Прогнозная модель метода выглядит следующим образом:

(1.29)

где x_t (ф) - прогноз, выполненный на ф шагов вперед после t шагов адаптации модели;

а_t, b_t - корректируемые параметры модели на каждом t -м шаге;

ф - период упреждения прогноза.

Адаптация параметров a_t, b_t происходит по следующим формулам:

(1.30)

, (1.31)

где б1,б2 принадлежат отрезку [0;1] -параметры адаптации.

Параметры адаптации в модели Хольта, также как и в модели Брауна определяются либо экспериментальным путем, либо исходя из теоретических предположений.

a₀, b₀ принимаются равными коэффициентам, определенным в линейной модели. [35, 93]

Например,

Пусть б1=0,1 и б2=0,2, тогда:

a₀, b₀ принимаются равными коэффициентам, определенным в линейной модели.

Метод Хольта применительно к сезонным эффектам был развит Уинтерсом. Модель Хольта-Уинтерса (или адаптивная сезонная модель с линейным трендом) содержит 3 параметра адаптации б1, б2, б3.

Различают мультипликативную и аддитивную модели Хольта-Уинтерса.

Рекуррентные формулы обновления для мультипликативной модели выглядит следующим образом:

(1.32)

(1.33)

(1.34)

где а_0t, a_1t - адаптируемые параметры линейного тренда на t-м шаге адаптации; f_t - адаптируемый параметр сезонных коэффициентов на t-м шаге адаптации; l - период сезонности. [35, 101]

Прогнозирование мультипликативной модели на ф шагов вперед осуществляется по формуле:

, (1.35)

где прогноз осуществляется на ф шагов вперед на t-м шаге адаптации.

Обучение аддитивной модели Хольта-Уинтерса происходит по формулам:

 (1.36)

(1.37)

(1.38)

Прогнозирование аддитивной модели на ф шагов вперед осуществляется по формуле:

, (1.39)

где прогноз осуществляется на ф шагов вперед на t-м шаге адаптации.

На практике параметры и рассчитываются как коэффициенты линейной регрессии. [35, 108]

Начальные значения адаптируемых коэффициентов сезонности определяется как средние арифметические значения индексов

- для мультипликативной модели (1.40)

- для аддитивной модели. (1.41)

рассчитанной для каждой одноименной фазы периода (где ).

Параметры адаптации б1, б2, б3 подбираются экспериментальным путем. Обычно берется ряд возможных сочетаний значений б1, б2, б3. [35, 118]

Построение модели Хольта-Уинтерса, как и построение модели Брауна условно можно разделить на 3 этапа.

На первом этапе рассчитываются начальные значения адаптируемых параметров a_00, a₁₀ , а также начальные значения адаптируемых коэффициентов сезонности f_i-l (i от 1 до l).

Для расчета начальных значений адаптируемых коэффициентов сезонности определяем расчетное значение линейного тренда .

Далее находим сезонные коэффициенты:

. (1.42)

Начальные значения адаптируемых коэффициентов сезонности f_i-l (i от 1 до l) оцениваются как среднеарифметические коэффициенты соответствующей фазы. Расчет сезонных индексов ведется исходя из, например, при Т=4:

[35, 121]

Прогнозирование на 1 шаг вперед на нулевом шаге обучения осуществляется по формуле:

- для мультипликативной модели (1.43)

- для аддитивной модели (1.44)

На втором этапе модифицируем модель по соответствующим формулам:

для мультипликативной модели:

(1.45)

(1.46)

(1.47)

для аддитивной модели: /35,127/

(1.48)

(1.49)

(1.50)

На заключительном этапе строим прогноз на основе полученной модели.

Прежде, чем переходить к построению прогноза следует удостовериться, что построенная модель является адекватной. Под адекватностью модели понимается соответствие ее реальному моделируемому процессу, достоверность ее параметров.

Среднее значение модуля относительной ошибки у, выраженное в процентах, прогноза объема реализации сумок определяется по формуле: [35,135]

(1.51)

1.3 Планирование производственной программы и управление оборотными средствами

Любое предприятие имеет целью получение максимальной прибыли при минимальных затратах. Для выживания на рынке управляющему персоналу предприятий необходимо уметь планировать свою производственную программу, ориентироваться в своих доходах и издержках, знать из чего они складываются, и чем определяется их поведение. В зависимости от объема производства общие совокупные издержки будут изменяться, причем не прямо пропорционально объему, так как составные совокупных затрат по разному реагируют на изменение объема производства. Так издержки совокупные (общие) включают в себя переменные, к которым относятся сырье, материалы, зарплата производственных рабочих и т. д., и постоянные (фиксированные) издержки - амортизация, реклама, зарплата обслуживающего персонала и т. д. Отличие постоянных и переменных затрат заключается в том, что первые не зависимы от изменений в объеме производства и имеют место и в случае, если предприятие ничего не производит; переменные же изменяются пропорционально изменениям объема производства. При незначительном объеме производства оборудование предприятия будет недогруженным, переменные издержки на единицу продукции будут высокими. Но эффективность производства может увеличиться за счет более высокого уровня специализации рабочих и более полного использования оборудования предприятия. Вследствие чего переменные издержки на единицу продукции будут уменьшаться. Но при все нарастающем применении переменных ресурсов в определенный момент вступит в действие закон убывающей отдачи, когда чрезмерно интенсивное использование оборудования приведет к тому, что каждая добавочная единица переменных ресурсов будет приносить все меньшую пользу и увеличивать объем производства на все меньшую величину. [25, 78]

Для производства огромную важность имеют такие значения как средние совокупные, средние постоянные и средние переменные издержки, так как они отражают средний удельный вес соответствующих затрат на единицу продукции; что в свою очередь позволяет сравнить, проанализировать соотношение цен и издержек на единицу продукции. Для оценки возможности и необходимости выпуска большего количества продукции важное значение имеет понятие предельных издержек, которые определяются дополнительным расходом ресурсов при изменении объема выпуска продукции на одну единицу. Поскольку постоянные затраты остаются неизменными при изменении объема производства, то можно сделать вывод, что уровень и поведение предельных затрат зависит от переменных издержек.

Кривая средних издержек пересекается кривой предельных издержек в точке, называемой точкой минимальных средних издержек. Кроме всего этого, необходимо знать, что в долгосрочном периоде и в краткосрочном издержки ведут себя по-разному. В долгосрочном периоде постоянные издержки становятся также переменными, т.к. предприятие в этом случае изменяет свои производственные мощности, долгосрочная кривая средних издержек является касательной ко всем возможным краткосрочным кривым средних издержек, она предлагает выбор оптимального масштаба производства. [32, 108]

Увеличение размеров предприятия, его масштабов имеет двоякий эффект, он может быть положительным или отрицательным. Положительный эффект сопровождается ситуацией, когда долговременные средние издержки сокращаются по мере роста объема продукции. Это происходит за счет ряда факторов: углубление специализации, возможность установить более высокопроизводительное оборудование, диверсификация деятельности.

Отрицательный эффект масштаба возникает при такой организации производства, при которой долговременные средние издержки возрастают по мере роста объема выпуска продукции. Основная, глубинная причина отрицательного эффекта масштаба кроется в нарушении управляемости в чрезмерно крупной фирме, что является следствием раздутия административного аппарата, что неизбежно при крупном производстве.

