Экономико-математическое моделирование оптимальных параметров в сельском хозяйстве

Тип работы:
Реферат
Предмет:
Экономические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Список литературы
1. Жильников А. Ю. Алгоритм формирования кластера (на примере Белгородской области)// Территория науки. 2013. № 3. С. 58−65
2. Маматурдиев Г. М., Жоробаев М. Г. Экономико-математическое моделирование прогнозирования затрат в животноводстве// Синергия. 2016. № 1. С. 44−58.
3. Нуралиева Н. М., Супатаева Г. Т. Инвестиционный потенциал Нарынской области в условиях таможенного союза // Успехи современной науки и образования. 2016. № 1. С. 28−31.
4. Соколова С. Планировочный каркас развития территорий регионов России // Проблемы теории и практики управления. 2015. № 7. С. 28−37.
5. Шаталов М. А., Ахмедов А. Э., Смольянинова И. В. Кооперация и интеграция в апк на основе кластеризации // Аграрная политика современной России: научно — методологические аспекты и стратегия реализации. XX международная научно-практическая конференция. 2015. С. 277−278.
6. Шаталов М. А., Ахмедов А. Э., Смольянинова И. В. Формирование политики импортозамещения как фактора обеспечения продовольственной безопасности страны // Инновации и продовольственная безопасность. 2015. № 2 (8). С. 55−59.
Иванов В. Н., Никонова Ю. С.
ЭКОНОМИКО-МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ОПТИМАЛЬНЫХ ПАРАМЕТРОВ В СЕЛЬСКОМ ХОЗЯЙСТВЕ
Воронежский экономико-правовой институт
Ключевы еслова: Оптимизация, растениеводство, удобрения, MS Excel.
Аннотация: статья посвящена решению оптимизационных задач в растениеводстве с использованием инструментов MS Excel.
Keywords: Optimization, crops, fertilizers, MS Excel.
Abstract: the article is devoted to the solution of optimization problems in crop production, in particular the procurement of fertilizers in agricultural tools using MS Excel.
Одной из острых проблем сельского хозяйства является невысокая оперативность и эффективность принимаемых управленческих решений. Это объясняется недостаточным развитием интеллектуальной и культурной среды в сельских районах, а также
недостаточным использованием, в том числе в хозяйственной практике на местах, новых информационных технологий.
Зарубежные программные средства управления
сельскохозяйственным производством по ряду объективных причин тяжело применимы к российским условиям. Это связано с высокой стоимостью программного продукта, отсутствием русифицированных версий и различными технологиями выращивания культур.
В основе современной системы управления сельскохозяйственным производством лежит текущий и ретроспективный мониторинг объектов сельскохозяйственного назначения, мониторинг агроэкологических характеристик почв, технических возможностей хозяйства. На основе мониторинга и научных знаний происходит планирование сельскохозяйственных работ. Обрабатывая и анализируя планируемые и фактические мероприятия, происходит анализ производственной деятельности и принятие оперативных решений. Анализ и обработка информации подразумевает расчёт показателей экономической эффективности планируемых и фактических мероприятий и возможные агроэкологические последствия.
Ниже перечислены основные задачи, решаемые в большинстве современных автоматизированных систем управления сельскохозяйственным производством:
— автоматический подсчёт пространственных характеристик (длина, площадь, уклон местности).
— ведение текущего мониторинга сельскохозяйственных угодий-
— ведение ретроспективного мониторинга угодий-
— прогнозирование урожайности в зависимости от питательных элементов, и расчёт потребности культуры в питательных элементах в зависимости от планируемого урожая-
— расчёт потребности в средствах химической мелиорации-
— получение сводной информации по севооборотам и по хозяйству в целом-
— расчёт баланса гумуса и питательных элементов по севооборотам и по хозяйству в целом-
— автоматизированный учёт техники и сельскохозяйственного инвентаря с расчётом экономических показателей-
— расчёт экономических показателей агротехнических мероприятий-
— расчёт экономических показателей выращивания культуры по сельскохозяйственным угодьям.
— ведение пространственно-распределённой базы данных, т. е. привязка информации к объектам на карте.
— получение объёмных моделей в т. ч. рельеф, распределение азота,
фосфора, калия и других элементов почвы в целом по хозяйству, для определения агроэкологического потенциала.
В результате имеется возможность на каждом этапе выращивания культуры проанализировать планируемые и фактические затраты. В случае отклонения программа позволяет выявить причину для принятия соответствующего решения. Таким образом, осуществляя контроль себестоимости продукции.
На основе ретроспективного мониторинга сельхозугодий, конструктивных особенностей полей, внешних факторов принимаются решения по корректировки проводимых в хозяйстве мероприятий.
