Анализ использования сырьевых ресурсов и пути их улучшения в производстве готовой продукции (на примере ЦОФ "Карагандинская")

Тип работы:
Дипломная
Предмет:
Экономика


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Введение

В качестве одного из основополагающих принципов реструктуризации отрасли принято стремление к повышению конкурентоспособности угля и угольной продукции, главным образом, через снижение производственных затрат и повышение качества продукции. При этом снижение производственных затрат достигается, в первую очередь, посредством вовлечения в разработку наиболее благоприятных запасов и применения новых технологий, а так же, сокращения численности занятых в результате закрытия неэффективных производств.

Проблема качества продукции и работ является актуальной для повышения эффективности общественного производства, поскольку качество продукции оказывает прямое и косвенное воздействие практически на все стороны жизнедеятельности, отражается на технико-экономических показателях, влияет на объемы капитальных вложений, на образование фондов экономического стимулирования, и тем большее значение в настоящее время имеет.

Переход к рыночным отношения, связанный с ним падение производства и спроса на уголь, инфляционные процессы, разрыв сложившихся ранее межхозяйственных и межреспубликанских связей вынуждает в сложившейся ситуации принимать первоочередные меры по снижению количества нерентабельных шахт, снижению трудоемкости и себестоимости добычи угля, выделению средств на развитие шахт по добыче коксующихся углей и разрезов по добыче качественных энергетических углей.

Одним их основных направлений улучшения качества угля является развитие обогащения. Предприятий двух основных подотраслей угольной промышленности угледобывающие шахты и обогатительные фабрики, представляющие собой по существу единый технологический процесс производства конечной (товарной) угольной продукции, при применявшейся до последнего времени системе управления были разобщены. В настоящий момент, в условиях проводимой радикальной рыночной реформы, перед угледобывающими и углеперерабатывающими предприятиями открылись новые перспективы. В настоящий момент обогатительные фабрики являются основным связующим звеном между шахтами и потребителем. Шахтам стало не выгодно, наращивая издержки, вести добычу некачественного угля, который в последствии трудно будет реализовать. Обогатительные фабрики, в свою очередь, вступив в коммерческие отношения с угледобывающими предприятиями, могут позволить себе принимать на обогащение шихту только такого качества и марочного состава, которая позволит им работать в оптимальном режиме, т. е. сокращая издержки и увеличивая доход от реализации товарной продукции.

Исходные качественные характеристики добываемых углей заданы природой и неодинаковы даже в пределах шахтного поля. Эффективность горного производства определяется целесообразной разработкой имеющихся запасов месторождений и имеют ряд особенностей.

Процесс добычи угля протекает в шахтных выработках. Перемещение очистных работ в пространстве и времени приводит к изменению количественных и качественных показателей добываемого угля. Поэтому при управлении качеством угля с учетом результатов его обогащения первостепенное значение приобретает управление горными работами с учетом требований предъявляемыми углеперерабатывающими предприятиями к качеству исходной шихты и ее марочного состава. Актуальным становится вопрос комплексного использования отходов угледобычи и углеобогащения.

Экономическая значимость, недостаточная изученность вопроса экономической эффективности комплексной оптимизации развития горных работ, переработки угля определили выбор темы дипломной работы, целью которой является исследование и обоснование практических рекомендаций по совершенствованию экономического механизма воздействия на повышение качества шахты, поступающей на обогащение и повышению эффективности работы углеперерабатывающего комплекса в целом.

Для достижения поставленной в дипломной работе цели решаются следующие основные задачи:

* раскрываются особенности развития горных работ на шахтах, связанных поставками углей на ЦОФ с учетом качества их переработки;

* устанавливается количественная и качественная взаимосвязь между параметрами поставляемых на ЦОФ углей и продуктов его обогащения;

* определяется наиболее рациональное соотношение марок угля в исходной шихте для получения максимального выхода продуктов обогащения

При решении поставленных задач использованы различные методы экономического анализа, статистические группировки и обобщения, экономико-математические методы на базе машинной обработки информации.

В работе использованы методические и инструктивные материалы по календарному планированию, экономическому обеспечению качества угля, материалы первичного учета и производственно-технической отчетности угольных шахт и ЦОФ. Изучена и обобщена отечественная и зарубежная литература по исследуемому вопросу.

