Научный журнал
Современные наукоемкие технологии
ISSN 1812-7320
"Перечень" ВАК
ИФ РИНЦ = 0,940

Факторный анализ показателей деятельности соломбальского лесопильно-деревообрабатывающего комбината

Мазуркин П.М. 1 Петрова К.И. 1
1 Поволжский государственный технологический университет
Лес и лесопользование сложным образом связанные явления и процессы. Приходит осознание необходимости выявления закономерностей. Диверсификация существующих методов лесной таксации позволит выйти из тупика доктрины «кубатуры кругляка». Закономерности развития лесов напрямую влияют на способы и средства обработки и глубокой переработки заготовленного и извлеченного из данного лесного участка объемов древесины при наименьшем повреждении лесной биологической среды. Главным в нашей методологии факторного анализа становится применение закона Чарльза Дарвина о коррелятивной вариации. Но, при четком выделении параметров функционирования, возможен факторный анализ и технологии по данным динамики предприятия. Были выявлены 36 сильных бинарных отношений между девятью показателями деятельности Соломбальского ЛДК. Это позволит оперативно проводить оптимизацию процессов производства на следующий год. А закономерности могут итерационно уточняться.
показатели деятельности
факторный анализ
сильные связи
1. Львов Н.П. Чтобы лес был ресурсом, а не «черным ящиком» // Правда Севера. Архангельская областная газета. 28.08.2012. – URL: Правда Севера.mht (Дата обращения 29.12.2012).
2. Мазуркин П.М. Базовые критерии лесопользования // Современные наукоемкие технологии. – 2010. – № 6. – С. 17–32.
3. Мазуркин П.М. Геостатистика сосны // Леса России и хозяйство в них. – 2009. – № 3. – С. 48–54.
4. Мазуркин П.М. Лесоаграрная Россия и мировая динамика лесопользования. – Йошкар-Ола: МарГТУ, 2007. – 334 с.
5. Мазуркин П.М. Лесная аренда и рациональное лесопользование. – Йошкар-Ола: МарГТУ, 2007. – 524 с.
6. Мазуркин П.М. Распределение фитомассы сосняка по пробным площадям // Леса России и хозяйство в них. – 2009. – № 3. – С. 22–31.
7. Мазуркин П.М. Факторный анализ таксационных показателей // Лесное хозяйство. – 2010. – № 1. – С. 39–40.
8. Мазуркин П.М. Факторный анализ таксационных показателей разновозрастного сосняка Сибири // Успехи современного естествознания. – 2009. – № 12. – С. 41–48.
9. Мазуркин П.М., Светлакова Е.В. Экологическая оценка территории по ведомости перечета деревьев на лесосеке // Лесоэксплуатация: межвуз. сб. научн. тр. – Вып. 5. – Красноярск: СибГТУ, 2004. – С. 77–82.

В мировой практике [2–6] лес и лесопользование сложным образом функционально связанные явления и процессы. При этом постепенно приходит осознание необходимости выявления фундаментальных закономерностей между параметрами лесных древостоев [3, 6] и даже параметрами отдельных деревьев в древостое [7, 8] естественного происхождения. Диверсификация существующих методов лесной таксации позволит выйти из тупика доктрины «кубатуры кругляка» [4, 5] и значительно расширить применение даже способов измерения объемов стволовой древесины в экологической таксации [9].

Закономерности развития и роста деревьев и их групп на выделах леса, а также древостоев на разных по рельефу лесных земельных участках должны знать, понимать и применять не только лесники и лесничие, но и работники предприятий, в частности, потребляющих стволовую древесину. Это исходит из фундаментального положения, что закономерности развития лесов и их компонентов напрямую влияют на способы и средства обработки и глубокой переработки заготовленного и извлеченного из данного лесного участка объемов древесины при наименьшем повреждении лесной биологической среды.

Мы согласны с автора [1]: «Знать о лесах больше. Немного отвлекаясь от декларативной сути «Политики…», хочется сказать вот о чем: мы крайне мало знаем о том, чем пытаемся управлять, – о самом лесе. Как мы сегодня можем обсуждать и принимать лесную политику, если в большинстве регионов не имеем актуальных лесоустроительных материалов, то есть объективной картины качественных и количественных характеристик наших лесных территорий? Например, по оценке экологов, идет постоянная сильнейшая деградация лесов, что неизбежно приведет к потере не только экологических, но и хозяйственных функций».

Коррелятивная вариация. Главным в нашей методологии факторного анализа становится применение закона Чарльза Дарвина о коррелятивной вариации.

