ИДЕНТИФИКАЦИЯ ИНФОРМАЦИОННЫХ ГРАНИЦ МЕЖДУ СИСТЕМОЙ И ВНЕШНЕЙ СРЕДОЙ

Введение

Учитывая современные тенденции внедрения информационных технологий в бизнес, в России появилась потребность в реализации проектов по оптимизации транспортной логистики. Сейчас бизнесу стало выгодно иметь высокотехнологичную транспортно-логистическую систему, которая обеспечит доставку грузов с затратами, которые можно оптимизировать по цене и качеству и способную удерживать долю транспортных расходов в определенном прогнозируемом диапазоне [7].

В самом общем случае идентификация представляет собой установление тождества объекта другому. В словаре иностранных слов под идентификацией понимается отождествление, приравнивание, уподобление, установление совпадения чего-либо с чем-либо [4].

Все возрастающая степень вовлеченности России во всемирные процессы глобализации неизбежно диктует необходимость создания условий для оптимальной интеграции транспортно-логистической инфраструктуры России в мировую экономику, для наиболее благоприятного позиционирования ее на мировых рынках.

Системой может быть услуга или продукт, который проектируют или производят, или часть продукта. Вложенность систем не ограничена, но на каждом уровне необходимо применять одинаковые правила. Прежде всего, следует обозначить границы системы, от которых зависит конечный результат [10].

Система формирует и проявляет свои свойства только в процессе функционирования и взаимодействия с внешней средой. Она реагирует на воздействия окружающей среды, развивается под этими воздействиями, но при этом сохраняет качественную определенность и свойства, обеспечивающие ее относительную устойчивость и адаптивность функционирования [9]. Без взаимодействия с внешней средой открытая система не может функционировать. При рассмотрении системы как «черного ящика» сначала анализируются и формулируются параметры выхода системы [2], затем определяется влияние внешней среды на систему, требования к ее входу, анализируются параметры канала обратной связи и в частности параметры технологического процесса в системе (рисунок 1).

         

 Рисунок 1 – Схема анализа системы и внешней среды

Определение границ системы и факторов внешней среды, влияющих на перевозочный процесс

            Автомобильный транспорт является наиболее гибким видом транспорта, чья динамика грузооборота за последнее десятилетие остаётся в стабильном состоянии. На основании данных из Росстата [13] автором была составлена гистограмма динамики грузооборота за период в 2008-2018 гг. (гистограмма 1).

Гистограмма 1 – Динамика грузооборота по видам транспорта в Российской Федерации за 2008-2018 годы

            Грузовые автомобили имеют широкий диапазон грузоподъемности. Географическая сеть автомобильных дорог весьма широка и позволяет производить доставку грузов «от двери до двери» без проведения дополнительных грузовых операций в пути следования [6]. На размер тарифной платы на автомобильном транспорте оказывают влияние следующие факторы: расстояние перевозки, масса груза, объем и вес груза, грузоподъемность автомобиля, общий пробег, тип автомобиля, район, в котором осуществляется перевозка. Каждый тариф на перевозку грузов автомобильным транспортом учитывает не весь набор факторов, а некоторые из них, наиболее существенные в условиях конкретной перевозки [12]. Учитывая, разнообразные погодно-климатические и погодные условия в России одним из главных факторов, влияющим на стоимость грузоперевозки является температура воздуха.

Рассматривая процесс перевозок как систему, можно определить её границы как совокупность внешних факторов (таблица 1), оказывающих на неё воздействие [11].

Таблица 1

Внешние факторы, влияющие на систему перевозочного процесса

Специфические факторы

Влияние на систему перевозочного процесса

Климатические

Климатические особенности. Удорожание транспортной инфраструктуры в регионах с неблагоприятными климатическими условиями.

Географические

Рельеф местности. Удорожание транспортной инфраструктуры в регионах со сложным рельефом.

Экологические

Экологические нормы и нормативы. Удорожание транспортной инфраструктуры в регионах с особыми природоохранными зонами.

Социальные

Плотность населения. Территориальное разделение труда. Удорожание транспортной инфраструктуры в регионах с малой плотностью населения

Политические

Территориальное и национальное единство страны. Внешнеполитическая политика.

