Анализ конкурентных технических решений с позиции ресурсоэффективности и ресурсосбережения

На сегодняшний день существует большое количество моделей прогнозирования вероятности банкротства предприятий. В литературе все методы диагностики риска банкротства предприятий можно условно разделить на две основные группы: статистические модели и модели, использующие нейронные сети (искусственный интеллект - Computer Intelligence). В сравнении со статистическими моделями, модели, основанные на нейросетевой технологии, эффективно работают с нечетко определенными, неполными и неточными данными. Однако существенным недостатком в нейросетевых технологиях при построении моделей диагностики риска банкротства предприятий выступает большая трудоемкость разработки. Помимо этого разработка модели осложняется необходимостью анализа большой выборки данных о предприятиях, которых пока еще недостаточно накоплено. Все это приводит к тому, что разработка нейросетевых моделей диагностики риска банкротства в условиях молодой российской экономики сложно реализуема, поэтому акцент сделан на статистических методах.

Наиболее эффективными и часто используемыми статистическими моделями являются зарубежные модели Альтмана и Таффлера, а так же отечественная модель Сайфуллина-Кадыкова.

Ниже представлена оценочная карта для сравнения конкурентных методов оценки финансовой устойчивости (вероятности банкротства) предприятий нефтегазовой промышленности (таблица 4.1.):

Таблица 4.1. Оценочная карта для сравнения

конкурентных методологий

Критерии оценки Вес крите-рия Баллы Конкуренто-способность
Анализ конкурентных технических решений с позиции ресурсоэффективности и ресурсосбережения - student2.ru Анализ конкурентных технических решений с позиции ресурсоэффективности и ресурсосбережения - student2.ru Анализ конкурентных технических решений с позиции ресурсоэффективности и ресурсосбережения - student2.ru Анализ конкурентных технических решений с позиции ресурсоэффективности и ресурсосбережения - student2.ru Анализ конкурентных технических решений с позиции ресурсоэффективности и ресурсосбережения - student2.ru Анализ конкурентных технических решений с позиции ресурсоэффективности и ресурсосбережения - student2.ru
Технические критерии оценки ресурсоэффективности
1. Повышение производительности труда пользователя 0,02 0,08 0,04 0,06
2. Удобство в эксплуатации (соответствует требованиям потребителей) 0,15 0,75 0,6 0,6
3. Помехоустойчивость 0,01 0,05 0,05 0,05
4. Энергоэкономичность 0,06 0,3 0,3 0,3
5. Надежность 0,1 0,5 0,4 0,3
6. Уровень шума 0,001 0,001 0,001 0,001
7. Безопасность 0,001 0,005 0,005 0,005
8. Потребность в ресурсах памяти 0,09 0,27 0,36 0,36
9. Функциональная мощность (предоставляемые возможности) 0,05 0,25 0,2 0,05
10. Простота эксплуатации 0,2 0,2 0,4
11. Качество интеллектуального интерфейса 0,08 0,4 0,32 0,32
12. Возможность подключения в сеть ЭВМ 0,02 0,1 0,1 0,1
Экономические критерии оценки эффективности
1. Конкурентоспособность продукта 0,02 0,1 0,06 0,06
2. Уровень проникновения на рынок 0,03 0,12 0,06 0,06
3. Цена 0,04 0,16 0,12 0,08
4. Предполагаемый срок эксплуатации 0,01 0,05 0,05 0,05
5. Послепродажное обслуживание 0,01 0,05 0,04 0,01
6. Финансирование научной разработки 0,01 0,02 0,01 0,01
7. Срок выхода на рынок 0,078 0,39 0,234 0,312
8. Наличие сертификации разработки 0,02 0,08 0,04 0,1
Итого 4,676 3,19 3,224
                   

Критерии для сравнения и оценки ресурсоэффективности и ресурсосбережения, приведенные в таблице 1.1, подбираются, исходя из выбранных объектов сравнения с учетом их технических и экономических особенностей разработки, создания и эксплуатации.

Позиция разработки и конкурентов оценивается по каждому показателю экспертным путем по пятибалльной шкале, где 1 – наиболее слабая позиция, а 5 – наиболее сильная. Веса показателей, определяемые экспертным путем, в сумме должны составлять 1.

Анализ конкурентных технических решений определяется по формуле:

Анализ конкурентных технических решений с позиции ресурсоэффективности и ресурсосбережения - student2.ru , (4.1)

где К – конкурентоспособность конкурента;

Bi – вес показателя (в долях единицы);

Бi – балл i-го показателя.

Основываясь на знаниях о конкурентах, можно объяснить следующее:

Большинство моделей создаются как универсальные и не учитывают отраслевой специфики деятельности предприятий. К тому же любое предприятие, особенно нефтегазовой отрасли зависит от сложившейся ситуации на мировом рынке, поэтому круг факторов определяющих вероятность банкротства заметно больше, это обуславливает необходимость совершенствования моделей его оценки за счет расширения его дополнительными параметрами.