Под выражением «коррелятивная вариация» Ч. Дарвин понимал, что вся организация во время роста и развития внутренне связана, и когда слабые вариации встречаются в какой-нибудь одной части и куммулируются путем естественного отбора, другие части оказываются модифицированными. … модификации в строении, признаваемые систематиками за весьма важные, могут зависеть исключительно от законов вариации и корреляции … Например, функциональная связность наблюдается в жизнедеятельности лесных деревьев и смежных древостоев. Не меньшая теснота коррелятивной вариации с арендуемыми лесными участками должна быть и внутри эффективной системы «лес – предприятие». Эта коррелятивная вариация должна изменчиво проявляться в поведении предприятий. На земельных участках, выделенных арендатору для лесных плантаций, предприятие вправе добиться такой пестроты коррелятивной вариации в своей технологической базе, которая приведет к максимальной продуктивности плантаций по объемам и качеству финансово спелой древесины.

Концепция факторного анализа. Методы факторного анализа в основном применяют в экономических исследованиях. Но, при четком выделении параметров функционирования, возможен полный факторный анализ и технологии по данным динамики предприятия.

Фактор – это обстоятельство, на языке изобретательства это отличительный признак. Сопоставим определения трех слов «акт», «фактор» и «факт». Тогда становится понятным, что акт – это действие, факт – это результат действия, а фактор – это отличительный признак внутри действия или вне него. Один фактор может проявиться в последовательности действий как отличительный признак у многих организованных сообществ.

Объект факторного анализа. Соломбальский ЛДК (г. Архангельск) публикует с 2006 г. на сайте http://www.sldk.ru данные о своей деятельности [1], из которых выбрали девять параметров, характеризующих комбинат как поведенческую эргатическую систему.

ОАО «Соломбальский ЛДК» – крупнейший производитель пиломатериалов на Европейском Севере России. Основное направление производственной деятельности – выпуск экспортных пиломатериалов. Удельный вес экспортной продукции составляет более 65 %. Сопутствующая продукция – тара, столярно-строительные изделия и технологическая щепа для целлюлозно-бумажного производства. Мощность предприятия по распилу сырья – до 700 тыс. кбм в год. Продукция комбината хорошо известна в Англии, Германии, Франции, Нидерландах, Египте и других странах.

Исходные данные. Они были обобщены за 2006–2011 гг. и приведены в табл. 1.

Таблица 1

Технико-экономические показатели Соломбальского ЛДК

Год

Показатели деятельности лесопильно-деревообрабатывающего комбината

Qp, тыс. м3

T, млн. руб.

R, млн. руб.

P, тыс. м3

Pэ, тыс. м3

V, тыс. м3

Щ, тыс. м3

O, тыс. м3

N, тыс.чел.

2006

532,896

1203,908

1314,885

244,415

234,039

10,376

186,850

97,655

2,048

2007

499,690

1505,023

1444,963

229,612

213,937

15,675

165,475

94,731

1,694

2008

552,138

1309,476

1365,439

267,644

259,227

8,417

197,504

108,943

1,564

2009

369,404

1022,458

1186,428

160,815

156,113

4,702

139,384

73,055

1,171

2010

515,766

1720,277

1702,354

228,523

220,821

7,702

184,063

105,327

1,202

2011

589,287

1865,385

1875,369

258,462

240,714

17,748

211,648

121,606

1,222

В табл. 1 были приняты следующие условные обозначения: Qp – объем распиленного кругляка, тыс. м3; T – выпуск основной товарной продукции, млн. руб.; KК – реализация продукции – всего, млн. руб.; P – пиломатериалы (выпуск), тыс. м3; Pэ – экспортные пиломатериалы, тыс. м3; V – пиломатериалы на внутренний рынок, тыс. м3; Щ – технологическая щепа (собственная), тыс. м3; O – объем опилок, тыс. м3; N – численность персонала, тыс. чел.

Проверка качества факторов. Проверка выполняется по закономерностям рангового распределения значений у каждого фактора. При этом образуются так называемые монарные отношения между факторами (рис. 1), то есть отношение каждого фактора с самим собой.

