Мегаобучалка Главная | О нас | Обратная связь


Анализ резервов роста объемов производства



2015-12-08 1101 Обсуждений (0)
Анализ резервов роста объемов производства 0.00 из 5.00 0 оценок




Резервы роста объема производства – это количественно измеримые возможности его увеличения за счет улучшения использования ресурсов организации. Поиск резервов облегчается при наличии их классификации, один из вариантов которой приведен на рис. 5.6.

Рис. 5.6. Резервы роста объемов производства

 

Полнота подсчетов резервов зависит от определения решающей группы ресурсов. Решающая группа определяется по структуре затрат на производство, по которой можно установить, является ли производство материалоемким, энергоемким, фондоемким или трудоемким. Рассмотрим порядок расчета прироста объема выпуска продукции за счет каждого фактора (вида резервов).

1. Приращение продукции в результате создания дополнительных рабочих мест:

,

где DM – дополнительные рабочие места;

В0 – среднегодовая выработка рабочего, тыс. руб.

2. Приращение объема продукции от ввода нового оборудования:

,

где п – число единиц вновь вводимого оборудования;

Tфi – полезное время работы каждого вида оборудования, машино-ч;

Вфi – выработка продукции за 1 машино-ч каждого вида оборудования, руб.

3. Приращение продукции от ликвидации потерь рабочего времени:

,

где Tп – количество потерянных часов рабочего времени;

В – среднечасовая выработка.

4. Приращение продукции от ликвидации потери времени работы оборудования рассчитывается аналогично п. 3.

5. Приращение продукции от внедрения мероприятий по совершенствованию технологии и организации производства и труда:

где T1j – время работы в отчетном периоде i-го вида оборудования;

В0, B1 – выработка продукции до и после внедрения новых технологий.

6. Приращение выпуска продукции в результате улучшения организации производства и труда (по трудовым ресурсам):

,

где Ч– прирост среднечасовой выработки в результате улучшения организации производства и труда;

T1S – число часов, отработанное всеми рабочими.

7. Приращение выпуска продукции от снижения норм расхода сырья и материалов в результате внедрения новых технологий:

,

где H1i, H0i, – нормы расхода сырья и материалов соответственно до внедрения i-го мероприятия по плану и с учетом его предполагаемого внедрения;

р0 – плановая цена единицы сырья и материалов;

Q1 – планируемый выпуск продукции.

По каждому направлению и блоку анализа в соответствии с рис. 5.6 проводится комплекс расчетов, результаты которых объединяются в таблицу (в табл. 5.10 приведены условные данные). Проведенный анализ позволяет оценить возможность организации по увеличению выпуска продукции, а также выявить диспропорции в использовании ресурсов, которые приводят к снижению финансовых результатов.

 

Таблица 5.10. Резервы роста выпуска продукции,тыс. руб.

 

Показатель Возможное увеличение выпуска продукции за счет лучшего использования
трудовых ресурсов средств труда предметов труда
Рост числа рабочих мест и укомплектование их оборудованием
Ликвидация потерь рабочего времени и времени работы оборудования
Повышение производительности труда и оборудования
Снижение норм расхода материалов
Итого

 

Как видно по данным табл. 5.10, резервы роста выпуска продукции по каждому виду ресурсов неодинаковы: если в результате расширения и лучшего использования трудовых ресурсов выпуск продукции может возрасти на 232 тыс. руб., то за счет средств труда – на 216 тыс. руб. Таким образом, реальное увеличение объема выпуска продукции возможно только в объеме 216 тыс. руб. Это означает, что часть трудовых ресурсов будет использоваться неэффективно. Отсюда следует вывод о необходимости расширения средств труда или о сокращении трудовых ресурсов. Конкретное решение зависит от потребностей рынка.

5.6. Оценка и прогнозирование выручки от продаж[4]

Выручка от продаж служит основным финансовым ресурсом, используемым для осуществления уставной деятельности организации. Знание размеров этого ресурса позволяет принимать обоснованные управленческие решения по погашению задолженностей, заключению договоров, основываясь на изучении спроса, а также прогнозировать сумму прибыли, учитывая результаты анализа расходов организации.

