF DIGITAL TECHNOLOGIES Kharkiv Vasily Pavlovich Annotation. The paper presents an approach to solving the problems of the digital economy using probabilis- tic and statistical methods. An example of statistical modeling of business processes in an enterprise is given. Keywords: business process, algorithm, digital technologies, probability, statistical modeling. Информационные технологии реализуются в информационных системах организации (отрасли, страны). Цифровые информационные системы состоят из программного и аппаратного обеспечения. Программное обеспечение реализует алгоритмы бизнес процессов и операций. Алгоритм пред- ставляет собой последовательность шагов, которая позволяет решить определённую задачу. В цифровых технологиях алгоритм определяет последовательность шагов по преобразованию входных данных в выходные. Решаемая задача разбивается на ряд подзадач, для каждой из которых составляется свой алгоритм. Для практического решения задачи на основе алгоритма создаются программы для компьютеров. Программы могут состоять из комплекса подпрограмм (модулей) объединенных в единую информаци- онную систему. Рис. 1. Циркуляция данных в статистической модели бизнес процесса Бизнес процесс: Бизнес операции Результаты Бизнес Процесса Статистическая обработка Исходные Данные 114 ЛУЧШИЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ 2022 IV международный научно-исследовательский конкурс | МЦНС «НАУКА И ПРОСВЕЩЕНИЕ» Вероятностная оценка финансовых и экономических результатов бизнес процессов предприятия может проводиться на основе статистической обработки данных реального бизнес процесса или по ре- зультатам статистического моделирования (Рис.1). Рассмотрим процесс формирования прибыли в промышленном предприятии. Прибыль от реали- зации бизнес процесса (операции) равна разности суммы дохода и суммы расхода. Деятельность пред- приятия за определенный период состоит из совокупности бизнес процессов и операций. Финансовый результат деятельности предприятия меняется во времени и является случайным процессом (рис.2). Рис. 2. Схема формирования прибыли Можно рассмотреть значение прибыли за разные отрезки времени (день, неделя) как случайную величину. Значение прибыли определяется для конкретного отрезка времени в зависимости от текущих параметров бизнес процесса, например от себестоимости и количества проданной продукции (товара). По выборке данных (результатов) для последовательного ряда отрезков времени можно с использовани- ем статистических методов и алгоритмов оценить их выборочные параметры. Результаты выборочного распределения являются основой для анализа и прогнозирования финансовых показателей фирмы. Для организаций торговли необходим как анализ прошедших операций, так и прогноз продаж. Желательно получить информацию о возможной выручке и количеству продаж. Эта задача может ре- шаться с помощью статистического моделирования продаж методом Монте-Карло [1]. Он заключается в следующем: процесс описывается математической моделью с использованием генератора случай- ных величин, модель многократно обсчитывается, на основе полученных данных вычисляют- ся вероятностные характеристики рассматриваемого процесса. Исходные данные (себестоимость, количество и цена реализации) являются основой для стати- стического моделирования процесса. В качестве иллюстрации использования алгоритма и программных средств рассмотрим про- стейший пример задачи статистического моделирования процесса продаж. Цель моделирования – оценка статистических параметров распределения выручки магазина от продаж для заданных исход- ных данных. В примере получали повторные выборки из фиксированного числа периодов продаж товара. Ко- личество продаваемого товара в каждом периоде принималось случайным, распределенным по нор- мальному закону распределения с заданными параметрами распределения: среднее значение X sr и среднее квадратичное отклонение Sx. Алгоритм моделирования показан на рис.3 (где j - № реализации продаж). Для решения задачи ис- пользовали программное средство – электронные таблицы Excel. Эту задачу можно решать с помощью любого языка программирования – примеры моделирования на языке Python 3 изложены в работах [2,3]. Расчеты проводили в таблице Excel. В качестве примера изложенного подхода моделировали по 20 выборок из 7 значений для рабочих (с 1 по 5 день) и воскресных дней ( 6 и 7 