Направленность для роста ↑ или спада ↓ принимается по вектору «лучше → хуже». Из табл. 1 для «Соломбальский ЛДК» будут две группы параметров (табл. 2): а) рост ↑ для Qp, T, R, Pэ и Щ; б) для оптимизации нужен спад ↓ параметров P, V, O и N.

pic_36.wmf pic_37.wmf

Основная товарная продукция; Объем распиленного кругляка

pic_38.wmf pic_39.wmf

Реализация основной продукции; Численность персонала

pic_40.wmf pic_41.wmf

Пиломатериалы на внутр. нужды; Объем древесных опилок

pic_42.wmf pic_43.wmf

Объем технологической щепы; Экспортные пиломатериалы

pic_44.wmf

Объем товарных пиломатериалов

Рис. 1. Графики ранговых распределений параметров функционирования Соломбальского ЛДК

Таблица 2

Рейтинг ранговых распределений параметров

Место

Закономерность рангового распределения

r

1

Eqn115.wmf

0,9978

2

Eqn116.wmf

0,9976

3

Eqn117.wmf

0,9885

4

Eqn118.wmf

0,9869

5

Eqn119.wmf

0,9847

6

Eqn120.wmf

0,9843

7

Eqn121.wmf

0,9777

8

Eqn122.wmf

0,9609

9

Eqn123.wmf

0,8810

Спад общего объема пиломатериалов заложен для возможности перехода на третий уровень технологического развития с началом производства древесных плит. На четвертом уровне необходимо выпускать целлюлозу и другие виды волокнистых древесных материалов [4].

В иерархии по таблице 2 добротности исходных данных показатель объема распиленных бревен имеет аномальную конструкцию рангового распределения с кризисной второй составляющей резкой интенсивности нарастания по показательному закону. Это указывает на возможный кризис в поступлении на комбинат достаточных объемов древесины [1].

Методика факторного анализа. Указанные девять факторов взаимно влияют друг на друга, образуя бинарные отношения. Методика факторного анализа дана в статьях [7, 8].

Полный факторный анализ включает предыдущие девять рейтинговые распределения и бинарные отношения между факторами. Общее количество формул будет равно 92 = 81.

Данные табл. 1 обрабатывали в программной среде CurveExpert по модели

Eqn124.wmf (1)

где y – показатель или зависимый фактор по табл. 1; x – объясняющая переменная или влияющий фактор; a1...a8 – параметры модели (1), получаемые идентификацией в программной среде CurveExpert-1.38 или 1.40.

Рейтинг факторов. В табл. 3 приведены результаты факторного влияния. В двух последних столбцах приведен рейтинг по списку влияющих переменных, а по двум последним строкам – рейтинг факторов как показателей.

Таблица 3

Факторный анализ параметров функционирования Соломбальского ЛДК

Влияющий фактор

Зависимый показатель

Сумма коэффициент коррелляции

Место

Ix

Qp

T

R

P

V

Щ

O

N

Qp, т. м3

0,9976

0,6837

0,6704

0,9745

0,9546

0,5628

0,9813

0,9593

0,2699

7,0541

5

T, млн. р.

0,6998

0,9978

0,9901

0,5576

0,5048

0,6647

0,6670

0,8098

0,7816

6,6732

8

R, млн. р.

0,7577

0,9780

0,9885

0,6847

0,6659

0,6203

0,6972

0,8386

0,7086

6,9395

6

P, т. м3

0,9729

0,6405

0,5602

0,8810

0,9930

0,6126

0,9290

0,8944

0,3907

6,8743

7

Pэ, т. м3

0,9640

0,6862

0,6036

0,9949

0,9609

0,6311

0,9152

0,8794

0,4358

7,0711

4

V, т. м3

0,9964

0,6732

0,6280

0,9702

0,9669

0,9847

0,9931

0,9992

0,8163

8,0280

1

Щ, т. м3

0,9683

0,6581

0,7979

0,9615

0,9613

0,5380

0,9777

0,9713

0,6114

7,4455

2

O, т. м3

0,9796

0,8045

0,8396

0,9505

0,9409

0,6203

0,9717

0,9843

0,0142

7,1056

3

N, т. чел.

0,3809

0,4007

0,4178

0,5527

0,5478

0,3150

0,2171

0,2922

0,9869

4,1111

9

Сумма Σr

7,7172

6,5227

6,4961

7,5276

7,4961

5,5495

7,3493

7,6285

5,0154

61,3024

-

Место Iy

1

6

7

3

4

8

5

2

9

-

0,7568

Коэффициент коррелятивной вариации для влияния девяти переменных на девять показателей будет равен 61,3024/92 = 0,7568. Значение коррелятивной вариации сильное и оно показывает добротность подсистемы управления у Соломбальского ЛДК.

Этот критерий применяется при сравнении разных комбинатов, а также деятельности одного и того же предприятия в разные периоды времени.

На первом месте как влияющая переменная оказался объем пиломатериалов для внутреннего потребления. На втором месте находится объем технологической щепы, на третьем – объем опилок, а на четвертом – общий объем выпуска пиломатериалов. Таким образом, внутренние дела комбината оказывают решающее влияние на его внешнее поведение. Поэтому опилки следует относить к выпускаемой продукции. Они зависят от качества лесопильных станков. Надо перейти от черновой обработки к чистовой распиловке пиловочника.