1. Теоретические аспекты использования материальных ресурсов

1.1 Понятие и классификация материальных ресурсов

Анализ фактических данных по групповой обогатительной фабрике и действующим шахтам, поставляющим уголь для дальнейшей переработки, позволит обосновать правомерность принятых предположений относительно марочных характеристик и параметров процессов отработки угольных пластов и, следовательно, корректность разрабатываемых моделей. Полученные в результате анализа значения параметров и характеристики составляющие процесс элементов, являются исходным материалом для моделирования взаимоувязанных процессов отработки пластов и переработки угля на ЦОФ с последующей утилизацией отходов углеобогащения.

Стабильность качества угля, добываемого в очистных забоях на отдельных шахтах определяется, в зависимости от марочного соотношения (марки К и КЖ) характеристики получаемого концентрата и, прежде всего, его выход (%).

Учет качества угля при определении последовательности отработки пластов с последующим обогащением, рассмотрим на примере центральной обогатительной фабрики «Карагандинская» и двух шахт, поставляющих уголь, в качестве сырья на переработку.

Чтобы обеспечить стабильность качественных характеристик перерабатываемого угля, поступающего на ЦОФ, а к ним можно отнести зольность, содержание серы и влаги, необходимо смоделировать и обосновать рациональные, которые определят порядок отработки пластов, участков и шахтных полей в целом с заданным качеством.

Особенностью карагандинских углей является их неоднородных петрографический состав и низкий интервал степени метаморфизма. Карагандинским филиалом Института обогащения твердых полезных ископаемых проведено комплексное исследование состава, качества и коксуемости всего метаморфического ряда углей Карагандинского бассейна и результаты изучения были опубликованы в работе [22].

Обработка статистических данных отчетности экономической службы ОФ «Карагандинская» за 1997−1999 годы, позволила установить основные технологические характеристики отгружаемых на ОФ углей и свести их в таблицу 1.1.

Независимыми переменными приняты:

х1 — независимая переменная, определяющая процентное содержание угля марки К в общем объеме, поступающем на переработку, %;

х2 — независимая переменная определяющая содержание золы в угле марки К, %;

хЗ — независимая переменная, определяющая процентное содержание серы в угле марки К, %;

х4 — независимая переменная, определяющая содержание влаги в угле марки К, %;

х5 — независимая переменная, определяющая процентное содержание марки КЖ в общем объеме угля поступающего на переработку, %;

х6 — независимая переменная, определяющая процентное содержание золы в угле марки КЖ, %;

х7 — независимая переменная, определяющая процентное содержание серы в угле марки КЖ, %;

x8 независимая переменная, определяющая процентное содержание влаги в угле марки КЖ, %.

Данные таблицы 1.1 дают возможность определить количественный размах вариации показателей качества угля поступающего на переработку. За исследуемый период на фабрику поступал уголь марки К и марки КЖ в соотношении: марка К 53.1 — 80.3%, марка КЖ 19.7 — 46.9%.

Таблица 1.1 Исходная матрица для моделирования зависимости выхода продуктов обогащения от горно-технических показателей исходной шихты