Между отрезками положительного и отрицательного эффектов может находиться участок постоянной отдачи от масштабов производства, средние долгосрочные издержки здесь неизменны.

Для предприятия важно определить свой минимальный эффективный масштаб, который является объемом производства, при котором долговременные средние издержки перестают снижаться. Минимально эффективный размер является минимальным объемом производства, при котором предприятие имеет минимальные издержки долгосрочного периода. От того, как выглядит кривая средних долгосрочных издержек зависит конкурентность отрасли и следовательно можно, анализируя кривую, получить представление о предполагаемой жизнеспособности определенного предприятия в данной отрасли. [32, 126]

Планирование производственной программы должно учитывать такие понятия, как рациональность - способ выбора решений, основанный на устремленности к достижению наибольших экономических результатов при минимально возможных затратах необходимых ресурсов и оптимальность - относится к получению наилучшего результата. Рациональное экономическое поведение обеспечивает максимальные результаты с наименьшей затратой сил и средств. [25, 95]

С позиции эффективного управления финансами организации особую роль играют оборотные активы, поскольку они и включают переменные издержки. Именно поэтому задача оптимизации величины оборотных средств и их структуры имеет первостепенную важность. Оборотные средства могут быть охарактеризованы с различных точек зрения, однако наиболее весомыми характеристиками являются их ликвидность, объем и структура.

Эффективность использования финансовых ресурсов определяется их оборачиваемостью. При этом можно анализировать как общую сумму финансовых ресурсов коммерческой организации, так и отдельные их виды.

Из всей совокупности суммы финансовых ресурсов коммерческой организации только небольшая часть представляет собой свободные денежные средства, к которым относятся средства в кассе и на расчетном счете. Остальные находятся в обороте: вложены в основные и оборотные средства. Последние представляют собой наиболее мобильную часть хозяйственных средств. Они непрерывно обновляются, проходя все стадии производственного процесса. [72, 91]

Важнейшие показатели хозяйственной деятельности коммерческой организации - прибыль и объем реализованной продукции - находятся в прямой зависимости от скорости оборачиваемости оборотных средств. Показатели оборачиваемости чрезвычайно важны для коммерческой организации.

Во-первых, от скорости оборота средств зависит размер годового оборота: коммерческая организация, имеющая сравнительно небольшой объем средств, но более эффективно их использующая, может делать такой же оборот, как организация с большим объемом средств, но меньшей скоростью оборота.

Во-вторых, с размерами оборота, а, следовательно, и с оборачиваемостью, связана относительная величина расходов условно-постоянного характера: чем быстрее оборот, тем меньше на каждый оборот приходится этих расходов, и, следовательно, ниже себестоимость единицы продукции.

В третьих, ускорение оборота на той или иной стадии кругооборота средств (например, сокращение сроков получения дебиторской задолженности) заставляет ускорить оборот и на других стадиях. [72, 115]

Определить среднее время оборачиваемости средств, разбить этот срок на отдельные моменты, соответствующие отдельным этапам кругооборота (снабжение, производство, реализация), установить, где и как можно ускорить оборачиваемость, - важнейшая задача финансового менеджера или руководителя.

Оборачиваемость оборотных средств характеризуется следующими показателями.

Оборачиваемость в днях (О_д) - число дней, в течение которых оборотные средства совершают полный кругооборот:

, (1.52)

где С₀ - средний остаток оборотных средств;

Д - число дней в анализируемом периоде;

Р - оборот средств за этот период. [71, 74]

Коэффициент оборачиваемости (К_д) - число оборотов, которые совершают оборотные средства за анализируемый период:

К_д = Р : С₀. (1.53)

Между этими двумя показателями существует очевидная взаимосвязь:

К_д = Д : О_д. (1.54)

Средний остаток оборотных средств в целом или какого-нибудь их вида исчисляют по формуле средней хронологической:

, (1.55)

где S_n - моментные данные об остатках анализируемых оборотных средств. [71, 78]

Оборачиваемость можно исчислять по всем оборотным средствам либо отдельным их видам. Расчет оборачиваемости отдельных видов оборотных средств позволяет в какой-то степени определить вклад каждого подразделения коммерческой организации (складов, производственных цехов и др.) в повышение эффективности использования оборотных средств.

В каждом из перечисленных выше случаев фактическую оборачиваемость одного периода сравнивают с аналогичным показателем за другой период для выявления степени ускорения (или замедления) оборачиваемости и суммы средств, дополнительно вовлеченных в оборот (отвлеченных из оборота).

При анализе оборачиваемости оборотных средств отдельных видов особое внимание должно уделяться производственным запасам и дебиторской задолженности. Чем меньше омертвляются финансовые ресурсы в этих активах, тем более эффективно они используются, быстрее оборачиваются, принося коммерческой организации все новые и новые прибыли.

Оборачиваемость оценивают, сопоставляя показатели средних остатков оборотных активов и их оборотов за анализируемый период. Оборотами при оценки оборачиваемости для дебиторской задолженности является реализация продукции по безналичному расчету (поскольку этот показатель не отражается в отчетности и может быть выявлен лишь в рамках внутреннего анализа по данным бухгалтерского учета, на практике его нередко заменяют показателем выручки от реализации).

Экономическая интерпретация показателей оборачиваемости заключается в следующем:

оборачиваемость в оборотах указывает среднее число оборотов средств, вложенных в активы данного вида в анализируемом периоде, т.е. сколько раз в среднем в отчетном периоде оборачивались финансовые ресурсы, вложенные в эти активы;

оборачиваемость в днях указывает продолжительность (в днях) одного оборота средств, вложенных в активы данного вида; иными словами, сколько в среднем дней денежные средства были омертвлены в этих активах. [73, 54]

Показатели оборачиваемости различных составных частей оборотных средств характеризуют деловую активность организации.

Существует прямая взаимосвязь между рентабельностью и оборачиваемостью оборотных активов и рентабельностью продукции, которую можно выразить формулой:

чистая прибыль чистая прибыль выручка от реализации

----------------------- = ----------------------------- x -------------------------------

оборотные активы выручка от реализации оборотные активы

Данная формула прямо указывает пути повышения рентабельности оборотных активов: при низкой рентабельности продаж необходимо стремиться к ускорению оборота активов. [73, 61]

Причиной неплатежей, высокого уровня кредиторской задолженности является фактическая иммобилизаци оборотных средств в следствии высокого уровня дебиторской задолженности, отвлечения средств на образование экономически необоснованных запасов.

2. Анализ деятельности предприятия ООО «Дамское счастье»

Значение анализа финансово-экономического состояния предприятия трудно переоценить, поскольку именно он является той базой, на которой осуществляется выработка почти всех направлений финансовой политики предприятия, и от того, насколько качественно он проведен, зависит эффективность принимаемых управленческих решений.

Финансово-экономический анализ позволяет реализовать следующие задачи:

- оценить результаты и эффективность деятельности компании, ее текущее финансовое состояние, составить прогноз развития финансово-экономических показателей предприятия на ближайшую перспективу;

- оценить динамику финансовых показателей за определенный период времени и факторы, вызвавшие эти изменения;

- оценить существующие финансовые ограничения на пути реализации организационных преобразований;

- выявить и оценить возможные источники финансирования мероприятий по реструктуризации и возможный эффект от их реализации.