 

Применение метода корреляционно-регрессионного анализа для оценки силы взаимосвязи между показателями

            Корреляционно-регрессионный анализ является одним из способов решения задач и поиска информации, позволяющим определить совместное влияние совокупности взаимосвязанных и одновременно действующих признаков, а также отдельное влияние каждого признака на экономический процесс. Этот тип анализа позволяет оценить степень взаимосвязи между несколькими признаками и результатом и смоделировать уравнение регрессии, описывающее форму связи [8].

Применим данный анализ для оценки силы взаимосвязи между двумя показателями, средней температурой воздуха и полученной компанией прибылью. Объект исследования – транспортная компания «АС» города Красноярска. Так как стоимость услуг грузоперевозок чаще всего рассчитывается по тарифу, в который входит ставка за 1 пройденный км и ставка за 1 час работы, используем стоимостный показатель. Температура воздуха представлена в градусах Цельсия.

Для определения существования взаимосвязи между средней температурой воздуха и полученной прибылью используем первичные данные о количестве выполненных перевозок транспортной компании, занимающейся грузоперевозками. На основании этих данных рассчитывается коэффициент корреляции с помощью программы MS Excel (таблица 2).

Таблица 2

Анализ выполненных перевозок транспортной компанией за 2018 год

Месяц

Средняя температура воздуха, °С

Средняя стоимость перевозки, руб.

Количество выполненных перевозок, единицы

Январь

-16,5

2256,141623

191

Февраль

-14,5

2069,945909

154

Март

-3,9

2407,990309

97

Апрель

4,4

1977,074397

141

Май

8,2

1933,854872

156

Июнь

17,2

902,9700485

206

Июль

18,3

1246,240963

301

Август

16,3

1523,10683

265

Сентябрь

9,1

1967,08378

328

Октябрь

1,4

2060,871034

319

Ноябрь

-9,9

1878,971302

215

Декабрь

-11,8

4908,821429

84

Коэффициент корреляции

0,520672357

 

            Корреляционная связь представляет собой математико-статистическое понятие, и не всегда наличие корреляционной связи свидетельствует о наличии причинно-следственной связи. Тем не менее, в ряде случае корреляционный поиск может быть полезен именно для предположений о существовании связи по существу [3].

            Значение коэффициента корреляции 0,52, это означает наличие прямой средней связи, то есть зависимость между температурой воздуха и количеством выполненных перевозок есть. Чтобы показать эту зависимость графически строим диаграмму рассеивания (диаграмма 1).

            Характер расположения точек показывает, что большинство из них сгруппированы возле определенной линии, что указывает на существование взаимосвязи между показателями [14].  На основании диаграммы рассеивания можно сделать вывод, что большая часть грузоперевозок была осуществлена в месяцы со средней температурой воздуха выше нуля градуса.

http://meridian-journal.ru/uploads/2966-2.PNG

Диаграмма 1 – Зависимость между температурой воздуха и количеством выполненных перевозок

            Для уточнения достоверности информации проведем регрессионный анализ между показателями зависимости температуры воздуха и полученной за 2018 год прибыли. Данные для проведения данных представлены в таблице 3.

Таблица 3

Зависимость между температурой воздуха и прибылью транспортной компании за 2018 год

Месяц

Средняя температура воздуха, °С

Полученная прибыль, руб.

Прибыль в процентах от общей суммы, %

Январь

-16,5

430923,05

9,27

Февраль

-14,5

318771,67

6,86

Март

-3,9

233575,06

5,03

Апрель

4,4

278767,49

6,00

Май

8,2

301681,36

6,49

Июнь

17,2

186011,83

4,00

Июль

18,3

375118,53

8,07

Август

16,3

403623,31

8,68

Сентябрь

9,1

645203,48

13,88

Октябрь

1,4

657417,86

14,15

Ноябрь

-9,9

403978,83

8,69

Декабрь

-11,8

412341

8,87

 

            Результаты регрессионного анализа данных представлены на рисунке 2.

http://meridian-journal.ru/uploads/2966-3.PNG

Рисунок 2 – Результаты регрессионного анализа

По данным рисунка 2, коэффициент множественной корреляции R= 0,67, что говорит о существовании прямой средней взаимосвязи признаков в уравнении. Коэффициент детерминации R2=0,457. Он показывает, что 45,7% прибыли транспортной компании зависит от температуры воздуха. Значение F-критерия Фишера равно 8,41. Значимость F-критерия крайне мала (меньше 0,05), следовательно, уравнение регрессии статистически значимо с вероятностью 95% [1].