Y1

X1

X2

X3

X4

X5

X6

X7

X8

52. 8

75. 3

31. 4

0. 55

7. 1

24. 7

26. 3

0. 8

6. 2

55. 0

73. 1

30. 4

0. 52

6. 8

26. 9

27. 4

0. 76

6. 2

54. 6

70. 3

31. 0

0. 54

6. 9

29. 7

26. 7

0. 79

6. 5

59. 2

68. 5

26. 2

0. 54

6. 6

31. 5

26. 2

0. 78

6. 6

57. 9

60. 7

31. 3

0. 78

6. 9

39. 3

27. 7

0. 75

6. 5

53. 6

68. 4

30. 9

0. 60

6. 9

31. 6

26. 5

0. 72

6. 6

55. 5

62. 3

31. 1

0. 55

7. 0

37. 7

26. 4

0. 80

6. 6

57. 5

69. 2

31. 1

0. 54

6. 9

30. 8

26. 6

0. 78

6. 2

56. 2

70. 6

30. 7

0. 51

6. 8

29. 4

28. 7

0. 82

6. 3

59. 7

66. 1

30. 4

0. 47

6. 8

33. 9

25. 1

0. 80

6. 2

56. 6

60. 9

30. 9

0. 51

6. 8

39. 1

27. 0

0. 87

6. 3

60. 8

51. 5

31. 2

0. 49

6. 9

48. 5

26. 5

0. 81

6. 6

59. 3

59. 9

31. 3

0. 45

7. 3

40. 1

25. 4

0. 78

6. 7

58. 5

72. 5

31. 3

0. 47

7. 2

27. 5

24. 0

0. 84

6. 3

60. 2

53. 3

31. 3

0. 42

6. 5

46. 7

25. 9

0. 83

6. 3

60. 5

53. 4

30. 9

0. 41

6. 8

46. 6

26. 8

0. 83

6. 4

60. 4

55. 0

30. 2

0. 42

6. 9

45. 0

26. 3

0. 79

6. 3

56. 2

64. 8

31. 3

0. 46

6. 8

35. 2

25. 9

0. 77

6. 1

60. 6

58. 2

32. 2

0. 42

6. 8

41. 8

26. 6

0. 81

6. 2

58. 4

61. 3

30. 9

0. 42

6. 6

38. 7

26. 4

0. 81

6. 5

57. 8

53. 1

31. 3

0. 45

6. 7

46. 9

28. 2

0. 89

6. 9

55. 6

57. 8

31. 7

0. 42

7. 0

42. 2

26. 7

0. 85

6. 4

54. 5

64. 5

31. 2

0. 46

6. 9

35. 5

25. 8

0. 89

6. 3

57. 3

54. 8

31. 1

0. 46

6. 9

45. 2

26. 3

0. 82

6. 5

47. 9

59. 8

29. 8

0. 48

7. 0

40. 2

28. 5

0. 82

6. 3

54. 1

67. 2

30. 2

0. 43

6. 7

32. 8

27. 5

0. 91

6. 4

60. 4

59. 1

30. 9

0. 44

6. 8

40. 9

28. 3

0. 80

6. 3

58. 9

64. 4

31. 7

0. 54

7. 1

35. 6

27. 3

0. 88

6. 6

59. 9

59. 6

30. 8

0. 51

6. 7

40. 4

25. 8

0. 81

6. 2

53. 0

72. 1

31. 1

0. 45

6. 8

27. 9

26. 7

0. 83

6. 5

48. 7

71. 7

31. 1

0. 45

6. 8

28. 3

27. 0

0. 86

6. 5

42. 2

69. 0

30. 4

0. 53

6. 7

31. 0

26. 8

0. 81

6. 3

45. 4

77. 5

31. 5

0. 44

6. 5

22. 5

25. 9

0. 79

6. 3

58. 5

66. 0

31. 6

0. 44

6. 6

34. 0

26. 0

0. 80

6. 5

52. 2

85. 4

31. 3

0. 46

6. 5

14. 6

28. 3

0. 77

6. 4

53. 6

80. 3

29. 3

0. 44

6. 8

19. 7

30. 6

0. 71

6. 7

По содержанию спекающих компонентов, угли марки К разрабатываемые в Карагандинском бассейне являются ценным сырьем для коксования, но обладают высокой зольностью и трудно поддаются обогащению. Зольность углей данной марки, поступающих на переработку, изменяется в пределах 29.3 — 32.2%, при нормативной зольности для марки К-27%.

Поступающие на ЦОФ «Карагандинская» угли марки КЖ, характеризуются повышенным содержанием лейптинита и витринита, что обуславливает их более высокую спекаемость, поэтому из данных углей образуется кокс, характеризующийся повышенной механической прочностью. Зольность углей марки КЖ колеблется от 26.2% до 30.6% при нормативе для данной марки 25%.

Надо отметить, что угли марки КЖ обладают более высокой сернистостью относительно марки К. Содержание серы в данных углях достигает 9.1%, что превышает предельно допустимое значение на 2.1%. Влажность обоих марок колеблется в пределах 6. 2−7.1%.

В целом за исследуемый период вариация технологических показателей поступающих на переработку углей имеет довольно значительный разброс и вполне могут быть взяты в качестве параметров для моделирования и последующим обоснованием параметров отработки пластов и переработки угля на ЦОФ.

При рассмотрении вариаций значений прибыли наблюдается их значительный разброс. Это можно объяснить нестабильностью экономики в исследуемый период, что вызывало сбои в работе всей угольной промышленности. Во всех случаях оценка деятельности угледобывающих предприятий производится по добыче угля, а там, где имеются обогатительные фабрики с учетом оборота, т. е. по рядовому углю и по обогащенной продукции. В связи с этим принижена полнота ответственности за конечную продукцию. Отношения купли-продажи между шахтой и обогатительной фабрикой не выдвигают жестких требований к организационной структуре управления. Учет и оценка ведутся по двум подотраслям (добыча и обогащение).

Поскольку на сегодняшний день экономическое состояние отрасли сложное, резко снижены, и, практически отсутствуют инвестиции для шахт и разрезов, ликвидируются особо убыточные предприятия, то одной из особенностей сегодняшнего состояния экономики становится тот факт, что работники отрасли должны в первую очередь стимулировать сбыт угля.