Изменение уровней рядов динамики происходит под воздействием множества факторов, которые по-разному оказывают влияние на изменение выручки от продаж. Одни факторы оказывают постоянное влияние и формируют основную тенденцию (тренд). К ним можно отнести:

· изменение демографических характеристик населения;

· технологическое и экономическое развитие;

· изменение денежных доходов населения и т.д.

Другие факторы оказывают периодически изменяющиеся или случайные воздействия. В качестве примера сезонного эффекта (периодически изменяющиеся) можно привести рост объема продаж в преддверии праздников, отпусков и т.п. Примерами случайной составляющей могут послужить изменения в правительственной финансовой и налоговой политике, неблагоприятные погодные условия и т.д.

Из приведенных данных на рис. 4.4 следует, что объем производства и товарооборот подвержены значительным колебаниям в течение года.

Исследование динамики продаж проводится теми же методами, что и исследование динамики любой другой экономической величины. При исследовании динамического ряда его изображают в виде определенной математической модели. Формы математической модели могут быть разными: простыми (аддитивная, мультипликативная, смешанная) и более сложными (кривые роста, адаптивные, авторегрессионые и т.п.).

Аддитивная модель используется, если размах сезонных колебаний изменяется слабо. Ее можно записать в виде

Yt=Ut+St+Et.

Мультипликативная модель используется для обработки данных, у которых размах сезонных колебаний примерно пропорционален величине тренда:

Yt=U,St Et.

На примере условной организации рассмотрим подходы к оценке и прогнозированию выручки от продаж:

· анализ динамики выручки от продаж;

· анализ сезонных колебаний выручки от продаж. Исследуемый ряд отобразим в виде аддитивной модели:

Yt =Ut + St , при условии, что Еt = 0.

Анализ динамики выручки от продаж.Цель анализа заключается в построении математической модели тренда на основе временного ряда динамики продаж.

В оценке и анализе динамики продаж используем следующие методы исследования динамических процессов:

· построение временного ряда, отображающего исследуемый процесс;

· расчет показателей динамики (горизонтальный анализ);

· определение тренда.

При построении временного ряда обычно рассматривают динамику продаж, как правило, за пять лет. При меньшем промежутке времени существенное влияние может оказать случайная составляющая, возникающая в отдельные периоды.

Исходные данные для построения и изучения графического отображения временного ряда показателей выручки от продаж представлены в табл. 5.11.

 

Таблица 5.11. Расчет абсолютных и относительных показателей временных рядов динамики продаж

Период Выручка от продаж, ден. ед. Абсолютный прирост, ден. ед. Темп прироста, %
9,3
4,0 –5,3 43,01
11,2 7,2 280,00
16,0 4,8 42,86
158,3 142,3 889,38
148,7 –9,6 –6,09
72,4 –76,2 –51,28
29,1 –43,3 –59,83
39,3 10,2 35,20
65,5 26,1 66,46
71,0 5,5 8,36
42,6 –28,4 –40,03
64,2 21,7 50,88
54,4 –9,8 –15,22
85,1 30,7 56,38
130,1 45,0 52,81
153,8 23,8 18,28
222,9 69,1 44,91
112,6 –110,3 –49,47
69,3 –43,3 –38,48
53,7 –15,6 –22,51
71,7 18,0 33,52
126,7 55,0 76,71

 

Графическое отображение исследуемого временного ряда представлено на рис. 5.7.

Рис. 5.7. Временной ряд выручки от продаж

 

Для качественной оценки тренда на начальном этапе анализа используется визуальный метод изучения временного ряда показателя. Из анализа данных табл. 5.11 трудно выявить основное направление изменения динамики продаж. Это связано с тем, что объем продаж подвержен сезонным колебаниям.

Наиболее часто используемые методы изучения тренда:

· укрупненных интервалов;

· сглаживания скользящей средней;

· нахождения регрессионных зависимостей;

· использования математических фильтров и т.д.