Составим уравнение линейной множественной корреляции:

http://meridian-journal.ru/uploads/2966-4.PNG

где X1 – фактор «среднемесячная температура воздуха».

Проанализировав уравнение, можно сделать следующие выводы: полученная прибыль при экстремально низкой температуре составит приблизительно 54 тысячи рублей в месяц.

По итогам проведенных вычислений можно сделать вывод, что климатические (и природные) факторы в средней степени оказывают влияние на перевозке грузов автомобильным транспортом. Тем не менее, нельзя утверждать, что выявленные зависимости полностью объясняют наблюдаемые колебаний [15].

Для большей наглядности динамики построим диаграмму полученной транспортной компанией «АС» прибыли за выполненные перевозки грузов за 2018 год по месяцам (диаграмма 2).

http://meridian-journal.ru/uploads/2966-5.PNG

Диаграмма 2 – Полученная транспортной компанией прибыль по месяцам за 2018 год в городе Красноярске

 

Заключение

            Процесс внедрения информационных и компьютерных технологий сегодня необходим и, к тому же, неизбежен. Это связано с увеличением объема обрабатываемых данных. Обычными, традиционными способами уже невозможно извлечь из этого потока всю полезную информацию и использовать ее для управления предприятием. Скорость обработки данных и получения необходимой информации становится определяющим фактором в управлении. Поток информации все больше влияет на эффективность управления компанией и её финансовый успех.

 

Список используемой литературы

  1. Бараз В. Р. Корреляционно-регрессионный анализ связи показателей коммерческой деятельности с использованием программы Excel: учебное пособие / В. Р. Бараз. – Екатеринбург: ГОУ ВПО «УГ-ТУ-УПИ», 2005. – 102 с.
  2. Белокрылова О. С. Идентификация границ рынка. Особенности электронного сегмента // TERRA ECONOMICUS. – 2011 – №4. – С. 6-10
  3. Гершкович М. М., Бирюкова Т. К. Задачи идентификации информационных объектов в распределенных массивах данных // Системы и средства информатики, 2014. – Т. 24. – №1. С 224-243.
  4. Добрякова Г. Э. Проблемы идентификации в информационных системах // Правовая информатика, 2014. – №3. – 28-32 с.
  5. Информация правит миром. Роль IT-технологий в процессе формирования «умной экономики» // Российская газета. Экономика «Модернизация». – 2011.
  6. Крамынина Г. Н., Кроль Н. В. Использование пассажирского транспорта в зависимости от цели поездки и сезонности при условии мультимодальности перевозки // Молодая наука Сибири: электронный научный журнал. – 2019. –№1.
  7. Матвеева А. Д., Иванилова А. М. Интеграция современных информационных технологий на рынок транспортных услуг РФ // Молодой ученый. — 2017. — №17. — С. 367-371.
  8. Попова Е.С. применение корреляционно-регрессионного анализа для прогнозирования экономического развития предприятия (ОАО «Мукомол») // Научное сообщество студентов XXI столетия. Экономические науки: сборник статей по материалам LXI международной студенческой научно-практической конференции. – 2015. – № 1.
  9. Поташева Г. А. Синергетический подход к управлению: Монография / Г.А. Поташева. – М.: НИЦ ИНФРА-М, 2013. – С. 32.
  10. Просвирнов А. А. Системная инженерия – миф или ключ к эффективности // Атомная стратегия. – 2011.
  11. Сандакова Н. Ю. Исследование факторов, влияющих на развитие транспортной инфраструктуры региона // Инфраструктурные отрасли экономики: проблемы и перспективы развития. – 2014. – №6. – С. 21-26.
  12. Скрипников И. Н. Анализ факторов, влияющих на выбор вида транспорта при перевозке грузов в России // Инженерный вестник Дона: электронный научный журнал. – 2015. – №4.
  13. Транспорт [Электронный ресурс] // Федеральная служба государственной статистики. – 2008-2018. – Электронные данные. – Режим доступа: https://www.gks.ru/folder/23455 (дата обращения: 24.11.2019)
  14. Шихалёв А. М. Корреляционный анализ. Непараметрические методы / А. М. Шихалёв.– Казань: Казанскиуй университет, 2015. – 58 с.
  15. Шмидт А. О. Исследование влияния климатических факторов на размеры пассажиропотока пригородным железнодорожным транспортом в пермском регионе // Современные научные исследования: теория и практика. – 2017. – С. 113-121.