значение). Количество проданного товара получали для каждого дня недели с помощью датчика случайных чисел распреде- ленных по нормальному закону. Сумму выручки определяли для каждой реализации по формуле: Выручка = Цена * Количество. Бизнес процесс Прибыль = ∑(Доходы – Расходы) Расходы ∑(Qr * Pr) Доходы ∑(Qpr * Ppr) ЛУЧШИЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ 2022 115 www.naukaip.ru Рис. 3. Схема алгоритма моделирования задачи продаж Для расчетов сформировали 3 листа таблицы Excel. Первый лист заполнили исходными данны- ми. Во втором листе (рис.3) вводили формулы для статистического моделирования значений случай- ной величины – количества проданного товара в данный день недели. Как результат моделирования в ячейках листа мы получали реализации объемов продаж. Третий лист содержит реализации сумм вы- ручки соответствующие объемам продаж из 2-го листа. Таблица 1 Исходные данные для моделирования цена Кол ср V кол S кол 50 1000 0,15 150 Таблица 2 Результаты моделирования для количества продаж № дн 1 2 3 4 5 6 7 Итого Коэф 1 1 1 1 1 1,5 1,5 Колич 7 1 1080 875 1159 939 1102 1362 1394 7912 2 1195 1306 1164 1320 1072 1309 1209 8574 3 948 1052 1135 1162 899 1623 1670 8489 4 929 880 1190 966 699 1902 2080 8646 5 1233 1224 939 687 868 1601 1386 7938 6 1053 900 921 1196 1088 1287 1227 7671 7 1106 1229 767 1052 929 1496 1714 8293 8 774 1006 815 1056 896 1215 1442 7203 9 1055 1117 879 965 927 1699 1762 8403 10 897 848 1171 775 1199 1123 1744 7756 11 813 864 894 928 1229 1797 1549 8074 12 1068 993 1009 980 1144 1310 1616 8120 13 1061 1048 805 1032 1141 1329 1784 8200 14 938 845 1071 1215 987 1829 1435 8318 15 1076 839 1114 956 938 1738 1006 7667 16 1113 1061 1011 1162 934 1277 1164 7722 17 927 951 1033 837 1090 1693 1252 7784 18 1236 780 1147 900 1074 1168 1670 7976 19 837 999 963 1231 936 1342 1310 7619 20 1107 1271 1181 879 1009 1712 2243 9401 Кол ср 1022 1004 1018 1012 1008 1491 1533 8088 СКО 134 158 139 164 130 244 311 481 V кол 0,13 0,16 0,14 0,16 0,13 0,16 0,20 0,06 Расчет реализации количества товара (Xj) и выручки (Сумма) Xj=НОРМОБР(СЛЧИС();$F$4;$ F$8) Сумма j = X j * цена Сумма sr, S сумма (выборочные оценки) Xsr, Sx S 116 ЛУЧШИЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ 2022 IV международный научно-исследовательский конкурс | МЦНС «НАУКА И ПРОСВЕЩЕНИЕ» Исходные данные приведены в таблице 1. В таблице обозначены: цена – цена продажи едини- цы товара; Кол ср. V кол и S кол – исходные параметры нормального закона распределения количе- ства продаваемого товара, Коэф – уровень продаж по дням недели. В примере расчета принимали, что объем продаж в субботу и воскресенье повышался в 1,5 раза. В таблице 2 приведены результаты моделирования количества проданных товаров для 7 дней недели (Кол ср, СКО, V кол – выборочные оценки параметров распределения количества проданного товара). По полученным в результате моделирования выборочным оценкам параметров среднее значе- ние X sr и среднее квадратичное отклонение S x можно рассчитать доверительный интервал для оце- ниваемой величины: X min = X sr – 3* S x; X max = X sr + 3* S x Для интервала 3 сигма вероятность попадания очередного фактического значения в него составят 99,7%. В таблице 3 приведены результаты моделирования для выручки от продажи товаров для 7 дней недели. В таблице показаны также 3х сигмовые доверительные интервалы для выручки от продаж. Таблица 3 Результаты моделирования для выручки от продаж № дн 1 2 3 4 5 6 7 Итого рб Коэф 1 1 1 1 1 1,5 1,5 1 54008 43774 57941 46959 55111 68106 69696 395595 2 59755 65283 58194 65992 53603 65427 60430 428683 3 47399 52591 56755 58095 44939 81139 83519 424438 4 46453 44024 59502 48301 34927 95097 103996 432300 5 61631 61197 46964 34337 43399 80062 69297 396887 6 52637 45006 46057 59790 54386 64350 61338 383564 7 55283 61470 38369 52586 46427 74779 85719 414634 8 38691 50316 40769 52786 44795 60730 72082 360168 9 52755 55834 43960 48250 46363 84926 88077 420166 10 44838 42411 58527 38733 59940 56146 87185 387780 11 40674 43191 44704 46379 61426 89866 77442 403682 12 53405 49657 50455 49008 57205 65478 80811 406019 13 53069 52419 40238 51602 57037 66469 89189 410023 14 46886 42232 53537 60728 49339 91441 71756 415919 15 53821 41956 55679 47807 46919 86881 50313 383375 16 55645 53039 50554 58103 46696 63846 58210 386092 17 46357 47574 51657 41872 54483 84667 62607 