Для выявления тренда в рядах динамики колеблющихся уровней применим метод укрупненных интервалов. Главное в этом методе – преобразование первоначального ряда динамики в ряды более продолжительных периодов (месячные – в квартальные, квартальные – в годовые).

В результате преобразования месячных временных рядов динамики в квартальные общая тенденция изменения объема продаж становится очевидной (табл. 5.12, рис. 5.8).

Метод сглаживания скользящей средней также служит одним из методов определения и прогнозирования динамики развития. Применение этого метода по исходным уровням ряда позволяет определить расчетные (теоретические) уровни, погашающие случайные тенденции, а основная тенденция развития выражается в виде некоторой плавной линии (рис. 5.9). Известно, что для использования данного метода необходимо установить звенья скользящей средней.

Их расчет состоит в определении средних значений трехуровневого ряда с отбрасыванием при вычислении каждой новой скользящей средней одного уровня слева и присоединением одного уровня справа (табл. 5.13):

,

и т.д.

Таблица 5.12. Определение обшей тенденции методом укрупнения интервалов

Период Выручка от продаж, ден.ед. Абсолютный прирост, ден. ед. Темп прироста, %
т-й кв. n-го года 13,3
+ 1)-й кв. n-го года 185,5 165,1 909,31
+ 2)-й кв. n-го года 250,2 64,7 34,87
+ 3)-й кв. n-го года 175,8 –74,4 –29,7,3
т-йкв. (п + 1)-го года 161,2 –14,6 –8,30
(т + 1)-й кв. (п + 1)-го года 369,0 207,8 128,94
+ 2)-й кв. (п + 1)-го года 404,9 35,9 9,72
+ 3)-й кв. (n + 1)-го года 252,1 –152,8 –37,74

Рис. 5.8. Динамика выручки от продаж по кварталам за анализируемый период

 

Аналогично проводится сглаживание по пяти, семи, девяти и т.д. членам ряда. Метод скользящей средней дает хорошие результаты в динамических рядах с линейной тенденцией развития. Если изменения ряда во времени носят нелинейный характер, то необходимо применять метод взвешенной скользящей средней.

 

Таблица 5.13. Расчет методом скользящих средних,ден. ед.

Период Исходные уровни Сглаженный ряд (трехчленная скользящая средняя) Сглаженный ряд (пятичленная скользящая средняя)
9,3
4,0 8,17
11,2 10,40 39,76
16,0 61,83 67,63
158,3 107,65 81,32
148,7 126,46 84,90
72,4 83,39 89,56
29,1 46,96 71,00
39,3 44,64 55,46
65,5 58,60 49,49
71,0 59,67 56,51
42,6 59,24 59,53
64,2 53,73 63,45
54,4 67,92 75,28
85,1 89,87 97,53
130,1 123,01 129,28
153,8 168,95 140,92
222,9 163,14 137,76
112,6 134,96 122,49
69,3 78,55 106,06
53,7 64,90 86,81
71,7 84,03
126,7

 

Наиболее адекватное отображение исследуемого временного ряда приведено на рис. 5.9.

Однако получить обобщенную оценку тренда (измерить тренд) с помощью рассмотренных методов невозможно. Они позволяют только выявить тренд для его описания. Измерение тренда проводится с помощью метода аналитического выравнивания. Для расчета модели применяют уравнения регрессии. Для оценки тренда выручки от продаж воспользуемся двумя функциями:

· прямолинейной уt = a0 + at;

· функцией параболы второго порядка уt = a0+a1t + a2t2,

где уt – выручка от продаж;

t – период по порядку;

a0, a1, a2 – коэффициенты уравнения регрессии.

Рис. 5.9. Расчет методом скользящих средних:

 

Расчет параметров для каждого уравнения произведен в таблицах 5.14, 5.15.

Параметры a0, a1 для линейной функции можно определить, решив следующую систему уравнений:

В целях упрощения расчетов используем метод отсчета от середины динамического ряда. Учитывая, что при отсчете от середины динамического ряда алгебраическая сумм?а t равна 0, коэффициенты регрессии можно рассчитать по следующим формулам:

Параметры a0, a1, a2 для функции в виде параболы второго порядка можно определить, решив следующую систему уравнений:

 

Таблица 5.14. Расчет показателей модели при линейной аппроксимации

Период y t t2 t∙y yt (у – у1)2
9,3 –11 –102,3 53,7 1 971,4
4,0 –10 –40,0 57,6 2 867,6
11,2 –9 –100,8 60,4 2 416,7
16,0 –8 –128,0 63,2 2 225,0
158,3 –7 –1108,1 66,0 8 523,0
148,7 –6 –891,9 68,8 6 378,4
72,4 –5 –362,1 71,6 0,7
29,1 –4 –116,4 74,4 2 053,3
39,3 –3 –118,0 77,2 1 434,9
65,5 –2 –131,0 80,0 211,5
71,0 –1 I –71,0 82,8 141,1
42,6 0,0 85,7 1 857,3
64,2 64,2 88,5 588,3
54,4 108,9 91,3 1 357,1
85,1 255,4 94,1 80,3
130,1 520,3 96,9 1 100,8
153,8 769,2 99,7 2 931,4
222,9 1337,6 102,5 14 502,9
112,6 788,5 105,3 53,7
69,3 554,4 108,1 1 507,8
53,7 483,3 110,9 3 276,4
71,7 1712,1 113,8 55 479,4
126,7 3526,6 116,6 108 987,5
Итого 6950,9 _ 219 946,4

 

Для упрощения решения системы уравнений применим метод отсчета от середины ряда /. В этом случае

 

Таблица 5.15. Расчет показателей модели при аппроксимации параболической зависимостью

Период y t t2 t4 y ∙t у ∙ t2 yt (у – уt)2
9,3 –11 14 641 –102,3 1 125,3 13,4 17,1
4,0 –10 10 000 –40,0 400,0 25,7 470,0
11,2 –9 6 561 –100,8 907,2 37,0 663,6
16,0 –8 4 096 –128,0 1 024,0 47,3 978,4
158,3 –7 2 401 –1 108,1 7 756,7 56,6 10 334,8
148,7 –6 1 296 –891,9 5 351,6 65,0 6 991,5
72,4 –5 –362,1 1 810,7 72,5 0,0
29,1 –4 –116,4 465,6 79,0 2 486,3
39,3 –3 –118,0 354,1 84,5 2 037,6
65,5 –2 –131,0 261,9 89,0 554,7
71,0 –1 –71,0 71,0 92,6 469,9
42,6 0,0 0,0 95,3 2 780,0
64,2 64,2 64,2 97,0 1 072,9
54,4 108,9 217,7 97,7 1 870,5
85,1 255,4 766,1 97,4 151,9
130,1 520,3 2 081,1 96,2 1 144,3
153,8 769,2 3 846,1 94,1 3 571,5
222,9 1 296 1 337,6 8 025,8 91,0 17 418,2
112,6 2 401 788,5 5 519,7J 86,9 663,9
69,3 4 096 554,4 4 435,2 81,8 157,3
53,7 6 561 483,3 4 349,7 75,8 490,2
71,7 10 000 717,0 7 170,0 68,9 8,0
126,7 14 641 1 393,7 15 330,7 61,0 4 321,7
Итого 1 812,0 55 307 1 712,1 48 833,5 54 324,7

 

В результате получены следующие уравнения регрессии:

yt1 =78,78 + 2,28 t; yt2 =95,28 + 2,16 ∙t – 0,48 ∙t2.

Графическая иллюстрация линейного тренда и параболы второго порядка представлены на рис. 5.10.

Проведем сравнение значений уt, основанное на методе наименьших квадратов. Сущность метода наименьших квадратов состоит в том, что сумма квадратов отклонений полученного значения уti от заданного значения уiдолжна быть минимальной.

Из табл. 5.14 и 5.15 видно, что сумма квадратов отклонений минимальна при расчете значений yti по уравнению yt2 = 95,28 + 2,16 ∙ t – 0,48 ∙t2. Таким образом, рассчитанные по уравнению квадратической параболы аппроксимирующие значения точек тренда в наибольшей степени приближены к исследуемым.

Рис. 5.10. Линейный тренд и парабола второго порядка:

 

– эмпирическая кривая; – yt1 =78,78 + 2,28 t;

yt2 =95,28 + 2,16 ∙t – 0,48 ∙t2

Зачастую трудно решить, какая аппроксимирующая функция точнее отображает тенденцию динамического ряда. В этом случае используется метод оценки средней квадратической погрешности или метод дисперсионного анализа.

Средняя квадратическая погрешность вычисляется по формуле

,

где уi – значения показателей динамического ряда;

уtiзначения ряда, полученные по рассматриваемой аппроксимирующей функции (тренду);

п – число периодов;

R – число параметров уравнения аппроксимирующей функции (без свободного члена).

Средняя квадратическая погрешность составит; 1) для линейной функции

;

 

2) для функции в виде параболы второго порядка

.

Из полученных результатов видно, что минимальные значения средней квадратической погрешности обеспечивает функция в виде параболы второго порядка.

Для проверки точности модели – оценки ошибки в подборе функции – используют также показатель средней погрешности аппроксимации:

.

Средняя погрешность аппроксимации составит

; .

Значение погрешности аппроксимации параболы второго порядка меньше на 65,46%. Следовательно, тренд этой формы позволяет более точно прогнозировать объем продаж (линейный тренд чувствительнее к случайным колебаниям, которые искажают его характер). Как было сказано выше, исследуемый временной ряд подвержен сезонным колебаниям, из-за чего погрешность аппроксимации так велика, что для точности расчетов следует использовать другие модели, например полигармонические.

Анализ сезонных колебаний выручки от продаж.Анализ сезонных колебаний выручки от продаж, направлен на выявление конфигурации сезонной волны, измерение сезонных колебаний, определение изменений сезонной волны в перспективе.

Для определения сезонной составляющей вычисляется динамический ряд

St = Yt – Ut при условии Et = 0

Для проведения этого вида анализа наиболее часто используют метод простой средней, метод относительных чисел (величин), метод скользящей средней и метод аналитического выравнивания.

Сезонная волна выручки от продаж при применении метода простой средней рассчитывается как отношение усредненного значения выручки ( )в конкретном рассматриваемом периоде к среднесезонной выручке ( ), которая представляет собой постоянную среднюю [16, с. 74–78].

Усредненные значения показателей в каждом периоде (в табл. 5.16 – месяц) определяются по формулам

;

, … ;

.

где i = 1, n, j = 1, m;

n – число лет;

m – число периодов;

среднесезонное значение выручки – по формуле

.

Значения сезонной волны IS, находятся по формулам

; , … ; .

Последовательность IS = IS1 + IS2 + ISm является сезонной волной.

Результаты расчета сезонной волны выручки от продаж, представлены в табл. 5.16.

 

Таблица 5.16. Расчет индекса сезонности методом простых средних

 

 

 

Период, т Выручка от продаж, ден. ед. Усредненное точение выручки от продаж: у, ден. ед. Индекс сезонности
п-й год (n + 1)-й год
42,6 42,6 55,07
9,3 64,2 36,8 47,56
4,0 54,4 29.2 37,81
11,2 85,1 48,2 62,32
16,0 130,1 73,0 94,52
158,3 153,8 156,1 201,98
148,7 222,9 185,8 240,45
72,4 112,6 92,5 119,76
29,1 69,3 49,2 63,67
39,3 53,7 46,5 60,20
65,5 71,7 68,6 88,77
71,0 126,7 98,8 127,90
Итого 624,8 1187,2
Среднемесячная выручка ( ) 77,3

 

По данным временного ряда таблицы видно, что минимальные выручки от продаж приходятся на 1, 3. 4, 9, 10-й периоды. Следовательно, при прогнозировании объема выручки необходимо учитывать ее неравномерное распределение в течение года.

Сущность метода аналитического выравнивания состоит в определении формы линии связи, отражающей общую тенденцию экономического явления. Показатели сезонной волны колебаний выручки от продаж определяются отношением (в процентах) членов ряда к выровненному уровню и последующим определением средних из этих процентных отношений по месяцам. Наиболее часто выравнивание проводится по уравнению прямой. Индексы сезонности находим по формуле

.

Среднемесячные коэффициенты сезонности определяются по формуле

Расчет индекса сезонности методом аналитического выравнивания представлен в табл. 5.17, построенной с использованием данных табл. 5.14.

Полученные результаты объединены в табл. 5.18. На основании полученных результатов построен график сезонных волн (рис. 5.11). Как видно из рис. 5.11, кривые сезонности, построенные методом простых средних и аналитического выравнивания, практически совпадают. Максимальное значение индекса сезонности, как и предполагалось, приходится на 6-й, 7-й периоды, а минимальное – на 2, 3, 10-й.

 

Таблица 5.17. Расчет индекса сезонности методом

 

 

Период Выручка от продаж у, ден. ед. Теоретическое значение выручки уi, ден. ед. Индекс сезонности IS, %  
 
9,3 53,7 17,3  
4,0 57,6 7,0  
11,2 60,4 18,6  
16,0 63,2 25,3  
158,3 66,0 239,9  
148,7 68,8 216,1  
72,4 71,6 101,2  
29,1 74,4 39,1  
39,3 77,2 50,9  
65,5 80,0 81,8  
71,0 82,8 85,7  
42,6 85,7 49,7  
64,2 88,5 72,6  
54,4 91,3 59,6  
85,1 94,1 90,5  
130,1 96,9 134,2  
153,8 99,7 154,3  
222,9 102,5 217,5  
112,6 105,3 107,0  
69,3 108,1 64,1  
53,7 110,9 48,4  
71,7 113,8 63,0  
126,7 1 16,6 108,7  

 

Таблица 5.18. Индексы сезонности

Период 1 2 3 4 6 8 9 10 11 12
Метод простых средних 55,07 47,56 37,81 62,32 94,52 201,98 240,45 119,76 63,67 60,20 88,77 127,90
Метод аналитического выравнивания 49,68 44,95 33,29 54,51 79,79 197,11 216,79 104,06 51,60 49,67 72,43 97,18

 

Рис. 5.11. Индексы сезонности:

----------- – метод простых средних;

––––––––– – метод аналитического выравнивания

 

Методы простой средней и аналитического выравнивания позволяют лишь в какой-то степени исключить случайные колебания, искажающие характер сезонной волны, и выделить сезонную компоненту, соответствующую исследуемому периоду.

Для проведения сезонного выравнивания каждое значение исходного ряда следует разделить на соответствующий ему сезонный индекс и умножить полученный результат на 100%. Полученные результаты приведены на рис. 5.12.

Применим метод аналитического выравнивания для составления прогноза выручки от продаж на следующий год. Для осуществления прогноза следует рассчитать предварительный ежемесячный прогноз по подобранной модели тренда yt1 = 78,78 + 2,28 ∙t для t = 24, 25, ..., 35. Для получения окончательного прогноза проводится корректировка предварительного прогноза при помощи сезонных ин­дексов, с использованием данные табл. 5.17, 5.18. Результаты про­гноза приведены в табл. 5.19. и рис. 5.13.

Рис. 5.12. Сезонное выравнивание ряда выручки от продаж:

 

Таблица 5.19. Выручка от продаж на прогнозируемый период,ден. ед.

Период Тренд Прогноз на (п + 2)-й год Фактические данные Погрешность прогноза, %
133,5 66,3 76,3 3,78
135,8 61,0 58,4 -4,31
138,1 46,0 47,6 3,56
140,3 76,5 75,2 -1,71
142,6 113,8 -3,33
144,9 285,6 350,2 22,61
147,2 319,1 390,7 22,45
149,5 155,5 220,1 41,52
151,7 78,3 95,6 22,11
154,0 76,5 55,2 -27,85
156,3 113,2 88,2 -22.09
158,6 154,1 139,4 -9,54

Из рис. 5.13 следует, что наблюдается согласие прогноза с фак­тическими данными в течение первых пяти периодов года. Наи­большие различия прогноза наблюдаются в периоды, где сезонный индекс подвержен наибольшим колебаниям.