2.1 Общая характеристика предприятия ООО «Дамское счастье»

Общество с ограниченной ответственностью «Дамское счастье» создано в соответствии с Гражданским Кодексом Российской Федерации и Федеральным законом Российской Федерации "Об обществах с ограниченной ответственностью ".

ООО «Дамское счастье» является юридическим лицом и осуществляет свою деятельность на основании действующего законодательства РФ и Устава. Общество является коммерческой организацией, имеет круглую печать, содержащую его полное фирменное наименование на русском языке и указание на его место нахождения. Общество имеет штампы и бланки со своим наименованием, собственную эмблему и другие средства визуальной идентификации.

ООО «Дамское счастье» расположено по ул Гафури, 101 .ООО «Дамское счастье» - производитель верхнего трикотажа.

Максимальный комфорт в обслуживании потребителей, низкие цены при высоком качестве продукции. Индивидуальный подход к каждому клиенту - основные приоритеты деятельности фирмы. ООО «Дамское счастье» имеет своих дизайнеров, и может разработать и изготовить любой «спецзаказ» по желанию заказчика с самыми высокими требованиями.

Благодаря применению специальных новейших материалов «Дамское счастье» предлагает долговечную и комфортную одежду.

Клиентам предоставлен широчайший выбор продукции, отвечающий всем требованиям техники безопасности и охраны труда. Поставки обеспечиваются в любых объемах, в кратчайшие сроки и с доставкой собственным автотранспортом.

ООО «Дамское счастье» осуществляет учет результатов работ, ведет оперативный, бухгалтерский и статистический учет по нормам, действующим в РФ. Директор и главный бухгалтер Общества несут личную ответственность за соблюдение порядка ведения, достоверность учета и отчетности.

Торговая деятельность ООО «Дамское счастье» относится к оптовой - работе с юридическими лицами и индивидуальными предпринимателями с проведением оплаты через расчетный счет предприятия. Оптовая торговля подпадает под действие традиционной системы налогообложения.

Организационная структура предприятия включает в себя ряд единиц, представленных в табл .2. 1. Организационная структура ООО ««Дамское счастье» представлена на рисунке . 1

Таблица 2.1 - Структурные единицы ООО «Дамское счастье»

Структурные единицы	Количество человек
Директор	1
Заместитель директора по производству
Бухгалтерия	1
Секретарь	1
Производственный участок, в т.ч.:
закройный участок	2
Цех швеи	2
Всего	7

Рисунок 2.1 Организационная структура ООО «Дамское счастье»

Технология производства включает в себя ряд основных этапов:

- заготовка материала (изготовление лекала, оверлоков.);

- выкройка модели;

- изготовление конечной модели трикотажа.

2.2 Основные технико-экономические показатели деятельности предприятия и анализ динамики остатков

Финансовая отчетность - это совокупность форм отчетности,составленных на основе данных финансового учета с целью предоставления пользователем обобщенной информации о финансовом положении и деятельности предприятия, а также изменениях в его финансовом положении за отчетный период в удобной и понятной форме для принятия этими пользователями определенных деловых решений. Финансовый учет, в свою очередь, обобщает данные производственного учета, которые накапливаются и используются предприятием для внутреннего пользования.

Для принятия решений необходимо иметь информацию о деятельности предприятия за прошлые периоды, позволяющую оценить потенциальные финансовые возможности предприятия на предстоящие периоды.

Источником информации для анализа уровня, динамики и структуры прибыли является отчет о прибылях и убытках, который в определенной степени раскрывает структуру совокупного финансового результата, складывающегося как сумма прибыли от основной деятельности, прибыли от реализации основных средств и прочего имущества, сальдо процентных доходов и расходов, доходов от участия в капитале, сальдо внереализационных доходов и расходов.На основе данных анализа технико-экономического состояния осуществляется выработка почти всех направлений политики предприятия, и от того, насколько качественно он проведен, зависит эффективность принимаемых управленческих решений.

Анализ состояния предприятия осуществляется последовательно в несколько этапов: отбор исходной информации и оценка ее надежности; чтение баланса и других форм отчетности; анализ данных, почерпнутых из отчетности и более детализированной информации регистров бухгалтерского учета, оперативного и статистического учета.

Абсолютные изменения показателей определяются как разница между значением показателя в исследуемом году и его значением в предшествующем году.

Относительные изменения показателя определяются как отношение значения показателя в исследуемом году к значению показателя в предшествующем году.

Технико-экономические показатели предприятия ООО «Дамское счастье» за период с 2007 по 2009 гг. приведены в таблице 2.2

Таблица 2.2 - Технико-экономические показатели предприятия за период с 2007 по 2009 гг.

Показатель	ед. изм.	2007г.	2008г.	2009г.
Выручка от реализации товаров, услуг	тыс. руб.	22287	31086	24021
Себестоимость товаров, услуг	тыс. руб.	19003	27298	21760
Валовая прибыль	тыс. руб.	5284	5788	4261
Расходы периода (коммерческие и управленческие)	тыс. руб.	3439	3672	3564
Прибыль (убыток) от реализации	тыс. руб.	3845	4116	2697
Сальдо операционных результатов	тыс. руб.	-2188	-2208	2138
Сальдо внереализационных результатов	тыс. руб.	-2073	-20151	-2077
Прибыль (убыток) до налогообложения	тыс. руб.	3584	3757	2758
Чистая прибыль	тыс. руб.	3417	3518	2639
Продолжение Таблицы 2.2
Основные фонды	тыс. руб.	2378	4311	2789
Фондоотдача	руб.	14,72	12,58	27,91
Среднесписочная численность	чел.	6	6	6
Производительность труда	тыс. руб.	289,8	290,9	135,1

В исследуемом периоде прибыль от реализации увеличилась с 2007г. по 2008 г. на 271 тыс. рублей, однако затем с 2008 г. по 2009 г. она резко снизилась на 1419 тыс. рублей, что явилось следствием снижения выручки на 7065 тыс. рублей, несмотря на то, что себестоимость и коммерческие расходы также снизились, но на меньшую сумму. Несмотря на то, что сальдо операционных и внереализационных результатов к 2009г. также получило положительную тенденцию, прибыль до налогообложения и чистая прибыль снизились. Фондоотдача с 2007г. по 2008 г. несколько снизилась, а с 2008 г. по 2009г. резко увеличилась, при этом, как уже отмечалось, произошло снижение выручки, но сумма основных фондов уменьшилась более чем в 2 раза, таким образом, изменения показателя к 2009 г. нельзя назвать однозначно позитивной тенденцией. Производительность труда имела за период с 2007г. по 2008 г. положительную тенденцию, однако, к 2009г. резко снизилась. Учитывая снижение нельзя утверждать, что изменения отрицательны, так как увеличение производительности произошло вследствие введения в 2009г. новых моделей, технологий.Изображение данных табл. 2.2 более наглядно может быть представлено в виде диаграммы, она приведена на рис. 2.2.

