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 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: , (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
4.4 Определение возможных альтернатив проведения 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
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
Популярное: Модели организации как закрытой, открытой, частично открытой системы: Закрытая система имеет жесткие фиксированные границы, ее действия относительно независимы... Как выбрать специалиста по управлению гостиницей: Понятно, что управление гостиницей невозможно без специальных знаний. Соответственно, важна квалификация... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (1745)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |