Оценка финансовых потерь от коррозии оборудования

Слово – молодым ученым
Оценка финансовых потерь от коррозии оборудования
Ю.ЗЫРЯНОВА
По данным научных исследований, доля экономического ущерба от физического
износа основных производственных фондов, вызванного коррозионными разрушениями,
для предприятий нефтехимической промышленности составляет около 50 %. Проблема
определения потерь от коррозии приобретает все большую актуальность. Это вызвано
рядом факторов. Во-первых, вследствие экстенсивного развития промышленного
производства в последние полвека существенно возрос металлофонд и, соответственно,
увеличились потери металла по причине коррозии и коррозионно-механического
разрушения. Во-вторых, произошли качественные изменения в характере
производственных процессов: увеличились механические и тепловые нагрузки,
ужесточились технологические условия эксплуатации металлов. Предотвращение
коррозионных потерь может решить сразу ряд задач, в числе которых – экономические,
экологические, социальные, ресурсные, а также энергетические [1].
Одним из методических принципов оценки экономического ущерба является
ориентация на вариант компенсации или предотвращения ущерба, требующий
минимальных затрат. Реализация механизма компенсации коррозионных потерь может
быть основана на оптимальном перераспределении капитальных, природоохранных и
текущих затрат на ремонт основных производственных фондов. Изначально капитальные
затраты на предотвращение коррозионных потерь можно разделить на две группы:
капитальные затраты на природоохранные сооружения и капитальные затраты на
строительство промышленных объектов с высокой коррозионной стойкостью.
Для изучения влияния различных факторов производства на его конечные
результаты мы будем использовать двухфакторную производственную функцию.
Наиболее известной двухфакторной производственной функцией является функция
Кобба–Дугласа (Q = A L a К b) [2]. Безусловными преимуществами функции Кобба–
Дугласа является относительная простота функциональной зависимости при достаточной
практической универсальности и адекватности. Само название «производственные
функции» в отличие от математических функций подчеркивает, что они моделируют те
связи, которые имеют место в реальной производственной сфере. Теперь трудно назвать
такую область деятельности, где не могли бы использоваться эти функции. Отметим
отдельные основные направления их практического применения:
1. Расчет степени влияния различных факторов на результативные зависимые
показатели.
2. Поиск оптимального сочетания факторов.
3. Проведение углубленного экономического анализа.
4. Прогнозирование и планирование уровня важнейших показателей производства.
5. Обработка информации и т.д.
Факторами производственной функции могут быть:
– объем продукции, выпущенной в определенный период времени (как в
стоимостном, так и натуральном выражении);
Зырянова Юлия Борисовна, магистр кафедры финансов, бухгалтерского учета и анализа Башкирской
академии государственной службы и управления при Президенте Республики Башкортостан. E-mail:
Jylia172007@yandex.ru
140
Оценка финансовых потерь от коррозии оборудования
– величина основного капитала;
– величина трудовых затрат;
– затраты топлива, электроэнергии;
– количество оборудования, используемого в производстве, и т.д.
Поскольку большинство ремонтных работ на производстве осуществляются
вследствие коррозионных разрушений, примем, что затраты на ремонт зависят от
коэффициента изношенности и остаточной стоимости оборудования. Используя
программу Excel, подберем производственную функцию Кобба–Дугласа при имеющихся
данных об общих затратах на ремонт основных производственных фондов (миллионы
рублей), коэффициента износа оборудования и остаточной стоимости оборудования
(миллионы рублей) в период с 2012 по 2014 гг. по месяцам для установки химводоочистки. Также попробуем выяснить, какой из факторов (коэффициент износа или
остаточная стоимость оборудования) оказывает наибольшее влияние на затраты на
ремонт. Предполагается, что в данном временном периоде предприятие кардинально
не изменит технологии производства, а значит, параметры производственной функции
будут находиться в пределах допустимой погрешности.
Наша задача состоит в построении производственной функции Кобба–Дугласа
вида y=A*La *Kb, следовательно, необходимо найти параметры а, b. Воспользуемся
методическим подходом, представленным в работе Е.А. Фоминой и др. [3].