389217 18 61796 38981 57373 45008 53724 58403 83514 398800 19 41862 49953 48159 61572 46791 67112 65488 380936 20 55341 63548 59029 43950 50440 85620 112143 470072 Выручка средняя 51115 50223 50921 50593 50398 74527 76641 404418 СКО 6686 7897 6937 8194 6492 12220 15562 24054 V выр 0,13 0,16 0,14 0,16 0,13 0,16 0,20 0,06 Коэф продаж 0,88 0,87 0,88 0,88 0,87 1,29 1,33 57774 cpедн - 3 ско 31058 26532 30111 26010 30922 37868 29956 332255 cpедн + 3 ско 71173 73913 71731 75175 69873 111187 123325 476580 51115 50223 50921 50593 50398 74527 76641 404418 ЛУЧШИЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ 2022 117 www.naukaip.ru Результаты моделирования в графической форме представлены на рис. 4,5. Рис. 4. Результаты моделирования выручки от продаж для 7 дней недели. Рис.5. Гистограмма выборочной оценки среднего значения и 3х сигмовых доверительных границ выручки от продаж. Список источников 1. Соболь И. М. Метод Монте-Карло. М. Наука 1968 г., 64 с. 2. Харьков В.П., "Основные понятия и возможности цифровой экономики " Сборник статей Международной научно-практической конференции (14 марта 2018 г., г. Москва). [Электронный ре- сурс]– М.: Импульс, 2018. – 432 с. 3. Харьков В.П. «Статистическое моделирование процесса продаж». сборник статей V Между- народной научно-практической конференции, «Актуальные вопросы экономики». 5 февраля 2021г. в г. Пенза 2021 год. 0 20000 40000 60000 80000 100000 120000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Ряд1 Ряд2 Ряд3 Ряд4 Ряд5 Ряд6 Ряд7 0 20000 40000 60000 80000 100000 120000 1 2 3 4 5 6 7 Ряд1 Ряд2 Ряд3 118 ЛУЧШИЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ 2022 IV международный научно-исследовательский конкурс | МЦНС «НАУКА И ПРОСВЕЩЕНИЕ» УДК 330.354 МАКРОЭКОНОМИЧЕСКАЯ ЭФФЕКТИВНОСТЬ И НАУЧНО-ТЕХНИЧЕСКИЙ ПРОГРЕСС Крымшамхалов Борис Михайлович Студент ФГАОУ ВО «Северный (Арктический) федеральный университет имени М.В. Ломоносова» Аннотация: в данной статье речь пойдет о таком факторе экономического роста, как макроэкономиче- ская эффективность. Развитие национальной экономики во многом зависит от правильного соотноше- ния затрат и достигаемого результата. Одним из основных драйверов повышения эффективности эко- номики является научно-технический прогресс, направленный на повышение производительности. Он выражается в использовании результатов развития науки, техники и технологий, осуществлении инве- стиций, а также в использовании и развитии человеческого капитала. Ключевые слова: макроэкономика, экономический рост, экономическое развитие, эффективность, научно-технический прогресс. MACROECONOMIC EFFICIENCY AND SCIENTIFIC AND TECHNOLOGICAL PROGRESS Krymshamkhalov Boris Mikhailovich Abstract: This article focuses on such a factor of economic growth as macroeconomic efficiency. The devel- opment of the national economy largely depends on the correct ratio of costs and the achieved result. One of the main drivers of increasing the efficiency of the economy is scientific and technological progress aimed at increasing productivity. It is expressed in the use of the results of the development of science, engineering and technology, investments, as well as in the use and development of human capital. Key words: macroeconomics, economic growth, economic development, efficiency, scientific and technologi- cal progress. Макроэкономическая эффективность – показатель, который определяется соотношением эконо- мического результата и затратами, обеспечившими этот результат. Чем меньше затраты и чем лучше результат хозяйственной деятельности, тем выше экономическая эффективность. Это есть абсолютная экономическая эффективность, которая необходима для анализа и оценки результатов деятельности. Кроме того, существует также относительная экономическая эффективность, необходимая для обоснования принятых производственных, организационных, технических и хозяйственных решений путем выбора самого оптимального варианта из всех предложенных. При нормативном анализе экономическая эффективность на макроуровне определяется принци- пом «Парето – эффективность», который гласит о том, что в экономике невозможно увеличить степень удовлетворения потребностей одного человека, не уменьшив степень удовлетворения потребностей другого [1]. Достижение экономической эффективности связано с обострением противоречий между ее эко- номической и социальной