Но все вышесказанное предполагает для внедрения аналогичных систем наличие в хозяйстве значительных свободных финансов (десятки, а то и сотни миллионов рублей), хорошего персонал по информационным технологиям и готовности менеджмента хозяйства перестраиваться на новые методы управления. Все это не подъемно не только фермерам, но и многим крупным хозяйствам.
Альтернативой вышеизложенному может служить внедрение малых средств автоматизации. Это и автоматизация бухгалтерского учета и решение различных оптимизационных задач средствами MS Excel.
Именно решению оптимизационных задач в растениеводстве и посвящена данная работа.
Рассмотрим комплексную задачу оптимального распределения посевных площадей под сельскохозяйственные культуры.
В современных условиях для сельскохозяйственных предприятий определение оптимальной структуры посевных площадей является достаточно серьезной задачей, так как из возможных вариантов развития полеводства надо выбрать наиболее эффективные, с тем чтобы повысить экологическую, экономическую и социальную значимость принимаемых решений по развитию и поиску резервов повышения эффективности сельскохозяйственного производства.
Данная задача делится на две подзадачи:
1. Определение оптимальных объемов посевных площадей под каждую культуру.
2. Распределение посевных площадей каждой культуры по конкретным полям хозяйства.
Постановку первой задачи можно представить в виде следующих таблиц (табл. 1), но необходимо добавить что общая площадь под посевы равна 2941 га.
Таблица 1 — Определение оптимальных объемов посевных площадей
Наименовани е посевных культур Гарантирова нная реализация (ц) Максимальн о возможная реализация (ц) Урожайность ц/га Затраты труда, всего (чел. -дн. /га) Затраты труда, особо (чел. -дн. /га) Прибыль с 1 га (у.е.) Цена руб/т
Пшеница 3 кл. 31 000 45 000 30 75 26 69 8800
Пшеница 4 кл. 4500 7000 28 178 22 39 9200
Подсолнечн ик 6500 10 000 23 346 35 38 14 800
Ячмень 300 9500 22 158 34 14 5000
Горох 1500 8000 16 91 40 10 8000
Гречиха 500 1000 7 120 30 24 11 500
Далее строится математическая модель решения в функции «Поиск решения». Результат решения представлен в табл 3.
Исходные данные для второй задачи представлены в табл. 2. Таблица 2 — Исходные данные для функции «Поиск решения»
Наименование посевных Расчетная площадь посева Расчетный выход
культур (га) продукции (ц)
Пшеница 1500 45 000
3 кл.
Пшеница 4 кл. 250 7000
Подсолнечник 434 9982
Ячмень 431 9482
Горох 184 2944
Гречиха 142 994
В результате построенной математической модели и проведенных расчетов получена таблица 3, где отмечено «1» какое поле какой культурой необходимо засевать.
Рассматривая методы использования средств малой автоматизации в растениеводстве, нельзя не остановиться на проблеме оптимизации системы удобрения в хозяйствах. Под системой удобрения понимается комплекс агротехнических и организационных мероприятий, связанных с применением удобрений направленных на увеличение урожайности возделываемых культур и повышение плодородия почв.
В данной работе будут рассмотрены следующие элементы системы удобрения: оптимальные закупки и внесение удобрений в поля хозяйства. При этом считается априори известным, на каких полях и какая культура будет возделываться. Также известно, сколько и каких
минеральных элементов необходимо до внести в почву по каждому полю. Отсюда вытекает задача оптимизации: минимизировать затраты на покупку удобрений, с учетом оптимизации номенклатуры удобрений. В решении также должно быть указано сколько и каких удобрений следует вносить на каждое поле.
Таблица 3 — Построение математической модели
Наименование культуры Поле № 1 Поле № 2 Поле № 3 Поле № 4 Поле № 5 Поле № 6 Поле № 7 Поле № 8 Поле № 9 Поле № 10 Поле № 11 Поле № 12 Поле № 13 Поле № 14 Кол-во полей под посев Площадь посева (га)
Пшеница 3 кл. 1 1 0 1 1 0 0 0 0 0 0 0 0 0 4 1500
Пшеница 4 кл. 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 250
Подсолне чник 0 0 1 0 0 0 0 0 0 1 1 0 0 0 3 434
Ячмень 0 0 0 0 0 1 0 1 1 0 0 0 0 0 3 431
Горох 0 0 0 0 0 0 0 0 0 0 0 1 1 0 2 184
Гречиха 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 142
Для решения данных задач необходимо выполнить постановку задачи, которую в данном случае можно выполнить так же в виде ряда таблиц.