При этом весьма остро становится вопрос качества конечной товарной продукции. Рыночные отношения диктуют необходимость принятия таких решений на уровне шахты ОФ, в результате которых должны быть сбалансированы интересы переработчиков, реализующих конечную продукции: и действующих шахт, создающих для них сырьевую базу и работников шахт ведущих добычу угля.

1. 2 Показатели и методы использования материальных ресурсов

Одним из главных признаков угольного производства является стохастичность процессов его производства и вероятностный характер всех его параметров. Это обстоятельство оказывает существенное влияние на характер решаемых задач в области оптимального ведения горных работ, а также в области решения задач определения условий и параметров для их оптимального ведения.

Стохастичный характер связи между рассматриваемыми величинами проявляется в том, что каждому значению одной или нескольких переменных принятых за независимые величины, соответствует не одно, строго определенное значение переменной, а несколько значений с определенными вероятностями появления. Определить вклад каждого из них и влияние друг на друга в совокупности и в чистом виде позволяет регрессионный анализ.

Среди методов математической статистики, которые могут быть приемлемы для реализации указанной задачи можно назвать: факторный анализ, метод главных компонентов, метод группового учета аргументов, статистико-детерминированный метод, метод построения многомерных моделей [23]. В последнее время для исследования и описания сложных систем широкое распространение получает имитационное моделирование. Которое заключается в многократном воспроизведении последовательных операций моделируемой системы в той же последовательности, с сохранением динамики событий [24]. Основным преимуществом имитационных моделей является то, что они выступают как динамические модели систем управления в отличие от обычных математических моделей.

При использовании предсказывающих моделей достаточно эффективным является использование метода множественной регрессии. Опубликовано большое число работ в которых множественный регрессионный анализ применялся для математического описания различных объектов и явлений [25]. Регрессионный анализ позволяет изучить влияние на исследуемый показатель ряда факторов, имеющих случайный и неслучайный характер, определить вклад каждого из них и влияние в совокупности и в чистом виде, количественно оценить связи между исследуемыми величинами в условиях действия большого числа факторов.

Простейшей формой выражения множественной зависимости является линейная зависимость вида [26] выраженная формулой:

(1. 1)

Для определения наличия связей между исследуемыми величинами обычно определяют следующие характеристики и критерии:

где у, х — средние величины функций и аргументов;

Sx,, Sy — среднеквадратические значения функций и аргументов;

гxy — парные коэффициенты корреляции;

bi, — коэффициенты уравнения множественной регрессии;

bо — свободный член уравнения множественной регрессии;

t — критерий Стьюдента;

F — критерий Фишера.

Наиболее часто используемой характеристикой тесноты связи между двумя случайными величинами является коэффициент корреляции

(1. 2)

выборочная оценка коэффициента корреляции

, (1. 3)

, (1. 4)

(1. 5)

Парный коэффициент корреляции между двумя признаками х и у может принимать значение

-1 ryx 1

Определение неизвестных коэффициентов b0, b1, …, bn уравнения регрессии может осуществляться по методу наименьших квадратов [ 25], которые заключается в решении минимизационной задачи

(1. 6)

Для минимизации данного выражения необходимо определить частные производные по каждому неизвестному. Частные производные приравниваются к нулю и составляется система нормальных линейных уравнений, число которых на единицу больше числа факторов, включаемых в модель. Решив систему любым известным способом, можно найти параметры уравнения регрессии. Наибольшее распространение сейчас получил метод решения обратных матриц, запрограммированный в ряде стандартных программ аппроксимации [27]. В матричной форме система запишется:

(X* * X) A= X**Y (1. 7)

где Х — матрица исходных данных по независимым переменным;

Х* - матрица транспонированная к матрице X;

У матрица — столбец фактических значений зависимой переменной;

А — матрица столбец искомых коэффициентов регрессии.

В результате получим выражение

(Х** Х)-1 (X**X)А=(X** X)-1 (X**Y) (1. 8)

Так как (X** X)-1 (X** X) =Е= 1, то решение системы (2. 7) получим в виде:

А =(X* * X)-1 *(X* * Y) (1. 9)

Значение каждого из коэффициентов уравнения регрессии может быть определено по формуле:

(1. 10)

где сij — элемент обратной матрицы.

Количественно тесноту связи при множественной корреляции можно оценить с помощью множественного коэффициента корреляции К, который определяется по формуле:

(1. 11)

где D — определитель матрицы парных коэффициентов;

D11 -определитель той же матрицы с вычеркнутыми первой строкой и первым столбцом, т. е. определитель матрицы парных коэффициентов корреляции между факторами.