составляющими, при том, что и та, и другая служат удовлетворению потреб- ностей общества. Для того, чтобы обеспечить максимизацию экономической эффективности при минимизации со- циальных затрат, необходимо вмешательство государства. Посредством перераспределения доходов оно может существенно сгладить негативные последствия достижения экономической эффективности. ЛУЧШИЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ 2022 119 www.naukaip.ru Что касается показателей экономической эффективности на макроуровне, то их можно подраз- делить на 3 группы: 1. Технологические (энергоемкость ВВП, материалоемкость ВВП, доля прогрессивных техноло- гий и материалов). 2. Экономические (производительность труда и трудозатраты, капиталоемкость, капиталоотдача, оценки эффективности, например, ВВП на душу населения). 3. Метаэкономические (уровень, качество и продолжительность жизни и др.) [2]. Стоит добавить, что определение экономической эффективности имеет свои проблемы. Основ- ной проблемой является выбор, а именно выбор того, что и как производить, какие использовать при этом ресурсы, сколько использовать ресурсов, как распределять продукцию, и т.д. Данный выбор необ- ходимо делать, основываясь на сравнении преимуществ, которые может дать тот или иной способ производства и распределения. Этот принцип считается основой специализации как отдельных госу- дарств, так и мирового сообщества в целом [3]. Как известно, на повышение производительности в обеспечении экономического роста влияет множество факторов. Одним из этих факторов является научно-технический прогресс, на который при- ходится около 40% повышения производительности. Научно-технический прогресс – это поступатель- ное движение науки и техники, эволюционное развитие всех компонентов производительных сил обще- ственного производства на основе широкого познания и освоения внешних сил природы. Понятие «научно-технический прогресс» отражает не только внедрение новых производственных технологий, но и появление новых методов организации и управления, улучшающих производственный процесс. Научно-технический прогресс связан с появлением новых знаний и научных открытий, позволя- ющих комбинировать тем же количеством ресурсов так, чтобы в итоге получать увеличение объема произведенной продукции. После появления и реализации новые знания становятся относительно до- ступными для всех экономических субъектов, и в конце концов постепенно распространяются по всей экономике [4]. Кроме того, научно-технический прогресс связан с накоплением капитала, ведь технологические прорывы зачастую приводят к крупным вложениям в новое оборудование. По факту, научно- технический прогресс часто неотделим от инвестиций. Например, закупка новой техники предполагает не только увеличение количества единиц данной техники, но и ее более быстрое распространение по экономике. Как известно, научно-технический прогресс – процесс длительный и глубинный. Его история насчитывает не одну сотню лет. В последнее время темпы прогресса сильно возросли, особенно в об- ластях информационных технологий, таких как беспроводные коммуникации и сеть Интернет. Помимо данных областей следует также отметить биотехнологии и медицину. Что касается моделей научно-технического прогресса, то различают модели с экзогенным и эн- догенным научно-техническим прогрессом. Экзогенные модели заключается в том, что изменение технологии во времени описывается независимо от переменных состояния экономики. Из этого следует, что в производственной функции переменная t является третьим аргументом после L и К, то есть объем выпуска продукции задается следующим образом: Y = F(L, K, t) С другой стороны, существуют модели, в которых переменные, отражающие состояние экономи- ки, влияют на изменение производственной функции. Это эндогенные модели научно-технического прогресса, которые основаны на идее накопления человеческого капитала. Так, например, в известной модели американского экономиста К. Эрроу фактор обучения в про- цессе производства служит источником улучшения технологии и совершенствованием организации производственного процесса. Мерой накопленного опыта служит кумулятивный объем произведенной продукции. Фактором, ограничивающим выпуск продукции, является объем капитала, который опреде- ляет возможности производства. Зависимость объема выпуска от капитала определяется равенством: |