SWOT-анализ

SWOT – Strengths (сильные стороны), Weaknesses (слабые стороны), Opportunities (возможности) и Threats (угрозы) – представляет собой комплексный анализ научно-исследовательского проекта. SWOT-анализ применяют для исследования внешней и внутренней среды проекта.

Таблица 4.2. Матрица SWOT

  Внутренняя среда Внешняя среда   Сильные стороны научно-исследовательского проекта: С1. Более низкая стоимость производства по сравнению с другими технологиями. С2. Наличие бюджетного финансирования. С3. Квалифицированный персонал. С4. Возможность экономии времени Слабые стороны научно-исследовательского проекта: Сл1. Отсутствие прототипа научной разработки для нефтегазовой отросли. Сл2. Ограниченный круг клиентов Сл3. Невозможность внедрения в международную практику Сл4. Необходимость проведения дополнительных исследований Сл5. Применительно только к предприятиям нефтегазового рынка РФ
Возможности: В1. Появление дополнительного спроса на новый продукт В2. Повышение стоимости конкурентных разработок В3. Привлечение новых клиентов В4. Отсутствие конкурентов Разработка математической модели для оценки финансовой устойчивости предприятий нефтегазовой промышленности с целью получения готового продукта с заданными конкурентными преимуществами. 1. Совершенствование программного продукта 2. Предоставление услуги 3. Расширение круга клиентов за счет разработки шкалы, которая с высокой точностью позволяла бы определить вероятность наступления банкротства 4. Установление и поддержание тесного взаимодействия между компанией и клиентом.
Угрозы: У1. Отсутствие спроса на новые технологии производства У2. Введения дополнительных государственных требований к сертификации продукции У3. Изменение методологий ведущих рейтинговых агентств. У4. Смена политики местных органов власти 1. Продвижение новой технологии с целью появления спроса 2. Сертификация продукта 3. Укрепление конкурентных преимуществ продукта. 1. Конкретизация только на одном сегменте рынка. 2. Возможность быстрой адаптации модели при изменении методологии.

4.4 Определение возможных альтернатив проведения
научных исследований

В предыдущем разделе были описаны методы, которые позволяют выявить и предложить возможные альтернативы проведения исследования и доработки результатов. К их числу относятся технология QuaD, оценка конкурентных инженерных решений, SWOT-анализ. К ним можно добавить ФСА-анализ, метод Кано. Однако, в большей степени все приведенные методы ориентированы на совершенствование результатов научного исследования, находящегося на стадии создания макета, модели системы, прототипа, конечного продукта. Если разработка находится на перечисленных стадиях жизненного цикла нового продукта, можно предложить не менее трех основных вариантов совершенствования разработки или основных направлений научного исследования.

В противном случае, если разработка не относится к вышеописанным стадиям, рекомендуется использовать морфологический подход, так как возникают сложности применения вышеописанных методов на предпроектной и начальной стадиях проведения научных исследований.

Реализация метода предусматривает следующие этапы:

1. Точная формулировка проблемы исследования.

2. Раскрытие всех важных морфологических характеристик объекта исследования.

3. Раскрытие возможных вариантов по каждой характеристике. В рамках этого этапа составляется морфологическая матрица. Пример морфологической матрицы для данного проекта приведен в таблице 4.3.

Таблица 4.3. Морфологическая матрица для моддели

 
А. Основные модели прогнозирования вероятности банкроства предприятий Модель Альтмана Модель Сайфуллина-Кадыкова Модель Таффлера Новая регрессионная модель, учитывающая особенности отраслевой специфики
Б. Среда входных данных Финансовая Политическая Экономическая  
В. Клиенты Нефтегазовые компании Инвесторы Банки ВУЗы
Г. Основное применение Оценивание руководителем текущего состояния финансово-хозяйственной деятельности предприятияпредприятия Оценивание кредитором платёжеспособности предприятия Помощь при принятии решения инфесторов  
Д. Средства создания модели Вручную («на листе») По средствам ЭВМ    
Е. Методы построения модели Экспертные оценки Искусственная нейронная сеть Стохастические методы моделирования  
Ж. Средства применения модели Счет «вручную» Калькулятор переносной Калькулятор на ПК Программирование

4. Выбор наиболее желательных функционально конкретных решений. На этом этапе описываются возможные варианты решения поставленной проблемы с позиции ее функционального содержания и ресурсосбережения. Для данной матрицы выбраны 3 варианта:

· А4Б1В1Г2Д2Е3Ж4;

· А5Б3В2Г2Д2Е2Ж4;

· А4Б1В1Г2Д2Е1Ж1.

Планирование научно-исследовательских работ

Наши рекомендации