Для анализа динамики технико-экономических показателей деятельности предприятия составленна таблица 2.3

Рисунок 2.2 - Финансовые результаты предприятия ООО «Дамское счастье» за период с 2007 по 2009гг. (в тыс. руб.)

Таблица 2.3 - Динамика технико-экономических показателей

Показатель	2007г.	2008г.	2009г.	Изменение 2008г./2007г.	Изменение 2009г./2008г.
				абсолютное (тыс. руб.)	относительное (%)	абсолютное (тыс. руб.)	относительное (%)
Выручка от реализации	22287	31086	24021	8799	139,48	-7065	77,27
Себестоимость	19003	27298	21760	8295	143,65	-5538	79,71
Валовая прибыль	5284	5788	4261	504	109,53	-1527	73,61
Расходы коммерческие	3439	3672	3564	233	106,77	-108	97,05
Продолжение таблицы 2.3
Прибыль от реализации	3845	4116	2697	271	107,04	-1419	65,52
Сальдо операционных доходов и расходов	-2188	-2208	2138	-20	100,91	346	-96,82
Сальдо внереализационных результатов	-2073	-20151	-2077	-78	972,06	74	10,30
Прибыль до налогообложения	3584	3757	2758	173	104,82	-999	73,40
Чистая прибыль	3417	3518	2639	101	102,95	-879	75,01
Основные фонды	2378	4311	2789	933	181,28	-1522	64,69
Фондоотдача	14,72	12,58	27,91	-2,14	85,46	15,33	221,86
Среднесписочная численность	6	6	6	0	1	0	1
Производительность труда	289,8	290,9	135,1	1,1	100,37	-155,8	46,44

Данные табл. 2.3 свидетельствуют о том, что выручка от продаж в исследуемом периоде имела положительную тенденцию роста в 2008г. По отношению к 2007г. она выросла на 8799 тыс. рублей и приросла соответственно на 22,73%, однако, в 2009 году снизилась по сравнению с 2008 годом на 7065 тыс. рублей или на 20,9 %, что отрицательно повлияло на рост чистой прибыли предприятия 2008г. Рост себестоимости составил в 2007 году 143,7 % от уровня 2008 года, т. е. увеличивалась опережающими темпами по сравнению с ростом выручки. В 2009 г. себестоимость снизилась на 20,29%, что также свидетельствует о росте себестоимости: прирост выручки составил 22,73%. Однако в периоде с 2007г. по 2009г. опережающими темпами по отношению к изменениям выручки снижались коммерческие расходы: с 2007г. по 2008 г. прирост выручки составил 43,37%, а коммерческих расходов - 6,8%; с 2008г. по 2009 г. снижение выручки составило 22,73%, а коммерческих расходов - 2,95%, что является позитивным моментом. Тем не менее, прибыль от продаж на конец исследуемого периода 2007-2009 гг. составила 2697 тыс. руб.по сравнению с прибылью 2008г. - 4116 тыс. руб. - снизилась на 1419 тыс. руб., в процентном отношении это падение составило 65,52%.

Сальдо операционных доходов и расходов к концу анализируемого периода увеличилось на 96,82%. Сальдо внереализованных доходов и расходов к концу исследуемого периода снизилось на 10,3%. Прибыль до налогообложения и чистая прибыль на за исследуемый период увеличились с 2007г. по 2008г. на 4,8% и 3% соответственно, а с 2008г. по 2009г. снизились на 26,6% и 24,99%.

Более наглядно изменение основных финансовых результатов хозяйственной деятельности представлено на рис. 2.3.

Рисунок 2.3 - Абсолютное изменение основных финансовых результатов хозяйственной деятельности в 2008, 2009гг.

Если за базовый год взять 2007 и проанализировать прирост основных технико-экономических показателей в последующие годы по отношению к этому году, то получим данные, приведенные в табл. 2.4

Таблица 2.4 - Изменение технико-экономических показателей по отношению к 2007 г. (в %)

Показатели	2008/2007г.	2009/2007г.
Выручка от реализации	139,48	107,78
Себестоимость	143,65	114,50
Валовая прибыль	109,53	80,63
Расходы периода (коммерческие и управленческие)	106,77	103,63
Прибыль (убыток) от реализации	107,04	70,14
Сальдо операционных доходов и расходов	100,91	-97,7
Сальдо внереализационных результатов	972,06	100,19
Прибыль (убыток) до налогообложения	104,82	76,95
Чистая Прибыль (убыток)	102,95	77,23
Основные фонды	181,28	117,28
Фондоотдача	85,46	189,60
Среднесписочная численность	1	1
Производительность труда	100,37	46,61

Из всего множества верхнего трикотажа, предлагаемых предприятием выберем три наиболее популярные модели, это - модели «Блузка», «Туника», «Платье». Проанализируем объемы продаж этих моделей, они представлены в табл. 2.9.

Таблица 2.5 - Объемы продаж моделей «Блузка», «Туника», «Платье» в 2007г.

Месяц	" Блузка "	" Туника "	" Платье "
Январь	9	63	36
Февраль	6	18	22
Март	2	43	30
Апрель	3	93	23
Май	22	169	53
Июнь	25	237	129
Июль	102	169	399
Август	3	117	541
Сентябрь	0	0	4
Октябрь	0	0	0
Ноябрь	0	0	11
Декабрь	5	25	8
Всего	177	934	1256

Данные табл. 2.5 свидетельствуют о том, что продажи верхнего трикотажа подвержены сильному влиянию фактора сезонности. В целом пик продаж приходится на летний период, так по модели «Блузка» подъем приходится на июнь-июль, по модели «Туника» - на июль - август, по модели «Платье» - на август. Также незначительный рост объемов продаж наблюдается в декабре - январе.

Для выполнения задачи оптимизации планирования производственной программы необходимо исследовать динамику остатков сумок у предприятия, так как предприятие, как и все, оперирует в условиях ограниченности ресурсов, в том числе и финансовых. А излишние остатки приводят к их «замораживанию». По исследуемому модельному ряду остатки на складе в течение 2009г. представлены в табл. 2.6

Таблица 2.6 - Остатки моделей «Блузка», «Туника», «Платье» в 2009г.

Месяц	" Блузка "	" Туника "	" Платье "
Январь	53	307	209
Февраль	49	740	189
Март	47	799	161
Апрель	46	708	140
Май	26	541	89
Июнь	3	306	750
Июль	4	139	565
Август	3	24	26
Сентябрь	3	24	280
Октябрь	3	24	284
Ноябрь	4	24	275
Декабрь	1	2	269

Данные табл. 2.6 свидетельствуют о том, что на предприятии постоянно присутствуют большие остатки трикотажа, хотя по моделям «Блузка» и «Туника» к концу года остатки уменьшились, по модели «Платье» - уровень остатков практически в течение всего года высок.

На конец 2009г. в стоимостном выражении остатки по этим моделям составили почти 59 тыс. рублей, т. е. эта сумма денежных средств «заморожена» в запасах. В целом по предприятию в запасах «заморожено» 402 тыс. рублей.

На основе проведенного анализа можно сделать вывод о том, что на предприятии ООО «Дамское счастье» не используется научно-обоснованный подход при планировании производственной программы. В следующих главах настоящей работы проведен анализ возможностей использования научных методов планирования производства с использованием экономико-математического моделирования.