В первую очередь создается таблица, которая состоит из наименований удобрений, массовой доли в % усвоямых веществ в пересчете на К2О, Р2О5, 8, СаО и цен на данные удобрения. Эти данные представлены в таблице 4.
Таблица 4 -Исходные данные для решения оптимальности внесения
удобрений
Наименование удобрения Массовая доля в % усвояемых веществ Цены
в пересчете на
К2О Р2О5 8 СаО
Азофоска 6 6 — - 16
Нитраммофоска 28 2,4 — - 15
Диаммофоска 26 25 — - 16,5
Аммофос — 52 — - 20
Калийная селитра 38,2 1,3 — - 52
Суперфосфат 5 21 10 14 15,3
Для примера взято некоторое хозяйство, которое так же состоит из
14 участков, предназначенных для посева соответствующих культур. Но основного содержания в почве полезных веществ недостаточно для планируемого урожая и поэтому необходимо довнести ещё удобрения.
Для упрощения расчетов, поля с одноименными культурами объединены (Табл. 5).
Таблица 5 — Исходные данные для решения оптимальности внесения удобрений
Необходимо
Площадь Наименование Содержание довнести кг/га на
№ поля поля (га) культуры мг/кг почвы планируемый
урожаи
К2О Р2О5 К2О Р2О5
1 1750 Пшеница 27,8 32 110 135
2 434 Подсолнечник 33 38,3 25 94
3 431 Ячмень 33,3 40 71 75
4 184 Горох 32,5 40 60 113
5 142 Гречиха 30 35 49 54
Далее с помощью функции «Поиск решения» строится математическая модель задачи оптимизации закупок удобрений. Результаты решения представлены на табл. 6−7. В табл. 6 показано сколько и каких удобрений необходимо закупить для внесения в почву для каждой агрокультуры.
Таблица 6 — Построение модели оптимальности внесения удобрений
Наименов ание культуры Азофо ска Нитра ммофо ска Диаммо фоска Аммо фос Кали йная сели тра Суперфо сфат Общее кол-во удобрений в кг на планируем ый урожай
Пшеница 19 491 42 570 618 863 3 106 0 370 133 1 054 163
Подсолне чник 1 3 112 35 619 55 392 1 14 346 108 471
Ячмень 4 220 60 760 45 677 25 127 0 29 182 164 966
Горох 85 11 262 27 029 19 563 0 17 079 75 018
Гречиха 2 11 233 13 678 5 581 0 5 127 35 621
В табл. 7 показаны общие количества удобрений, которых необходимо закупить и на какую сумму.
В данной работе показаны решения некоторых оптимизационных задач растениеводства с помощью МЕЕхсе! В дальнейшем так же
будут рассмотрены задачи оптимального использования сельскохозяйственной техники для растениеводства, потребность в работниках для растениеводства и другие оптимизационные проблемы.
Таблица 7 — Построение модели оптимальности внесения удобрений
Наименование удобрения Цены Общее количество удобрений в кг Общая сумма в ру6.
Азофоска 16 27 799 380 784
Нитраммофоска 15 128 937 1 934 055
Диаммофоска 16,7 740 866 12 371 462
Аммофос 20 108 769 2 175 380
Калийная селитра 52 1 52
Суперфосфат 15,3 435 867 6 668 765
Всего: 1 438 239 23 531 498
Также в будущем планируется рассмотреть и оптимизационные задачи для животноводства.
Список литературы:
1. Иванов В. Н., Бобро И. Ю. Перспективы использования ERP-систем// Территория науки. 2013. № 2. С. 132−135
2. Иванов В. Н., Кучеренко Д. С. Ms Excel в решении задач теории вероятности // Территория науки. 2014. Т 1. № 1. С. 77−83.
3. Иванов В. Н., Никонова Ю. С. Оптимизация закупок удобрений в сельхозпредприятиях // Территория науки. 2015. № 3. С. 104−109.
4. Маматурдиев Г. М., Жоробаев М. Г. Концептуальные подходы к исследованию влияния затрат на эффективность агропромышленного производства// Синергия. 2015. № 2. С. 63−71.
5. Титова Е. В., Сергуткина Г. А. Оптимизация бизнес процессов в сельском хозяйстве// Успехи современной науки и образования. 2015. № 5. С. 48−52
Казьмина И. В.
ПРОЕКТИРОВАНИЕ СИСТЕМЫ ОРГАНИЗАЦИИ РЕИНЖИНИРИНГА ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ НА
ПРЕДПРИЯТИИ
Воронежский государственный технический университет
Ключевые слова: бизнес-процессы, реинжиниринг, организационные изменения, конкурентоспособность,
проектирование.
Аннотация: в статье предлагается системный подход к организации

ПоказатьСвернуть
Заполнить форму текущей работой