Для проверки значимости найденных коэффициентов регрессии определяют критерий Стьюдента по формуле:

(1. 12)

где Р — число коэффициентов регрессии.

Оценка коэффициентов регрессии при помощи критерия Стьюдента применяется только для линейных связей.

Для оценки надежности уравнения применяют F-критерий Фишера, который определяется по формуле:

(1. 13)

где -дисперсия фактических значений зависимого переменного:

(1. 14)

где остаточная дисперсия уравнения:

(1. 15)

Если значение FFтабл., то уравнение считается значимым. Если F < Fтабл., то гипотеза о значимости уравнения не подтверждается, но это не значит, что подтверждается гипотеза о незначимости уравнения.

При увеличении числа независимых переменных требуется производить дополнительные исследования, чтобы выполнялось условие толерантности.

Таким образом, регрессионный анализ, на наш взгляд, является наиболее подходящим методом математической статистики для построения модели учета влияния марочного состава и качества угля, поступающего на переработку на выход продуктов обогащения, а критерии регрессионного анализа доступны в применении для оценки адекватности модели.

STATISTICA является наиболее динамично развивающимся статистическим пакетом и по многочисленным рейтингам является мировым лидером на рынке статистического программного обеспечения.

Она включает в себя мощные возможности по работе с данными, богатые графические возможности и большое количество методов и процедур статистического анализа. STATISTICA 5.0 полностью удовлетворяет основным стандартам среды Windows. Это прежде всего стандарты пользовательского интерфейса -- MDf, использование технологий DDE -- Динамического обмена данными из других приложений, OLE -- Связывания и внедрения объектов, поддержка основных операций с буфером обмена и др.

Пользователями системы являются крупнейшие университеты, исследовательские центры, компании, банки всего мира, государственные учреждения.

Статистический анализ данных в системе STATISTICA может быть разбит на следующие основные этапы [29]:

* ввод данных в электронную таблицу с исходными данными и их предварительное преобразование перед анализом (структурирование, построение необходимых выборок, ранжирование и т. д.);

* визуализация данных при помощи того или иного типа графиков;

* применение конкретной процедуры статистической обработки;

* вывод результатов анализа в виде графиков и электронных таблиц с численной и текстовой информацией;

* подготовка и печать отчета;

* автоматизация рутинных процессов обработки при помощи макрокоманд, языка SCL или STATISTICA BASIC.

STATISTICA представляет собой интегрированную систему статистического анализа и обработки данных. Система состоит из следующих основных компонент:

* многофункциональной системы для работы с данными, которая включает в себя электронные таблицы для ввода и задания исходных данных, а также специальных таблиц (Scroolsheet) для вывода численных результатов анализа. Для сложной (специализированной) обработки данных в STATISTICA имеется модуль Управления данными. Для статистической обработки чрезвычайно больших массивов данных имеется специальный инструмент Менеджер мегафайлов, который может быть использован и для предварительной обработки данных перед вводом их непосредственно в электронную таблицу STATISTICA;

* мощной графической системы для визуализации данных и результатов статистического анализа;

* набора статистических модулей, в которых собраны группы логически связанных между собой статистических процедур. В любом конкретном модуле можно выполнить определенный способ статистической обработки, не обращаясь к процедурам из других модулей. Каждый модуль является полноценным Windows приложением.

* специального инструментария для подготовки отчетов. При помощи текстового редактора, встроенного в систему, можно готовить полноценные отчеты. В STATISTICA также имеется возможность автоматического создания отчетов;

* встроенных языков SCL и STATISTICA BASIC, которые позволяют автоматизировать рутинные процессы обработки данных в системе.

STATISTICA работает с четырьмя различными типами документов, которые соответствуют основным структурным компонентам системы. Это:

* электронная таблица Spreadsheet, которая предназначена для ввода исходных данных и их преобразования;

* электронная таблица Scrollsheet для вывода численных и текстовых результатов анализа;

* график -- документ в специальном графическом формате для визуализации и графического представления численной информации;

* отчет -- документ в формате RTF (Расширенный текстовой формат) для вывода текстовой и графической информации.

В соответствии со стандартами среды Windows каждый тип документа выводится в своем собственном окне в рабочей области системы STATISTICA. Как только это окно становится активным, изменяется панель инструментов и меню. В них появляются команды и кнопки, доступные для активного документа. Имеется несколько различных способов работы с системой STATISTICA.