Общая оценка финансового состояния предприятия

Финансовое положение предприятия характеризуется двумя группами показателей: показатели ликвидности и показатели финансовой устойчивости.

При анализе ставится задача оценить, какова ликвидность активов в случае чрезвычайных обстоятельств и какова роль каждой статьи активов (денежных средств, дебиторской задолженности, материальных запасов) при покрытии обязательств. Если обеспечение долга требует обязательного привлечения дебиторской задолженности и материальных запасов (их реализация на российском рынке требует значительных затрат времени и осуществляется в большинстве случаев по ценам, значительно более низким по сравнению с балансовым значением), нельзя говорить о высокой степени ликвидности активов компании.

3. Разработка методики формирования производственной программы ООО «Дамское счастье»

3.1 Разработка модели прогнозирования объемов реализации изделий ООО «Дамское счастье»

Для практического применения моделей прогнозирования финансовых показателей используем данные объемов продаж компании, занимающейся торговлей сумками. Исходные данные представляют собой объемы реализации по месяцам за 2009г. одежды модели «Блузка» В табл. 3.1 представлены данные по продажам за 2007 г. Имеющаяся статистика по продажам сумок далее во всех таблицах обозначается Хфакт. Из всех методов необходимо выбрать тот метод, который будет адекватным фактическим данным.

Приведем подробный расчет для одежды модели «Блузка»

а) Линейная модель имеет вид: [35,48]

, (3.1)

где а и b определяются по формулам:

;

,

где n - число значений в выборке;

Y =Xфакт - фактическое значение объемов реализации товаров;

х - порядковый номер периода в выборке.

Для расчетов параметров модели (3.1) а и b используются данные табл. 3.1

Полученные значения a и b позволяют найти уравнение линейной модели, теоретические или прогнозные значения объемов реализации продукции Xmat:

,

которые приведены в табл. 3.1.

Также в табл. 1 приведены значения отклонений прогнозных от фактических значений Е.

Среднее значение модуля относительной ошибки у, выраженное в процентах, прогноза объема реализации одежды определяется по формуле:

(3.2)

Для данной модели среднее значение модуля относительной ошибки составляет: у = 127%

Таблица 3.1 - Результаты использования линейной модели для прогнозирования объемов продаж одежды модели «Блузка»

	t	Х факт	t 2	X*t	Х mat	Е
	1	7	1	7	15	-8
	2	4	4	8	15	-11
	3	2	9	6	14	-12
	4	1	16	4	14	-13
	5	20	25	100	14	6
	6	23	36	138	14	9
	7	100	49	700	13	87
	8	1	64	8	13	-12
	9	0	81	0	13	-13
	10	0	100	0	12	-12
	11	0	121	0	12	-12
	12	3	144	36	12	-9
сумма	78,00	161	650	1007	161	0,000
ср. зн.	6,50	13	54	84	13	0,000

б) Мультипликативная модель с линейным трендом и сезонной компонентой, найденной с помощью сезонных индексов.

Сезонные эффекты имеют регулярный характер и в нашем случае проявляются с длиной Т = 3.

Мультипликативная модель имеет вид:

, (3.3)

где m_t - тренд;

S_t - сезонная компонента. /35,52/

Одним из возможных способов оценки сезонной компоненты является метод сезонных индексов.

На первом этапе оценивают параметры а и b линейного тренда, т. е. можно использовать данные табл. 1. Xmat =m_t, в соответствии с линейной моделью п.1. Соответствующие значения m_t приведены в табл. 3.2.

Далее находим отношения фактических значений к теоретическим, в таблице - .

(3.4)

На следующем этапе находим сезонные индексы S_t по формула

(3.5)

(3.6)

(3.7)

Расчет сезонных индексов велся исходя:

, (3.8)

где N - длительность сезонного периода.

На последнем этапе, используя сезонные поправки, рассчитываем скорректированные теоретические значения Xmat.

С использованием полученной модели спрогнозированы значения Xmat для всех периодов, они приведены в табл. 3.2.

Среднее значение модуля относительной ошибки у, выраженное в процентах, прогноза объема реализации сумок определяется по формуле (3.2)

Для данной модели среднее значение модуля относительной ошибки составляет: у = 129%

Таблица 3.2 - Результаты использования мультипликативной модели и сезонной компоненты с использованием сезонных индексов для прогнозирования объемов продаж одежды модели «Блузка»

	t	Х факт	mt	St~	St	X mat	E
	1	7	15	0,469	2,023	30	-23
	2	4	15	0,273	0,450	7	-3
	3	2	14	0,139	0,523	8	-6
	4	1	14	0,071	2,023	28	-27
	5	20	14	1,449	0,450	6	14
	6	23	14	1,701	0,523	7	16
	7	100	13	7,553	2,023	27	73
	8	1	13	0,077	0,450	6	-5
	9	0	13	0,000	0,523	7	-7
	10	0	12	0,000	2,023	25	-25
	11	0	12	0,000	0,450	5	-5
	12	3	12	0,253	0,523	6	-3
сумма	78,00	161	161	11,99	11,99	162,06	-1,06
ср. зн.	6,50	13	13	0,999	0,999	13,505	-0,088

в) Рассмотрим мультипликативную модель с линейным трендом и сезонной компонентой, найденной с помощью тригонометрических функций.

Динамика сезонной компоненты является возрастающей и убывающей на определенных участках с определенной периодичностью.

Сезонные эффекты имеют регулярный характер и в нашем случае проявляются с длиной Т = 3. Аналитическими функциями, графики которых наилучшим образом отражают такое поведение, являются синус и косинус.

Рассмотрим способ оценки сезонной компоненты с помощью тригонометрической функции:

(3.9)

При Т = 3 коэффициенты а и b находятся по формулам: /35, 61/

(3.10)

(3.11)

В данном случае для мультипликативной модели ,

тогда:

а = 1; =2coslt.

Тогда искомая в данном случае сезонная компонента будет определяться по следующей формуле:

St=a+bcoslt=1+2cos²lt (3.12)

При Т = 3 из формулы находим, что l = 2.1

Мультипликативная модель имеет вид:

. /35, 63/

С использованием полученных промежуточных значений спрогнозированы значения Xmat для всех периодов, они приведены в табл. 3.3. При этом, m_t равно Xmat из найденной линейной модели. Для данной модели среднее значение модуля относительной ошибки составляет: у = 134%

Таблица 3.3 - Результаты мультипликативной модели и сезонной компоненты, найденной с помощью тригонометрических функций для марки «Блузка»

	t	Х факт	mt	lt	cos(lt)	cos2(lt)	St	X mat	E
	1	7	15	2,100	-0,505	0,255	1,508739	16	-9
	2	4	15	4,200	-0,490	0,240	1,479711	16	-12
	3	2	14	6,300	1,000	1,000	2,998435	17	-15
	4	1	14	8,400	-0,519	0,270	1,538321	16	-15
	5	20	14	10,500	-0,476	0,226	1,451271	15	5
	6	23	14	12,600	0,999	0,999	2,996739	17	6
	7	100	13	14,700	-0,534	0,285	1,568425	15	85
	8	1	13	16,800	-0,461	0,212	1,42345	14	-13
	9	0	13	18,900	0,999	0,997	2,993915	16	-16
	10	0	12	21,000	-0,548	0,300	1,599015	14	-14
	11	0	12	23,100	-0,446	0,199	1,396279	14	-14
	12	3	12	25,200	0,998	0,995	2,989966	15	-12
сумма	78	161	161	163,80	0,02	5,98	23,94	185	-23,50
ср. зн.	6.5	13	13	13,650	0,002	0,498	1,995	15	-1,959

г) Аддитивная модель с линейным трендом и сезонной компонентой, найденной с помощью сезонных индексов.