Как зависимый показатель на первом месте находится объем распиленного кругляка, на втором – объем опилок как измельченной части бревен, а на третьем – общий объем изготовляемых на комбинате пиломатериалов. И только на четвертом месте – экспорт досок.

Выбор бинарных связей. Они определяются уровнем адекватности выявленных биотехнических закономерностей при коэффициенте корреляции не менее 0,7 (табл. 4).

Таблица 4

Сильные бинарные отношения между параметрами Соломбальского ЛДК

Влияющий фактор x

Зависимый показатель y

Qp

T

R

P

Щ

O

N

Объем распиленного кругляка Qp, т. м3

     

0,9745

0,9546

0,9813

0,9593

 

Товарная продукция T, млн. руб.

   

0,9901

     

0,8098

0,7816

Реализация продукции R, млн. руб.

0,7577

0,9780

       

0,8386

0,7086

Пиломатериалы (выпуск) P, т. м3

0,9729

     

0,9930

0,9290

0,8944

 

Экспортные пиломатериалы Pэ, т. м3

0,9640

   

0,9949

 

0,9152

0,8794

 

Пиломатериалы на вн. рынок V, т. м3

0,9964

   

0,9702

0,9669

0,9931

0,9992

0,8163

Технологическая щепа Щ, т. м3

0,9683

 

0,7979

0,9615

0,9613

 

0,9713

 

Объем древесных опилок О, т. м3

0,9796

0,8045

0,8396

0,9505

0,9409

0,9717

   

Всего осталось 36 сильных бинарных факторных связей или 100∙36/81 = 44,44 %. При этом исключился один влияющий фактор (количество работников) и один зависимый показатель (объем пиломатериалов на внутренний рынок). Эти строка и столбец исключены.

В табл. 5 остались пять почти однозначных бинарных отношений или 6,17 %. Рассмотрим иерархию закономерностей по убыванию значений коэффициента корреляции (табл. 6).

Таблица 5

Бинары с коэффициентом корреляции ≥ 0,99, тыс. м3

Влияющий фактор x

Зависимый показатель y

Qp

 

Щ

О

Пиломатериалы (выпуск) P

   

0,9930

   

Экспортные пиломатериалы Pэ

 

0,9949

     

Пиломатериалы на вн. рынок V

0,9964

   

0,9931

0,9992

Самой простой закономерностью по показательному закону является влияние P → Pэ. Тогда понятно [1], что основой производственных отношений является увеличение доли экспортных пиломатериалов. Но из влияния Pэ → P видно, что есть оптимум этой доли.

Однако дальнейшее технологическое развитие предприятия зависит от изменения закономерностей влияния объема пиломатериалов на внутреннем рынке, причем понимая под внутренним потреблением не само предприятие, а всю Архангельскую область и Россию.

Таблица 6

Почти однозначные бинарные отношения между параметрами Соломбальского ЛДК

Влияние

Основной тренд модели (1)

Вторая составляющая модели (1)

Коэффициент корреляции

a1

a2

a3

a4

a5

a6

a7

a8

V → O

8,27173

0

-0,25824

0,81444

7,76694

1,26032

7,99410e-5

4,06056

0,9992

V → Qp

66,02738

0

-0,25231

0,75080

38,02996

1,15994

9,45410e-5

3,88076

0,9964

Pэ → P

0,083173

1,55016

0,00022725

1,39639

0

0

0

0

0,9949

V → Щ

2,76451

0

-0,46786

0,77173

35,58261

0,83898

0,00012545

3,61223

0,9931

P → Pэ

1,11110

0,97195

0

0

0

0

0

0

0,9930

Рассмотрим каждую биотехническую закономерность по отдельности.

Влияние V → O. Объем опилок зависит (рис. 1) в основном от условий внутреннего потребления пиломатериалов по двух членной биотехнической закономерности

Eqn125.wmf (1)

pic_45.wmf

Рис. 1. График влияния V (абсцисса) → O(ордината)

При применении технологии черновой распиловки рост объема опилок происходит по экспоненциальному закону. По второй составляющей модели (1) при объеме внутреннего потребления досок 8,5–9,0 тыс. м3 был максимум выхода опилок около 107 тыс. м3. По-видимому, была технологическая подготовка распиловочных станков, что при объеме V около 13,0 тыс. м3 привело к снижения объема опилок до 80 тыс. м3. Дальше влияние второй составляющей исключается и после V > 15 тыс.м3 происходит рост только по первой составляющей формулы (1). Для увеличения V, например, за счет распиловки давальческого пиловочника и поставки на юг России необходима кардинальная диверсификация технологий.