Рис. 5.13. Прогноз на (n + 2)-й год и фактические данные выручки от продаж:

 

Результаты анализа сезонных колебаний позволяют с более вы­сокой точностью прогнозировать объем производства и продаж.

Резюме

Косновным задачам анализа объемов производства и продаж продукции относятся определение конкурентных позиций организа­ции, ее способности гибкого маневрирования ресурсами при изме­нении конъюнктуры рынка. Для современной экономической науки оценка конкурентоспособности представляет одну из актуальней­ших проблем, однако множество разработок в основном сводятся к определению финансового состояния организации.

Общая задача объемов производства и продаж продукции реша­ется путем решения следующих частных аналитических задач:

§ оценки степени выполнения производственной программы и плана продаж продукции;

§ оценки динамики выпуска и продаж продукции;

§ оценки выполнения договоров по объему, ритмичности по­ставки, качеству и комплектности продукции;

§ установления причин снижения объемов производства и не­ритмичности выпуска;

§ количественной оценки резервов роста выпуска и продаж про­дукции.

Ретроспективный анализ объема и структуры готовой продук­ции проводится в несколько этапов:

§ изучения динамики выпуска валовой и товарной продукции в сопоставлении с объемом продаж;

§ анализа выполнения производственной программы по ассор­тименту;

§ анализа структуры продукции и влияния структурных сдвигов на выполнение производственной программы;

§ оценки точки безубыточности и запаса финансовой прочно­сти организации.

Технический уровень оценивается путем сопоставления техни­ко-экономических показателей изделий с лучшими отечественными и зарубежными образцами аналогичной техники. Оценка проводит­ся по основным технико-экономическим показателям, характеризующим важнейшие свойства изделий.

Качество продукции — один из основных факторов, способст­вующих росту ее продаж. Это основной показатель конкурентоспо­собности выпускаемой продукции организаций. Для обобщенной оценки выполнения плана по качеству продукции используются разные методы, в том числе балльный. Сущность балльного метода оценки состоит в следующем: определяется средневзвешенный балл качества продукции и путем сравнения фактического и планового его уровня находится процент выполнения плана по качеству.

По продукции, качество которой характеризуется сортом или кондицией, рассчитываются доля продукции каждого сорта (конди­ции) в общем объеме производства, средний коэффициент сортно­сти, средневзвешенная цена изделия в сопоставимых условиях. При оценке выполнения плана по первому показателю фактическую долю каждого сорта в общем объеме продукции сравнивают с плановой, а для изучения динамики качества — с данными прошлых периодов.

Резервы роста объема производства — это количественно изме­римые возможности его увеличения за счет улучшения использова­ния ресурсов организации.

Выручка от продаж — основной финансовый ресурс, используе­мый для осуществления уставной деятельности организации. Знание размеров этого ресурса позволяет принимать обоснованные управ­ленческие решения относительно погашения задолженностей, заключения договоров, основываясь на изучении спроса, а также прогно­зировать размер прибыли, учитывая результаты анализа расходов организации.

Исслед



2015-12-08 1101 Обсуждений (0)
Анализ резервов роста объемов производства 0.00 из 5.00 0 оценок









Обсуждение в статье: Анализ резервов роста объемов производства

Обсуждений еще не было, будьте первым... ↓↓↓

Отправить сообщение

Популярное:
Как построить свою речь (словесное оформление): При подготовке публичного выступления перед оратором возникает вопрос, как лучше словесно оформить свою...
Как вы ведете себя при стрессе?: Вы можете самостоятельно управлять стрессом! Каждый из нас имеет право и возможность уменьшить его воздействие на нас...



©2015-2020 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (1101)

Почему 1285321 студент выбрали МегаОбучалку...

Система поиска информации

Мобильная версия сайта

Удобная навигация

Нет шокирующей рекламы



(0.014 сек.)