Сезонные эффекты имеют регулярный характер и в нашем случае проявляются с длиной Т = 3.

Аддитивная модель имеет вид: [35,57]

(3.13)

Оценим сезонную компоненту методом сезонных индексов.

На первом этапе оценим параметры а и b линейного тренда т. е. с их помощью мы находим m_t, равное Xmat из найденной линейной модели.

Соответствующие значения m_t приведены в таб. 3.4.

Далее находим разность между фактическими значениями и теоретическими, в таблице - .: [35,59]

(3.14)

На следующем этапе находим сезонные индексы S_t по формулам (3.5 -3.7):

Расчет сезонных индексов велся исходя из формулы (3.8).

На последнем этапе, используя сезонные поправки, рассчитываем скорректированные теоретические значения Xmat.

Результаты прогнозов с использованием аддитивной модели представлены в табл. 3.4.

Для данной модели среднее значение модуля относительной ошибки составляет: у = 130%

Таблица 3.4 - Результаты использования аддитивной модели и сезонной компоненты, найденной с помощью сезонных индексов для прогнозирования объемов продаж одежды модели «Блузка»

	t	Х факт	mt	St~	St	X mat	E
	1	7	15	-7,92	2,023	17	-10
	2	4	15	-10,64	0,450	15	-11
	3	2	14	-12,36	0,523	15	-13
	4	1	14	-13,08	2,023	16	-15
	5	20	14	6,20	0,450	14	6
	6	23	14	9,48	0,523	14	9
	7	100	13	86,76	2,023	15	85
	8	1	13	-11,96	0,450	13	-12
	9	0	13	-12,68	0,523	13	-13
	10	0	12	-12,40	2,023	14	-14
	11	0	12	-12,12	0,450	13	-13
	12	3	12	-8,84	0,523	12	-9
сумма	78,00	161	161	0,44	11,99	173	-11,55
ср. зн.	6,50	13	13	0,037	0,999	14	-0,962

д) Рассмотрим аддитивную модель с линейным трендом и сезонной компонентой, найденной с помощью тригонометрических функций.

Сезонная компонента в этом случае определяется по формуле (3.9):

При Т = 4 коэффициенты а и b находятся по формулам (3.10, 3.11):

В данном случае для аддитивной модели , тогда:

а = 1, .

Тогда искомая сезонная компонента будет выглядеть как в формуле (3.12):

При Т = 3 из формулы находим, что l = 2.1

С использованием полученных промежуточных значений спрогнозированы значения Xmat для всех периодов, они приведены в табл. 3.5. При этом, m_t равно Xmat из найденной линейной модели.

Для данной модели среднее значение модуля относительной ошибки составляет: у = 241%

Таблица 3.5 - Результаты использования аддитивной модели и сезонной компоненты, найденной с помощью тригонометрических функций для прогнозирования объемов продаж одежды модели «Блузка»

	t	Х факт	mt	lt	cos(lt)	cos(lt) 2	St	X mat	E
	1	7	14,920	1,570	0,001	0,000	1,169	17	-10
	2	4	14,640	3,140	-1,000	1,000	3,508	51	-47
	3	2	14,360	4,710	-0,002	0,000	1,169	17	-15
	4	1	14,080	6,280	1,000	1,000	3,508	49	-48
	5	20	13,800	7,850	0,004	0,000	1,169	16	4
	6	23	13,520	9,420	-1,000	1,000	3,508	47	-24
	7	100	13,240	10,990	-0,006	0,000	1,169	15	85
	8	1	12,960	12,560	1,000	1,000	3,508	45	-44
	9	0	12,680	14,130	0,007	0,000	1,169	15	-15
	10	0	12,400	15,700	-1,000	1,000	3,508	43	-43
	11	0	12,120	17,270	-0,009	0,000	1,169	14	-14
	12	3	11,840	18,840	1,000	1,000	3,508	42	-39
сумма	78	161	160,56	122,46	0,00	6,00	28,06	374	-212,50
ср. зн.	7	13	13,380	10,205	0,000	0,500	2,338	31	-17,709

е) Простейшим методом адаптивного прогнозирования, основанном на экспоненциальном сглаживании, является метод Брауна. Прогнозная модель метода выглядит следующим образом:

(3.15)

Параметры a_0t, a_1t рассчитываются по формулам:

(3.16)

(3.17)

S_t⁽¹⁾, S_t⁽²⁾ - экспоненциальные средние 1, 2 порядка. в, б=1-в - параметры сглаживания.

Экспоненциальная средняя 1 порядка равна сумме взвешенных значений переменных S_t за весь предшествующий период адаптации.

(3.18)

X_t - фактическое значение

(3.19)

(3.20)

(3.21)

(3.22)

(3.23)

Данная формула равна заданной последовательности, в нашем случае это:

в на практике берется от 0,1 до 0,3, возьмем в=0,1.

Рассчитаем для нашего случая показатели:

Для 1 наблюдения

Далее рассчитываются значения Xmat для всех периодов, которые сведены в табл. 3.6. Для данной модели среднее значение модуля относительной ошибки составляет: у = 227%

Таблица 3.6 - Результаты использования модели Брауна для прогнозирования объемов продаж одежды модели «Блузка»

	t	Х факт	St (1)	St (2)	a0t	a1t	Хt(1)	E
	0		15,23	15,26	15,2	-0,28
	1	7	7,823	8,567	7,079	-6,693	15	-8
	2	4	4,382	4,801	3,964	-3,766	0	4
	3	2	2,238	2,494	1,982	-2,306	0	2
	4	1	1,124	1,261	0,987	-1,234	0	1
	5	20	18,112	16,427	19,798	15,166	0	20
	6	23	22,511	21,903	23,120	5,476	35	-12
	7	100	92,251	85,216	99,286	63,313	29	71
	8	1	10,125	17,634	2,616	-67,582	163	-162
	9	0	1,013	2,675	-0,650	-14,960	-65	65
	10	0	0,101	0,359	-0,156	-2,316	-16	16
	11	0	0,010	0,045	-0,025	-0,314	-2	2
	12	3	2,701	2,435	2,967	2,390	0	3
сумма	78	161	162,3921	163,8171	160,9672	-12,8246	158	3,294
ср. зн.	6,5	13	13,53268	13,65142	13,41393	-1,06872	13	0,275

ж) Рассмотрим модель Хольта. Прогнозная модель метода выглядит следующим образом:

(3.24)

Параметры a_t, b_t рассчитываются по формулам:

(3.25)

(3.26)

Пусть б1=0,1 и б2=0,2, тогда:

(3.27)

(3.28)

(3.29)

(3.30)

(3.31)

a₀, b₀ принимаются равными коэффициентам, которые определенны в линейной модели. [35, 82]

Далее по этим рассчитываются показатели по остальным периодам. Результаты расчетов сведены в табл. 3.7.

Для данной модели среднее значение модуля относительной ошибки составляет: у = 130%

Таблица 3.7 - Результаты использования модели Хольта для прогнозирования объемов продаж одежды модели «Блузка»

	T	Х факт	at	bt	Xt(1)	E
	0		15,2	-0,28
	1	7	14,128	-0,438	14	-7
	2	4	12,721	-0,632	12	-8
	3	2	11,080	-0,834	10	-8
	4	1	9,321	-1,019	8	-7
	5	20	9,472	-0,785	9	11
	6	23	10,118	-0,499	10	13
	7	100	18,658	1,309	20	80
	8	1	18,070	0,930	19	-18
	9	0	17,100	0,550	18	-18
	10	0	15,884	0,197	16	-16
	11	0	14,473	-0,125	14	-14
	12	3	13,213	-0,352	13	-10
сумма	78	161	164,2374	-1,69912	163	-1,538
ср. зн.	6,5	13	13,68645	-0,14159	14	-0,128

з) Модель Хольта-Уинтерса

Для расчета этой модели используем уже известные данные из предыдущих вычислений:

;

Эти данные берутся равными коэффициентам из линейной модели:

(3.32)

(3.33)

l - период сезонности, в данном случае равен 3.

Находим сезонные индексы f _{t -l} по формулам (3.5 -3.7):

Расчет сезонных индексов велся исходя из формулы (3.8):

(3.34)

(3.35)

Далее находим необходимые параметры: [35, 123]

(3.36)

(3.37)

Например,

Используя полученные данные, рассчитываем скорректированные теоретические значения Xmat: [35, 134]

(3.38)

Например,

Значения Xmat для всех периодов спрогнозированы и сведены в табл. 3.8.

Для данной модели среднее значение модуля относительной ошибки составляет: у = 96%

Таблица 3.8 - Результаты использования мультипликативной модели Хольта-Уинтерса для прогнозирования объемов продаж одежды модели «Блузка»

	t	Х факт	Уt	ft~	a0t	a1t	ft-l	Xt~	E
					15,2	-0,28
	1	7	14,920	0,469	13,777	-0,509	0,720	10	-23
	2	4	14,640	0,273	12,831	-0,596	0,450	7	-2
	3	2	14,360	0,139	11,393	-0,764	0,523	4	-4
	4	1	14,080	0,071	9,636	-0,963	0,591	3	-14
	5	20	13,800	1,449	10,361	-0,625	1,426	21	13
	6	23	13,520	1,701	11,129	-0,347	2,692	26	14
	7	100	13,240	7,553	12,496	-0,004	2,006	101	61
	8	1	12,960	0,077	11,538	-0,195	0,329	3	-3
	9	0	12,680	0,000	10,209	-0,422	0,315	1	-4
	10	0	12,400	0,000	8,809	-0,617	0,315	1	-14
	11	0	12,120	0,000	7,372	-0,781	0,329	1	-3
	12	3	11,840	0,253	6,606	-0,778	1,404	5	0
сумма	78	161	160,560	11,987	126,157	-6,601	11,806	181	21,047
ср. зн.	6,5	13	13,380	0,999	10,513	-0,550	0,984	15	1,754

Из построенных моделей необходимо выбрать наиболее адекватную

В табл. 3.9 приведем для сравнения дисперсии моделей, на основании чего можно сделать вывод о наиболее адекватной модели для исследуемого случая.

Таблица 3.9 - Сравнение моделей прогнозирования

Модели тренда	у (%)
1. Линейная модель	127
2. Мультипликативная модель с сезонной компонентой, найденной с помощью сезонных индексов	129
3. Мультипликативная модель с сезонной компонентой, найденной с помощью тригонометрических функций	134
4. Аддитивная модель с сезонной компонентой, найденной с помощью сезонных индексов	130
5. Аддитивная модель с сезонной компонентой, найденной с помощью тригонометрических функций	241
6. Модель Брауна	227
7. Модель Хольта	130
8. Мультипликативная модель Хольта-Уинтерса	96

Результаты сравнения свидетельствуют о том, что наиболее адекватной является мультипликативная модель Хольта-Уинтерса.

Далее построим графическое изображение выборки с фактическими и прогнозными значениями (рис. 3.1). В табл. 3.10 отражены прогнозные данные на последующие 12 периодов.

Таблица 3.10 - Прогнозные данные

t	Уt	ft~	a0t	a1t	ft-l	Xt~
13	23	0,306	23,281	-0,160	0,720	12
14	23	0,173	21,698	-0,444	0,450	9
15	23	0,085	19,510	-0,793	0,523	5
16	24	0,042	16,916	-1,153	0,591	4
17	24	0,835	17,568	-0,792	1,426	23
18	24	0,949	18,292	-0,489	2,692	28
19	25	4,078	19,737	-0,102	2,006	110
20	25	0,040	17,975	-0,434	0,329	4
21	25	0,000	15,787	-0,785	0,315	2
22	25	0,000	13,502	-1,085	0,315	2
23	26	0,000	11,175	-1,333	0,329	3
24	26	0,116	9,585	-1,385	1,404	8

Рисунок 3.1 - Фактические и прогнозные значения объемов продаж одежды модели «Блузка» за 2009г.

График отражает фактическую функцию спроса и спрогнозированную на основе модели Хольта-Уинтерса. На рис. 3.1 видно, что полученная модель прогнозирования является адекватной и применимой для дальнейшего прогнозирования.

Аналогичным образом исследованы различные варианты применения моделей прогнозирования для двух других моделей сумок - «Туника» и «Платье».

Так линейная модель для модели «Туника» представляет собой следующее:

Линейная модель для модели «Платье»:

Анализ результатов показал, что для этих двух видов одежды наиболее приемлема также мультипликативная модель Хольта-Уинтерса.

Графическое изображение выборки с фактическими и прогнозными значениями для сумок модели «Туника» приведено на рис. 3.2; для одежды модели «Майкл» - на рис. 3.3. В табл. 3.11 отражены прогнозные данные на последующие 12 периодов для одеждымодели «Туника». Для одежды модели «Платье» - в табл. 3.12.

Таблица 3.11 - Прогнозные данные для сумок модели «Туника»

t	Уt	ft~	a0t	a1t	ft-l	Xt~
13	106	0,576	107,438	-1,862	0,964	66
14	100	0,159	96,691	-3,639	0,761	17
15	95	0,431	87,974	-4,655	0,712	45
16	90	1,014	86,945	-3,930	0,970	94
17	84	1,980	88,774	-2,778	0,957	185
18	79	2,977	93,273	-1,323	1,480	215
19	74	2,270	100,072	0,302	1,026	184
20	68	1,686	101,541	0,535	1,188	123
21	63	0,000	91,868	-1,506	0,498	4
22	57	0,000	81,326	-3,314	0,670	5
23	52	0,000	70,211	-4,874	0,754	5
24	47	0,471	61,722	-5,597	0,679	23

Рисунок 3.2 - Фактические и прогнозные значения объемов продаж одежды модели «Туника» за 2009г.

