ТЕМА 7. Методы прогнозирования в стратегическом маркетинге

СУЩНОСТЬ, ПРИНЦИПЫ И КЛАССИФИКАЦИЯ МЕТОДОВ ПРОГНОЗИРОВАНИЯ

Прогнозирование — процесс разработки прогнозов. Прогноз — научно обоснованное суждение о возможных состояниях объекта в будущем, об альтернативных путях и сроках его существования. Прогнозирование управленческих решений наиболее тесно связано с планированием. План и прогноз представляют взаимодополняющие стадии планирования при определяющей роли плана как ведущего звена управления. Прогноз в системе управления является предплановой разработкой многовариантных моделей развития объекта управления. Сроки, объемы работ, числовые характеристики объекта и другие показатели в прогнозе носят вероятностный характер и обязательно предусматривают возможность внесения корректировок. В отличие от прогноза план содержит однозначно определенные сроки осуществления события и характеристики планируемого объекта. Для плановых разработок используется наиболее рациональный прогнозный вариант.

Целью прогнозирования управленческих решений является получение научно обоснованных вариантов тенденций развития показателей качества, элементов затрат и других показателей, используемых при разработке перспективных планов и проведении научно-исследовательских (НИР) и опытно-конструкторских работ (ОКР), а также развитии всей системы менеджмента. Самым сложным в системе менеджмента является прогнозирование качества и затрат. Поэтому внимание в большей мере будет уделено этим вопросам.

К основным задачам прогнозирования относятся:

• разработка прогноза рыночной потребности в каждом конкретном виде потребительной стоимости в соответствии с результатами маркетинговых исследований;

• выявление основных экономических, социальных и научно-технических тенденций, влияющих на потребность в тех или иных видах полезного эффекта;

• выбор показателей, существенно влияющих на величину полезного эффекта прогнозируемой продукции в условиях рынка;

• выбор метода прогнозирования и периода упреждения прогноза;

• прогнозирование показателей качества новой продукции во времени с учетом влияющих на них факторов, ее цены, затрат в сфере эксплуатации, качества, параметров рынка;

• прогноз организационно-технического уровня производства по стадиям жизненного цикла продукции;

Рекомендуемые материалы

• оптимизация прогнозных показателей качества по критерию максимального полезного эффекта при минимальных совокупных затратах за жизненный цикл продукции;

• обоснование экономической целесообразности разработки новой или повышения качества и эффективности выпускаемой продукции, исходя из наличных ресурсов и приоритетов.

Под полезным эффектом от эксплуатации или потребления продукции понимается выполняемая ею работа или отдача за срок ее службы. При определении полезного эффекта всю промышленную продукцию можно разделить на:

• продукцию, полезный эффект которой характеризуется отдачей (сырье, материалы, смазочные материалы, топливо, значительное количество предметов народного потребления, пищевые продукты и т.д.);

• продукцию, полезный эффект которой выражается выполненной работой в единицу времени (станки, подъемно-транспортные средства, полиграфическое оборудование, нефтеаппаратура и т.д.).

При определении полезного эффекта следует брать только ту часть работы, которую получает потребитель, исключая при этом его потери. Например, для нефтеаппаратуры полезным эффектом является количество конечной продукции, произведенной аппаратом за нормативный срок службы.

К основным принципам научно-технического прогнозирования относятся системность, комплектность, непрерывность, вариантность, адекватность и оптимальность. Принципы системности требуют взаимоувязанности и соподчиненности прогнозов развития объектов прогнозирования и прогностического фона.

Принцип непрерывности требует корректировки прогноза по мере поступления новых данных об объекте прогнозирования или о прогнозном фоне. Корректировка прогнозов должна носить дискретный характер, причем оптимальные сроки обновления прогнозов могут быть выявлены только по результатам практического использования (ориентировочно два раза в пятилетку), т.е. результаты реализации прогнозов, уточнение потребностей, изменение тенденций развития объекта или прогнозного фона должны периодически поступать к разработчику прогноза.