Данные в STATISTICA организованы в виде электронной таблицы -- Spreadsheet. Они могут содержать как численную, так и текстовую информацию. Данные в электронной таблице могут иметь различные форматы, например, даты, времени, денежный и научный форматы и др. Электронные таблицы в STATISTICA поддерживают различные типы операций с данными, такие, как: операции с использованием буфера обмена Windows', операции с выделенными блоками значений (аналогично MS® Excel®), в том числе и с использованием метода Drag-and-Drop -- «Перетащить и опустить автозаполнение блоков и т. д. Ввести данные в электронную таблицу можно одним из следующих способов.

* Непосредственно ввести их в электронную таблицу с клавиатуры. В STATISTICA имеются развитые инструментальные средства для автоматизации ручного ввода данных.

* Вычислить новые данные на основе уже введенных данных при помощи формул, которые можно задать в электронной таблице. При этом имеется возможность быстрого доступа к большому количеству специализированных математических и статистических функций, допускается использование логических операторов. Для задания сложных процедур преобразования данных можно воспользоваться встроенным языком SТА TIS TICA BASIC.

* Воспользоваться данными, подготовленными в другом приложении.

Численные результаты статистического анализа в системе STATISTICA выводятся в виде специальных электронных таблиц, которые называются таблицами вывода результатов __ Scrollsheets. Таблицы Scrollsheet могут содержать любую информацию (как численную, так и текстовую), от короткой строчки до мегабайтов результатов. Обычно даже в результате простейшего статистического анализа мы получаем на выходе большое количество численной и графической информации. В системе STATISTICA эта информация выводится в виде последовательности (очереди), которая состоит из набора таблиц Scrollsheet и графиков.

STATISTICA содержит большое количество инструментов для удобного просмотра результатов статистического анализа и их визуализации. Они включают в себя стандартные операции по редактированию таблицы (включая операции над блоками значений Drag-and-Drop «Перетащить и опустить», автозаполнение блоков и др.), операции удобного просмотра (подвижные границы столбцов, разделение прокрутки в таблице и др.), доступ к основным статистикам и графическим возможностям системы; STATISTICA. При выводе целого ряда результатов (например, корреляционной матрицы) STATISTICA отмечает значимые коэффициенты корреляции цветом. Пользователь так же имеет возможность выделить при помощи цвета необходимые значения в таблице Scrollsheet.

Если пользователю необходимо провести детальный статистический анализ промежуточных результатов, то можно сохранить таблицу Scrollsheet в формате файла данных STATISTICA и далее работать с ним, как с обычными данными. Кроме вывода результатов анализа в виде отдельных окон с графиками и таблицами Scrollsheet на рабочем пространстве системы STATISTICA, в системе имеется возможность создания отчета, в окно которого может быть выведена вся эта информация.

Система STATISTICA обладает широкими графическими возможностями [29]. STATISTICA включает в себя большое количество разнообразных категорий и типов графиков (включая научные, деловые, трехмерные и двухмерные графики в различных системах координат, специализированные статистические графики -- гистограммы, матричные, категоризованные графики и др.).

В систему STATISTICA включено большое количество инструментов настройки всех компонент графиков. Имеется возможность выбора различных типов линий, форматов разметки осей, цветов, легенд, названий и других атрибутов графика. Настроенные атрибуты могут быть сохранены в специальном файле и потом применяться к другим графикам. Доступ ко всем основным командам настройки реализован при помощи контекстных меню, которые появляются при нажатии на правую кнопку мыши, общего меню и из панели инструментов графика.

Графические средства системы STATISTICA доступны в любом статистическом модуле и на любом шаге статистического анализа. Они могут быть использованы в целях:

* визуализации численных и текстовых значений непосредственно из электронной таблицы с исходными данными STATISTICA или таблицы Scrolfsheet с результатами анализа;

* вывод результатов статистического анализа в виде последовательности (очереди) графиков. Для этого в диалоговых окнах всех статистических процедур имеется возможность построения различных, предназначенных именно для этого вида анализа типов графиков.

STATISTICA содержит удобные инструменты для размещения нескольких графиков и тих документов в одном окне. При помощи этих средств можно легко компоновать сложную графическую, текстовую и численную информацию.

Графический документ в STATISTICA может быть сохранен как:

— графический документ в специальном графическом формате системы STATISTICA, который может быть открыт позже и использован в процессе анализа

в графическом растровом формате (расширение файла *. bтр, *. рсх),

в графическом формате Windows метафайла (*. wmf).

Графики могут быть выведены на принтер, слайды и другие носители с высокой разрешительной способностью.