Таблица 3.12 - Прогнозные данные для одежды модели «Платье»

t	Уt	ft~	a0t	a1t	ft-l	Xt~
13	76	0,449	97,745	-4,405	0,863	52
14	72	0,278	84,670	-6,139	0,261	21
15	68	0,409	74,642	-6,917	0,611	31
16	65	0,324	62,394	-7,983	0,670	22
17	61	0,833	51,198	-8,626	0,957	67
18	58	2,206	50,953	-6,949	1,487	185
19	54	7,359	54,962	-4,758	1,225	402
20	50	10,709	58,598	-3,079	1,164	502
21	47	0,043	50,365	-4,110	0,498	7
22	43	0,000	41,629	-5,035	0,670	2
23	39	0,228	33,356	-5,683	0,754	11
24	36	0,167	26,063	-6,005	0,679	8



Рисунок 3.3 - Фактические и прогнозные значения объемов продаж одежды модели «Платье»» за 2009г.

3.2 Разработка экономико-математической модели оптимизации производственной программы существующего ассортимента с учетом ограниченности ресурсов

Предприятие «Дамское Счастье» производит ряд моделей одежды: «Блузка», «Туника», «Платье». Для производства каждой из них требуется разное количество одних и тех же ресурсов (производственные, финансовые ресурсы). Продажа одного изделия каждой модели приносит прибыль соответственно: «Блузка» - 14,6; «Туника» - 8,51; «Платье» - 26,94 рублей.

Известны функции спроса каждой модели одежды, а также имеющиеся остатки изделий по каждой из модели.

Из имеющихся в распоряжении предприятия ресурсов (материальные ресурсы ежедневно пополняются) можно ежедневно изготовить определенное количество верхнего трикотажа в разных комбинациях. При этом прибыль по разным комбинациям будет неодинакова. Необходимо выбрать такой план выпуска продукции, чтобы получаемая прибыль была максимальной, а остатки различных моделей одежды минимальными.

В связи с этим в данном разделе предлагается разработка модели оптимизации производственной программы по критерию максимум прибыли от продаж изготовленного количества одежды моделей «Блузка», «Туника», «Платье».

При разработке модели оптимальной производственной программы необходимо учитывать:

остатки верхнего трикотажа по разным моделям;

ограниченность производственных ресурсов (мощностей);

спрос.

Задачей выполнения квалификационной работы является определение объема пошива верхнего трикотажа по нескольким ассортиментным позициям.

Целевая функция - получение прибыли от продажи произведенного количества сумок.

Для разработки модели необходимо знать остатки по каждой модели сумок, которые представлены в табл. 3.13. Данные табл. 3.13 взяты из форм «Анализ счета 45 по субконто», приведенных в Приложении 3.

Прогнозные объемы продаж на 2008г., определенные с помощью мультипликативной модели Хольта-Уинтерса объединены в табл. 3.14.

Таблица 3.13 - Остатки верхнего трикотажа у предприятия по месяцам в 2009г.

2009г.	"Блузка"	"Туника"	"Платье"
январь	53	307	209
февраль	49	740	189
март	47	799	161
апрель	46	708	140
май	26	541	89
июнь	3	306	750
июль	4	139	586
август	3	24	26
сентябрь	3	24	280
октябрь	3	24	280
ноябрь	3	24	271
декабрь	0	2	265

Таблица 3.14 - Прогнозные объемы продаж на 2010г.

2010г.	" Блузка "	" Туника "	" Платье "
январь	12	66	52
февраль	9	17	21
март	5	45	31
апрель	4	94	22
май	23	185	67
июнь	Х1=28	Х2=215	Х3=185
июль	110	184	402
август	4	123	502
сентябрь	2	4	7
октябрь	2	5	2
ноябрь	3	5	11
декабрь	8	23	8

В табл. 3.14 выделены объемы продаж на июнь 2010г. и соответственно обозначены:

Х1=28;

Х2=215;

Х3=185.

- За январь-май 2010г. планируется продать 53 верхнего трикотажа «Блузка», на начало января 2010г. остатков не было, следовательно до начала июня необходимо сшить минимум 53 штуки, а также желательно создать страховой запас на июль в размере 10% от проданного объема, т.е. OS1=5.

- За январь-май 2010г. планируется продать 407 одежды «Туника», на начало января 2010г. остаток составлял 2 штуки, следовательно до начала июня необходимо сшить минимум 405 штук, а также желательно создать страховой запас на июль в размере 10% от проданного объема, т.е. OS2=40.

- Так как по одежде «Платье» на начало января 2010г. остаток составлял 265 штук, то с учетом объемов реализации с января по май на начало июня 2008г. остаток составит 72 штуки, т.е. OS3=72.

Таким образом, остатки на начало июня 2010г.:

OS1=5;

OS2=40;

OS3=72.

Проанализируем возможность производства необходимого к продаже объема продукции с учетом трудоемкости и ограничений по производственной мощности.

Данные по трудоемкости производства получены из реальных данных предприятия, представленных в Приложении 1, и приведены в табл. 3.15. В этой же таблице приведены расчеты доли трудоемкости каждой операции в общей трудоемкости пошива верхнего трикотажа.

Таблица 3.15 - Данные по трудоемкости

Технол.процесс	Трудоемкость (час.)	Доля
		Для х1		для х2		для х3		Для х1		для х2		для х3
ручные операции	а11	0,1	а12	0,03	а13	0,09	д11	0,12	д12	0,08	д13	0,09
Пришивание застежек	а21	0,04	а22	0,02	а23	0,02	д21	0,05	д22	0,05	д23	0,02
окантовка	а31	0,04	а32	0,03	а33	0,09	д31	0,05	д32	0,08	д33	0,09
заготовка	а41	0,3	а42	0,16	а43	0,7	д41	0,35	д42	0,43	д43	0,68
монтаж	а51	0,34	а52	0,12	а53	0,11	д51	0,40	д52	0,32	д53	0,11
аппликация	а61	0,02	а62	0	а63	0	д61	0,02	д62	0,00	д63	0,00
выворачивание	а71	0,02	а72	0,01	а73	0,02	д71	0,02	д72	0,03	д73	0,02
Итого	А1	0,86	А2	0,37	А3	1,03	Д1	1	Д2	1	Д3	1

Таким образом, трудоемкость каждого изделия составляет:

А1=0,86 ч.;

А2=0,37 ч.;

А3=1,03 ч.

Доли определяются из соотношения:

а11/А1+ а21/А1+ а31/А1+ а41/А1+ а51/А1+ а61/А1+ а71/А1=1 (3.40)

т.е.

д11= а11/А1; (3.41)

д21= а21/А1 и т.д. (3.42)

Общая трудоемкость трех изделий равна сумме трудоемкости каждого изделия:

А1+ А2+ А3=0,86+0,37+1,03=2,26 ч.

Соответственно доля трудоемкости каждого изделия составит:

Для Х1= 0,86/2,26=0,38

Для Х2=0,37/2,26=0,16

Для Х3=1,03/2,26=0,46

Общая мощность производства определяется исходя из количества рабочих часов в месяц: (3.43)

m=Мощн. швеи*Кол-во швей=Тсмены*Кол-во дней* Кол-во швей=