Принцип адекватности прогноза объективным закономерностям характеризует не только процесс выявления, но и оценку устойчивых тенденций и взаимосвязей в развитии производства и создании теоретического аналога реальных экономических процессов с их полной и точной имитацией. Реализация принципа адекватности предполагает учет вероятностного характера реальных процессов господствующих тенденций и оценку вероятности реализации выявленной тенденции.

В результате оптимизации прогнозных значений полезного эффекта и затрат по критерию максимизации экономического эффекта из множества альтернативных вариантов должен быть выбран наилучший.

Основные источники исходной информации для прогнозирования:

• статистическая, финансово-бухгалтерская и оперативная отчетность предприятий и организаций;

• научно-техническая документация по результатам выполнения НИОКР, включая обзоры, проспекты, каталоги и другую информацию по развитию науки и техники в стране и за рубежом;

• патентно-лицензионная документация.

Учитывая значительное дублирование информации, используемой при прогнозировании и планировании повышения качества и эффективности продукции, при проведении НИР и OKR разработке системы норм и нормативов целесообразно использовать единые базы данных, формируемые по принадлежности к объектам прогнозирования и планирования. В этом случае проблему информационного обеспечения научно-технического прогнозирования следует решать комплексно с развитием системы автоматизированного управления.

Использование информационной базы АСУ для решения задач научно-технического прогнозирования в значительной мере снижает объем трудозатрат на сбор и подготовку исходных данных, позволяет сконцентрировать усилия прогнозистов на содержательной части этого процесса.

По назначению и характеру функционирования вся информация делится на научно-техническую и технико-экономическую, справочно-нормативную, информацию прогнозной ситуации и информацию обратной связи.

Исходная информация включает данные, используемые в процессе выбора метода прогнозирования, создания методик и справочно-нормативных материалов. От полноты и достоверности этой группы информации зависит научная обоснованность применяемых методов прогнозирования, обоснованность и точность прогнозов.

Объем и состав справочно-нормативной информации зависит от степени дифференциации прогнозных расчетов.

Информацию прогнозной ситуации образуют данные, характеризующие цели прогноза и условия, в которых будет протекать развитие прогнозируемого объекта. Состав этой информации и ее объем также зависят от принятых методов прогнозирования, от степени дифференциации и требуемой точности прогнозных расчетов.

Информацию обратной связи составляют данные проведенных научно-технических прогнозов, данные об отклонениях фактического состояния объекта прогнозирования от прогнозных величин, а также об отклонениях фактического состояния прогнозного фонда от показателей, принятых при прогнозировании. Информация обратной связи позволяет оценить фактическую достоверность прогноза качества справочно-нормативных материалов и выявить причины отклонений.

В условиях ужесточения борьбы за рынки сбыта организации и страны ищут пути экономии ресурсов как главного фактора решения экономических, социальных, технических и других проблем.

В литературе приводятся различные классификации методов прогнозирования.

Например, М. Мескон, М. Альберт, Ф. Хедоури /21/ прогнозы подразделяют на экономические, социальные, развития конкуренции, а по методам — на количественные (анализ временных рядов, причинно-следственное моделирование или корреляционные зависимости) и качественные (экспертные методы).

Большинство опубликованных в литературе классификаций методов прогнозирования основано на перечисленных признаках.

Приведенная классификация не отражает сущности методов прогнозирования развития объектов или решения проблем. В настоящее время трудно выделить конкретный вид прогноза: экономический, социальный, технический, или какой-либо другой. В экономике все взаимосвязано. На основе структурного подхода к управлению можно говорить только о приоритете направления прогноза при существовании остальных аспектов проблемы.

Например, при прогнозировании развития технологий приоритет отдается технологическим аспектам при обязательном (подчеркиваем) учете всех остальных аспектов: экологических, социальных, экономических, организационных и др. решения проблемы.

Приоритет отдельного аспекта проблемы устанавливается и закрепляется при формулировании цели в два этапа.

На первом этапе — с применением экспертной оценки, методов корреляционно-регрессионного анализа и др. Приоритеты (аспекты проблемы, метода и т.д.) ранжируются. Это необходимо для оптимизации распределения ресурсов и финансирования сначала наиболее значимого фактора, потом, по очереди, остальных.

Допустим, при разработке и внедрении мероприятия по совершенствованию технологических процессов изготовления продукции решаются следующие задачи: 1) повышение качества продукции; 2) снижение удельных затрат на производство продукции; 3) экономия ресурсов у потребителя за счет повышения качества продукции; 4) повышение уровня автоматизации труда; 5) улучшение показателей эргономичности труда.

Перечисленные задачи отражают все аспекты комплексности проблемы. Приоритеты отдельных аспектов определяются, исходя из позиций организации на рынке, ее возможностей и стоимости аспектов. Экспертная оценка перечисленных пяти аспектов (задач) позволила определить их значимость и установить следующие приоритеты (сумма равна 100): 45 : 15 : 25 : 10 : 5. Экспертная оценка приоритетов свидетельствует об актуальности для данной продукции повышения ее качества. Значит, при совершенствовании технологических процессов изготовления продукции следует, прежде всего, финансировать меры по повышению качества изготовления продукции. Для этого необходимо провести диагностику технологических процессов, технологического оборудования и оснастки, повысить их жесткость и точность, внедрить автоматизированные статистические методы контроля продукции и т.д.

На втором этапе приоритеты должны быть закреплены документально при формулировании цели.

В продолжение предыдущего примера сформулируем цель по совершенствованию упомянутых технологических процессов: разработать мероприятия, обеспечивающие значительное (указываются конкретные задания) повышение качества изготовления продукции путем комплексной отладки системы оборудование — приспособление — инструмент — деталь — процесс — менеджмент.

Наряду с классификацией методов прогнозирования по признаку, отражающему какой-либо один аспект проблемы, вряд ли методически верно это осуществлять по признаку возможности измерения параметров прогноза: количественные или качественные методы. Во-первых, какой это прогноз, если он не может быть оценен количественно. Во-вторых, при применении любого прогноза на первых этапах прогнозисты пользуются качественными методами или приемами анализа.

Таким образом, практическое применение того или иного метода прогнозирования определяется не аспектом проблемы и не возможностью измерения результатов прогноза, а сложностью и стоимостью объекта, наличием необходимой информации и отработанной методики прогнозирования, квалификации прогнозиста и др. факторов. Краткая характеристика предлагаемых нами методов прогнозирования представлена в табл. 6.3

Таблица 6.3

Краткая характеристика методов прогнозирования управленческих решений

МЕТОДЫ ЭКСТРАПОЛЯЦИИ

На ранних стадиях разработки часто ограничено количество известных параметров будущего объекта и показателей организационно-технического уровня производства у изготовителя и потребителя. В этих условиях рекомендуется применять более простые, но и менее точные методы прогнозирования — экстраполяции, основанные на прогнозировании поведения или развития объектов в будущем по тенденциям его поведения в прошлом. Применение методов экстраполяции, как правило, не требует моделирования частных параметров объекта и показателей организационно-технического уровня производства.

Наиболее распространенными являются методы экстраполяции по математическим моделям и графический (от руки, на глазок). Оба метода требуют наличия информации о прогнозируемом параметре объекта за период в два и более раза больше прогнозируемого периода. Для учета изменений качества объекта в прогнозируемом периоде и организационно-технического уровня производства у изготовителя и потребителя объекта применяются корректирующие коэффициенты.

Допустим, нам необходимо спрогнозировать себестоимость выработки сжатого воздуха в 2000 г. в условиях станкостроительного завода. Воздух на этом заводе сжимается воздушными поршневыми компрессорами типа ВП. На заводе не ведется учет себестоимости выработки сжатого воздуха каждым компрессором, но учитываются все элементы затрат на эксплуатацию и ремонты компрессорной станции в целом, а также ее годовая производительность. Поделив сумму годовых затрат на годовую производительность (годовой объем сжатого воздуха), получим себестоимость выработки единицы объема сжатого воздуха.

Себестоимость одной тысячи м³ сжатого воздуха на заводе за 1992—1999 гг. составила по годам 2,10; 2,03; 1,95; 2,02; 1,86; 1,87; 1,85; 1,80 у. е. Нанесем эти данные на график (рис. 6.1).

Рис. 6.1. Динамика себестоимости выработки 1 тыс. м³ сжатого воздуха на станкостроительном заводе

По имеющимся данным, себестоимость выработки сжатого воздуха на 2000 г. можно спрогнозировать методом наименьших квадратов на ЭВМ и графически. Для разработки модели прогнозирования по первому методу составляется матрица исходных данных по следующей форме:

В этой таблице Х — год (1992 г. — 1, 1993 г. — 2 и т.д.), Y — себестоимость сжатого воздуха, у. е./тыс. м³.

После решения матрицы на ЭВМ по стандартной программе, статистической обработки данных методом наименьших квадратов были получены следующие модели для прогнозирования себестоимости:

Уравнение регрессии по степенной форме зависимости не отвечает требованиям по критерию Фишера: расчетное значение критерия равно 4,26, а табличное — 5. Поэтому было принято уравнение по линейной зависимости, отвечающее требованиям: коэффициент парной корреляции равен 0,78, ошибка аппроксимации ±1,5%, критерий Стьюдента — 4,68 при табличном, равном 2, критерий Фишера — 4,95.

Подставляя в линейное уравнение регрессии вместо Х соответствующую цифру (1 — для 1992 г., 2 — 1993, 7 — 1998, 8 — 1999 г.), получим следующие теоретические или расчетные значения себестоимости:

По полученным точкам построим теоретическую линию снижения себестоимости выработки сжатого воздуха в условиях данного завода. Участок от 2000 до 2002 г. является прогностическим, и он обозначен пунктирной линией. За год в среднем себестоимость снижается на 1,8%.

Линию снижения себестоимости можно построить также графически, без нахождения математической модели, на глазок. Однако он по сравнению с предыдущим менее точен, рекомендуется только для предварительного определения тенденции изменения функции.

В этом примере корректирующие коэффициенты не учтены, так как до 2002 г. на анализируемом заводе не намечаются изменения организационно-технических факторов производства сжатого воздуха. Также не учтена инфляция.

 ПАРАМЕТРИЧЕСКИЕ МЕТОДЫ

На стадиях разработки технического задания и технического проекта по объекту массового производства отсутствуют сведения по каждой детали и сборочной единице. Объекты еще не прошли опытно-промышленных испытаний. Поэтому на этих стадиях нет возможности выполнить детальные расчеты затрат на освоение, изготовление, обращение, эксплуатацию и ремонт проектируемых объектов.

А по продукции единичного и мелкосерийного производства нецелесообразно применять описанные выше точные методы прогнозирования.

В этих случаях рекомендуется применять параметрические методы прогнозирования полезного эффекта и затрат, основанные на установлении зависимостей между параметрами объекта и организационно-технического уровня производства, с одной стороны, и полезным эффектом или элементом затрат — с другой.

Параметрические методы прогнозирования подразделяются на два вида: по удельным показателям и по уравнениям регрессии.

Для установления уравнений регрессии необходимо, чтобы количество статистических данных было не менее чем в три раза больше количества факторов (см. п. 7.5). По объектам, не отвечающим этим требованиям, полезный эффект или затраты рекомендуется определять по удельным показателям. Например, полезный эффект объекта рассчитывается по формуле

где      П_jt — полезный эффект объекта в j-x условиях эксплуатации в t-м году;

П_б — среднегодовой полезный эффект базового объекта, аналогичного проектируемому;

Х_б — важнейшая характеристика (главная функция) базового объекта, например, часовая производительность и т. п.;

X_jt — важнейшая характеристика проектируемого объекта в j-x условиях эксплуатации в t-м прогнозируемом году;

К_1t — коэффициент, учитывающий повышение надежности проектируемого объекта по сравнению с базовым на t-й год;

K_2t — коэффициент, учитывающий изменение организационно-технического уровня производства у потребителей проектируемого объекта в t-м году эксплуатации по сравнению с уровнем производства у потребителей базового объекта;

К_3t — коэффициент, учитывающий изменение организационно-технического уровня производства у ремонтной организации объекта в t-м году по сравнению с базовым периодом.

Количество корректирующих коэффициентов можно увеличить.

По аналогичной схеме определяются и элементы затрат по стадиям жизненного цикла проектируемого объекта. Например, затраты на освоение производства проектируемого объекта можно определить по формуле

где      З_осв.jп — затраты на освоение проектируемого объекта на j-м предприятии;

З_ocв.jб — то же базового объекта;

Н_б и Н_п — соответственно количество наименований деталей (без крепежных деталей) в базовом и проектируемом объекте;

K_1j — коэффициент, учитывающий изменение показателя технологической оснащенности проектируемого объекта на j-м предприятии по сравнению с базовым объектом;

К_2j — коэффициент, учитывающий изменение показателя освоенности деталей проектируемого объекта по сравнению с базовым объектом;

K_3j — коэффициент, учитывающий повышение сложности проектируемого объекта по сравнению с базовым.

Коэффициенты определяются отношением соответствующего показателя по проектируемому объекту к показателю по базовому объекту. Например, коэффициент, учитывающий изменение показателя технологической оснащенности объекта, определяется по формуле

где       Н_осв.t — количество наименований технологической оснастки, необходимой для изготовления проектируемого объекта;

Н_осв.б — то же базового объекта.

Затраты на изготовление объекта с применением метода удельных показателей на ранних стадиях его проектирования определяется по формуле

где      З_изг.jt — затраты на изготовление проектируемого объекта на j-м предприятии в t-м году;

З_изг.б — затраты на изготовление базового объекта;

М_б и М_t — соответственно масса базового и проектируемого объекта;

K_пp.t — коэффициент, учитывающий закономерность неуклонного роста производительности труда, на t-й год;

К_мjt — коэффициент, учитывающий влияние на затраты по изготовлению масштаба выпуска проектируемого объекта по сравнению с масштабом выпуска базового объекта на j-м предприятии в t-м году.

Затраты на обращение определяются индивидуально для каждого объекта. Например, затраты на транспортирование, хранение и монтаж компрессорного оборудования укрупненно можно принять равными 10% от его цены. Для некоторых объектов, кроме того, необходимо строить здания для монтажа (например, для автомобиля — гараж), ремонтную базу. Эти затраты можно определить только путем составления соответствующих смет.

Затраты на эксплуатацию проектируемого объекта по методу удельных показателей можно определить по формуле

где      З_э.у — затраты на эксплуатацию проектируемого объекта в у-х условиях в t-м году;

З_э.б — среднегодовые затраты по эксплуатации базового объекта.

ЭКСПЕРТНЫЕ МЕТОДЫ

Ранее мы рассмотрели методы прогнозирования полезного эффекта и элементов затрат по объектам, которые характеризуются одной главной функцией, либо по объектам, по которым имеется достаточное количество статистических данных (в три раза больше количества показателей объекта). По объектам, не отвечающим этим требованиям, рекомендуется использовать экспертные методы.

Например, приборы, выпускаемые приборостроительными заводами, с одной стороны, характеризуются несколькими главными функциями и параметрами (количество измеряемых величин, пределы точности и количество измерений в единицу времени, срок службы, надежность работы), а с другой стороны — эти приборы выпускаются, как правило, только одним заводом и по ним не имеется достаточного количества статистических данных для применения математических методов прогнозирования. Также отсутствует достаточное количество статистических данных по уникальным, сложным машинам единичного производства.

Сущность экспертных методов прогнозирования заключается в выработке коллективного мнения группы специалистов в данной области. Существует несколько методов экспертной оценки развития объекта в будущем. Рассмотрим здесь только один — метод баллов, который можно применять для прогнозирования как полезного эффекта объекта, так и элементов затрат.

Сначала формируется экспертная группа из специалистов в данной области, численность которой должна быть равна или больше девяти. Для повышения однородности состава группы путем анонимного анкетирования возможен отсев специалистов, которые, по мнению большинства, не совсем компетентны в данной области.

Затем коллективно устанавливают или выбирают несколько важнейших параметров (3—5) объекта, влияющих на полезный эффект и элементы затрат.

Следующий шаг — установление важности параметра экспертным путем. Рассмотрим два метода. По первому каждый эксперт каждому параметру объекта присваивает баллы по шкале от 0 до10. Тогда важность параметра объекта в баллах определяется по формуле:

где      а_i — весомость i-го параметра объекта;

i — номер параметра объекта;

j — номер эксперта;

m — количество экспертов в группе;

Б_ij — балл, присвоенный i-му параметру j-м экспертом;

Б_cj — сумма баллов, присвоенных j-м экспертом всем параметрам объекта.

Допустим, экспертная группа установила, что объект характеризуется четырьмя важнейшими параметрами (главными функциями). Первый эксперт присвоил параметрам следующие баллы: первому параметру — 7 баллов, второму — 6 баллов, третьему — 2, четвертому — 5. Второй эксперт этим параметрам присвоил соответственно следующие баллы: 6, 8, 4, 4 и т.д. Сумма баллов у экспертов получилась следующая: у первого эксперта — 20 (= 7 + 6 + 2 + 5), второго — 22 и далее соответственно 19, 25, 21, 20, 24, 23. Первому параметру эксперты присвоили следующие баллы: 7, 6, 8, 7, 8, 6, 7, 7. Тогда весомость первого параметра будет равна

Аналогично определяется весомость и других параметров объекта. Весомость параметров рекомендуется определять по следующей методике*. Сначала каждый эксперт находит соотношение между параметрами попарно. Если весомость данного параметра, по мнению эксперта, выше другого, с которым сравнивается данный параметр, ему присваивается два балла. Если весомость параметров одинакова, данному параметру присваивается один балл. И если весомость данного параметра ниже другого, то первому параметру баллов не дается.

* Питуганов А.Л., Сердюк Л.А. Научно-технический прогресс и эффективность управления производством. — Львов, 1980.

Допустим, что девять экспертов четырем параметрам объекта присвоили следующие баллы (табл. 6.4).

Средняя оценка определяется делением суммы баллов на количество экспертов. По средним оценкам рассчитывается весомость параметров (табл. 6.5).

Таблица 6.4

Результаты экспертной оценки

Таблица 6.5

Весомость параметров(а)

В табл. 6.5 значения соотношений параметров, которые отсутствуют в табл. 6.4, определены путем вычитания из второго значения обратного соотношения из табл. 6.4. Например, в табл. 6.4 отсутствует соотношение параметров Х₂ и Х₁, имеется соотношение, обратное Х₁ и Х₂, равное 1,2. Тогда соотношение Х₂ и Х₁ будет обратно и равно 0,8 (= 2 - 1,2). Весомость параметров определяется экспертным методом по объектам, характеризующимся несколькими важнейшими параметрами разной размерности. Чтобы сложить (условно) подобные параметры и определить полезный эффект и элементы затрат по объекту, рекомендуется применять систему баллов.

Система баллов строится следующим образом. Допустим, что установленные в табл. 6.5 весомости параметров характерны для группы приборов одного назначения: Х₁ — количество измеряемых параметров, Х₂ — точность измерений, %; Х₃ — пределы измерений основного параметра; Х₄— количество измерений в единицу времени. Максимальные значения параметров для данной группы приборов следующие: Х₁ — 4, Х₂ — ± 5%, Х₃ — 100 и Х₄ — 6 измерений в минуту. По этим значениям параметров и их весомости (см. табл. 6.5) строится система баллов для прогнозирования полезного эффекта новых приборов данного класса (рис. 6.2).

При построении данной системы баллов для упрощения принято, что зависимость между параметрами и полезным эффектом или элементами затрат прямо пропорциональная (линейная). При необходимости уточнения системы баллов можно построить и криволинейные зависимости.

Рис. 6.2. Система баллов (условная) для прогнозирования полезного эффекта приборов

По параметру Х₃ на рис. 6.2 показана обратная зависимость, т.е. с уменьшением величины, характеризующей точность измерений, полезный эффект прибора повышается. Данный класс приборов имеет точность измерений от 1 до 5%. Следовательно, приборам, имеющим самую высокую точность, равную 1%, присваивается максимальное количество баллов 4,2, а приборам, имеющим минимальную точность (5%), баллы не присваиваются. С увеличением значений остальных параметров полезный эффект прибора увеличивается. Поэтому приборам, имеющим нулевое значение параметров Х₁, Х₃ и Х₄, баллы не присваиваются.

Для прогнозирования или расчета полезного эффекта и каждого элемента затрат по каждому классу объектов одного назначения строится своя, система баллов, так как на полезный эффект и элементы затрат влияют свои факторы или параметры.

Например, на затраты по разработке нового объекта в первую очередь влияют такие факторы, как количество наименований элементов в объекте, наименований оригинальных (впервые разрабатываемых) элементов, коэффициент или категория сложности нового объекта. На затраты по изготовлению серийно освоенного объекта влияют другие факторы: общее количество элементов в объекте, их конструктивно-технологическая сложность, серийность выпуска объекта, повторяемость элементов (отношение общего количества элементов к количеству их наименований), удельный вес механически обрабатываемых элементов объекта, обобщающий показатель организационно-технического уровня производства.

Рассмотрим пример расчета полезного эффекта объекта на стадии разработки технического задания. Допустим, необходимо создать прибор со следующими основными функциями (параметрами):

количество измеряемых параметров                — 3,

точность измерений                                           — 2%,

предел измерения основного параметра         — 90,

количество измерений в единицу времени    — 5.

По этим данным рассчитаем полезный эффект в баллах условного объекта (Б) по формуле

где       n — количество важнейших параметров объекта, включенных в систему для расчета полезного эффекта или какого-либо элемента затрат данного объекта;

X_i — плановое или фактическое значение i-го параметра объекта;

X_{mах i} — максимальное значение i-го параметра в данной системе баллов;

Люди также интересуются этой лекцией: Газопроводы.

Б_{mаx i} — максимальное количество баллов по i-му параметру объекта.

Подставив плановые значения параметров объекта в формулу (6.7), получим:

Таким образом, с применением экспертных методов несколько параметров объекта приводятся к единой размерности. Пользуясь балльной оценкой совокупности параметров объектов, аналогично методу удельных показателей (см. формулу 6.2), можно рассчитать элементы затрат по новому объекту. Допустим, себестоимость базового объекта равна 115 млн. руб., сумма баллов по параметрам для прогнозирования себестоимости равна для базового объекта 10,85, нового — 12,77, тогда себестоимость нового объекта без учета корректирующих коэффициентов будет

Экспертные методы могут применяться не только для прогнозирования полезного эффекта или элементов затрат по объекту, но и для оценки полезного эффекта (технического уровня) серийно выпускаемого объекта, характеризующегося несколькими основными функциями.