Статистические процедуры системы STATISTICA сгруппированы в нескольких специализированных статистических модулях [30]. В каждом модуле можно выполнить определенный способ обработки, не обращаясь к процедурам из других модулей.

Численная реализация (большая часть статистических процедур написана на ассемблере) статистических методов в системе STATISTICA такова, что они позволяют решать задачи предельной сложности, так и по точности и скорости вычислений.

1 Модуль основы статистики и таблицы

Необходим для предварительной обработки данных, осуществления разведочного анализа, определения зависимости между ними, разбиения их различными способами на группы, просмотра этих группы визуально и определение взаимосвязи между данными. Обычно с этого модуля начинается работа в системе.

Этот статистический модуль включает в себя приведенные ниже группы статистических процедур.

— Описательные статистики, группировки, разведочный анализ

STATISTICA предлагает широкий выбор методов разведочного статистического анализа. Система может вычислить практически все описательные статистики, включая медиану, моду, квартили, определенные пользователем процентили, средние и стандартные отклонения, доверительные интервалы для среднего, коэффициенты асимметрии, эксцесса (с их стандартными ошибками), гармоническое и геометрическое среднее, а также многие другие описательные статистики.

-Корреляции

Этот раздел включает большое количество средств, позволяющих исследовать зависимости между переменными. Возможно вычисление практически всех общих мер зависимости, включая коэффициент корреляции Пирсона, коэффициент ранговой корреляции Спирмена, Тау Кендалла, Гамма, коэффициент сопряженности признаков С и многие другие.

— t — критерии (и другие критерии для групповых различии)

t-критерии для зависимых и независимых выборок, а также статистика Хоттелинга.

2 Модуль Множественная регрессия

Модуль Множественной регрессии включает в себя исчерпывающий набор средств множественной линейной и фиксированной нелинейной (в частности, полиномиальной, экспоненциальной, логарифмической и др.) регрессии, включая пошаговые, иерархические и другие методы.

Система STATISTICA позволяет вычислить всесторонний набор статистик и расширенной диагностики, включая полную регрессионную таблицу, частные и частичные корреляции и ковариации для регрессионных весов, матрицы прогонки, статистику Дурбина-Ватсона, расстояния Махаланобиса и Кука, удаленные остатки и многие другие. Анализ остатков и выбросов может быть проведен при помощи широкого набора графиков, включая разнообразные точечные графики, графики частичных корреляций и многие другие. Система прогноза позволяет пользователю выполнять анализ «что — если». Допускаются чрезвычайно большие регрессионные задачи (до 300 переменных в процедуре разведочной регрессии).

Кроме данных модулей в программе имеется широкий набор других модулей: Модуль Дискриминантного анализа; Модуль непараметрической статистики; Модуль факторный анализ; Модуль многомерное шкалирование; Модуль анализ надежности;. Модуль кластерный анализ; Модуль анализ временных рядов и т. д.

1.3 Анализ многофакторной связи выходов продуктов обогащения, качества и марочного состава угля, поступающего на переработку

Задачу оптимального управления развитием горных работ и качеством угля на шахтах необходимо рассматривать с учетом технологических требований обогатительной фабрики на которую поставляется уголь для дальнейшей переработки.

Для центральной обогатительной фабрики «Карагандинская» весьма актуальным является вопрос о том, как зависит выход концентрата от качества исходного угля, его марочного состава и при каком соотношении марок достигается максимальный выход концентрата. Поэтому, наряду с разработкой методов рационального развития горных работ на шахтах, связанных поставками углей на обогатительную фабрику, было проведено исследование зависимости выхода концентрата от участия марок К и КЖ в шихте и их качественных показателей. Исследования проводились на базе статистического материала, представленного в таблице 1.1.

Многофакторное влияние на величину зависимой переменной в общем виде можно выразить зависимостью:

Y = f (x1, x2 ,…, xn) (1. 16)

где Y зависимая переменная (в нашем случае — выход концентрата)

хi, — независимые переменные (горно-технические и технико-

экономические показатели модели).

Отбор информативных факторов, оказывающих наибольшее влияние на уровень формирования У и построение множественных регрессионных моделей проводилось в следующей последовательности.