В литературе параметр A интерпретируется как коэффициент нейтрального
технического прогресса (нейтральный технический прогресс определяется такими
техническими изменениями, которые не нарушают равновесия, то есть экономически и
социально «безопасны» для общества). Поэтому в начальной модели параметр A
принимается равным единице.
Исходной базой для расчетов являются статистические данные за 2012–2014 гг.
установки химводоочистки. Анализируем исходные данные с помощью линейного
регрессионного анализа Microsoft Excel.
В результате получаем следующие показатели регрессионного анализа:
Регрессионная
статистика
Дисперсионный анализ
df
SS
MS
F
Значимость F
Регрессия
2
1605,8317
802,91583
7396,8163
1,71E-44
0,968228
Остаток
34
3,6906606
0,1085488
Стандартная
ошибка
0,329468
Итого
36
1609,5223
Наблюдения
36
Нижние 95
%
Верхние
95 %
Нижние
95 %
Верхние
95 %
Множественный R
0,998853
R-квадрат
0,997707
Нормированный Rквадрат
Коэффициенты
Стандартная ошибка
t-статистика
PЗначение
Переменная
X1
0,458827
0,115891926
3,9590955
0,000364
0,2233065
0,6943479
0,2233065
0,6943479
Переменная
X2
0,968653
3,91043973
0,2477096
0,805849
-6,9783163
8,9156231
-6,9783163
8,9156231
141
Слово – молодым ученым
R-квадрат характеризует долю вариации зависимой переменной, обусловленной
регрессией или изменчивостью объясняющих переменных. В данном случае R-квадрат
(0,997707) близок к 1, что свидетельствует о высокой корреляции между двумя переменными, то есть регрессия хорошо описывает зависимость между объясняющими и зависимой переменными.
Анализ исходных данных мы проводим с помощью линейного регрессионного
анализа Microsoft Excel. Регрессия используется для анализа воздействия на отдельную
зависимую переменную значений одной или более независимых переменных. Задачами
регрессионного анализа являются выбор типа модели (формы связи), установление
степени влияния независимых переменных на зависимую и определение расчетных
значений зависимой переменной (функции регрессии).
Осуществим оценку адекватности полученной модели с помощью F-критерия
Фишера: значение F-критерия Фишера можно вычислить с помощью инструмента
«Регрессия» (Анализ данных в Excel): Fрасч = 7396,81. Поскольку Fрасч > Fтабл, модель
следует признать адекватной. Следовательно, исследуемая зависимая переменная y
очень близко описывается включенными в регрессионную модель переменными ln(K)
и ln(L). На основании полученной модели можно вывести производственную функцию
Кобба–Дугласа путем экспонирования: y=K 0,458827 *L 0,968653 . Если в нашем случае
коэффициенты эластичности a и b в сумме превышают единицу, то говорят, что функция
имеет возрастающий эффект, то есть при некотором увеличении износа оборудования и
остаточной стоимости затраты на ремонты увеличиваются в большей степени.
Из полученного уравнения Кобба–Дугласа видно, что затраты на ремонт основных
производственных фондов в большей степени зависят от изношенности оборудования,
чем от остаточной стоимости. Поэтому при планировании затрат на ремонтные работы
предлагается учитывать изношенность оборудования как один из главных факторов, в
большей степени влияющий на увеличение затрат на ремонтные работы основных
производственных фондов, что приведет к уменьшению количества и стоимости
ремонтов и увеличению межремонтного периода.
Литература
1. Гофман К.Г. Экономическая оценка природных ресурсов в условиях
социалистической экономики. М.: Наука, 1977. 236 с.
2. Орлова И.В. Экономико-математическое моделирование: практ. пособие по
решению задач. М.: Вузовский учебник, 2004. 144 с.
3. Фомина Е.А., Кандаров И.В. Метод расчета премии за риск при оценке инновационных проектов // Экономика и управление: научно-практический журнал. 2015. № 2.
С. 106–110.
142