Влияние V → Qp. Объем кругляка во многом зависит (рис. 2) от технологической политики комбината в отношении реорганизации внутреннего потребления по формуле

Eqn126.wmf (2)

Рост объема распиленного кругляка устойчиво зависит от увеличения объемов поставок пиломатериалов на внутренний рынок. Стрессовое возбуждение по второй составляющей (2) является временным явлением на интервале V от 0 до 14 тыс. м3. Чтобы заинтересовать поставщиков кругляка на комбинат, нужно всячески с ними развивать кооперацию. Например, резко увеличить объемы распиловки давальческого сырья. Тогда увеличится выход щепы из кусковых отходов и древесных опилок для топливных гранул.

pic_46.wmf

Рис. 2. График влияния V(абсцисса) → Qp(ордината)

Влияние Pэ → P. Это – главная тенденция поведения комбината. По формуле (рис. 3)

Eqn127.wmf (3)

происходит рост выпуска пиломатериалов, иногда и в ущерб внутреннего потребления.

pic_47.wmf

Рис. 3. График влияния Pэ (абсцисса) → P (ордината)

Расчеты в Excel показывают, что комбинат не может снижать экспорт меньше 140 тыс. м2, а максимум экспорта теоретически может быть 280 тыс. м3. Но при этом на внутренне потребление будет выделено всего 5,5 тыс. м3.

Если на экспорт отправлять пиломатериалы по кооперации из давальческого пиловочника, то объем экспортных пиломатериалов может быть увеличен до 420 тыс. м (собственные 340 с внутренним потреблением 30 тыс. м3 и давальческие экспортные пиломатериалы в 110 тыс. м3). По-видимому, дальнейший рост будет ограничен производственной мощностью в 700 тыс. м3 [1] кругляка.

Влияние V → Щ. Внутреннее потребление пиломатериалов влияет (рис. 4) на объемы производства технологической щепы по аналогичной двухчленной закономерности вида

Eqn128.wmf (4)

pic_48.wmf

Рис. 4. График влияния (абсцисса) (ордината)

Для исключения второй составляющей модели (4) адаптационного возбуждения к внутренним потребностям в пиломатериалах необходимо соблюдать условие V > 15 тыс. м3.

По-видимому, кроме производства щепы, следует повысить разнообразие продукции в виде топливных гранул, брикетов и строительных материалов, например арболита, из низкокачественной щепы, коры и древесных опилок.

Влияние P → Pэ . Это влияние происходит (рис. 5) по показательному закону

Eqn129.wmf (5)

Интенсивность роста 0,97195 меньше 1, поэтому рост выпуска экспортных пиломатериалов происходит с запаздыванием по объему. Заметим здесь, что отношение η = Pэ/P является коэффициентом полезного действия (КПД) и для Соломбальского ЛДК этот показатель определится простым математическим выражением вида

Eqn130.wmf (6)

pic_52.wmf

Рис. 5. График влияния (абсцисса)(ордината)

По формуле (5) получается, что минимально возможный объем выпуска пиломатериалов Pmin равен 40 тыс. м3. Это возможно из отборного пиловочника и тогда η = 1. При условии P ≥ 40 получим из выражения (6) формулу

Eqn131.wmf (7)

дать выход экспортных пиломатериалов.

Например, при производственной мощности в 700 тыс. м3 пиломатериалов на экспорт направляется 647,2 и на внутренне потребление 52,8 тыс. м3 при КПД равном 0,925.

Такое напряжение трудно удержать при дальнейшем снижении качества кругляка.

Выводы

Результаты факторного анализа в статье имеют только методический характер из-за малого промежутка времени 2006 = 2011 гг. Для разработки прогнозных производственных рекомендаций нужны статистические данные за период не менее 10–12 лет, то есть с 2000 года. Однако методически ясно, что все 36 сильных бинарных отношений из табл. 4 вполне позволяют создать имитационную математическую модель, причем с рекуррентно вычисляемые закономерностями. Это позволит в ближайшем будущем оперативно проводить оптимизацию процессов производства на следующий год. А закономерности будут итерационно уточняться по результатам функционирования после каждого года.


Библиографическая ссылка

Мазуркин П.М., Петрова К.И. Факторный анализ показателей деятельности соломбальского лесопильно-деревообрабатывающего комбината // Современные наукоемкие технологии. – 2013. – № 2. – С. 91-98;
URL: https://top-technologies.ru/ru/article/view?id=31337 (дата обращения: 28.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674