Вначале проверялись на однородность исследуемые факторы, вычислялись и изучались основные одномерные статистические характеристики принятых к анализу факторов: их средние значения, среднеквадратические отклонения, коэффициенты вариации. Затем исследовались парные связи между факторами. Используя возможности современного компьютерного обеспечения вычислительных процессов на базе статистических данных представленных в таблице 2. 1, было установлено наличие корреляции между выходом концентрата и технологическими показателями обогащаемого угля. Были определены параметры корреляционных формул для каждого независимого переменного и определены коэффициенты парной корреляции которые представлены на рисунках 1- 8 приложения А. Гистограммы по каждому независимому переменному с наложенной плотностью нормального распределения приведены на рисунках 9 — 17 приложения А. Рисунки 9 — 17 свидетельствуют о нормальном распределении исследуемых параметров. Наиболее тесная связь наблюдается между выходом концентрата и процентным участием марок угля в обогащаемой шихте. Коэффициент парной корреляции г = 0. 568.

Для более наглядного отображения связей исследуемых параметров, путем аппроксимации в трехмерном пространстве построены графики зависимости выхода концентрата от технологических параметров обогащаемого угля, которые представлены на рисунках 1. 1- 1. 12. Изображение в трехмерном пространстве связи исследуемых факторов позволяет визуально определять области, представляющие наибольший интерес для дальнейшего, более глубокого исследования. Рассекая квадратичную поверхность через равные интервалы, мы получаем линии равного уровня значений выхода концентрата, которые при проекции на плоскость, образуемую осями независимых переменных, определяют области значений, при которых наблюдается наибольший выход концентрата.

На рисунке 1.1 изображена зависимость выхода концентрата (У) от зольности угля марки К (х2) и зольности угля марки КЖ (х6) в обогащаемой шихте. Анализ рисунка позволяет сделать вывод, что максимальный выход концентрата достигается при зольности угля марки К не более 31.0% и зольности угля марки КЖ не более 26.3%.

Рисунок 1.2 отражает изображенную в трехмерном пространстве зависимость выхода концентрата от зольности угля марки К (x2) и процентного содержания угля марки КЖ (х5) в исходной шихте. Можно предположить, что наибольший выход концентрата достигается при содержании в шихте угля марки КЖ не более 42.0%.

Рисунки 1. 3, 1.4 и 1.5 иллюстрируют поверхности зависимости выхода концентрата (Y), зольности и влажности (х2−4), зольности и сернистости (х2−3) угля марки К, участия угля марки К в шихте (х1) и зольности угля мари К (х2). Максимальный выход концентрата наблюдается при влажности угля марки К ниже чем 6. 60%, содержании серы ниже, чем 0. 57%.

На рисунке 1.6 изображена в трехмерном пространстве зависимость выхода концентрата Y, от процентного содержания угля марки КЖ (x5), влажности угля марки КЖ (х8). Можно предположить, что наибольший выход концентрата будет при значениях содержания угля марки КЖ не менее 42,0% и влажности угля марки КЖ не более 6,60%.

Рисунок 1.7 иллюстрирует зависимость выхода концентрата от влажности угля марки КЖ (х8) и зольности угля марки К (х2), максимальный выход концентрата будет при влажности угля марки КЖ не более 6,63%.

На рисунках 1. 8, 1.9 и 1. 10 изображены в трехмерном пространстве зависимости выхода концентрата от содержания в процентах угля марки К в исходной шихте (х1) и зольности (х6) угля марки КЖ, влажности (х4) угля марки К и серы (х7) угля марки КЖ. Можно предположить, что наибольший выход концентрата будет при зольности угля марки КЖ не более 27,5%, серы не более 0,88% и влажности не более 7,15% при содержании угля марки К в исходной шихте не более 60%.

Рисунок 1. 11 иллюстрирует поверхность зависимости выхода концентрата от процентного содержания угля марки К в исходной шихте (х1) и сернистости (х3) угля марки К. Анализ рисунка позволяют сделать вывод, что для достижения максимального выхода концентрата сернистость угля марки К не должна превышать 0,53% при содержании угля марки К не более 57,0%.

Рисунок 1. 12 иллюстрирует поверхность зависимости выхода концентрата от процентного содержания угля марки КЖ (x5) и содержания серы в угле марки КЖ (x7). Анализ рисунка позволяет сделать вывод, что для достижения максимального выхода концентрата сернистость угля марки КЖ не должна превышать 0,88% при содержании содержании угля марки КЖ не более 38%.

Все данные вышеприведенных исследований сведены в таблицу 1. 2

Таблица 1.2 Расчетные значения независимых переменных

Зависимость

Полученные значения параметров (%)

Y

X

X

X1

X2

X3

X4

X5

X6

X7

X8

Y

X2

X6

< 31. 00

< 26. 3003 26. 3

Y

X2

X5

> 30. 50

> 42. 00

Y

X2

X4

< 28. 50

<6. 60

Y

X2

X3

< 30. 80

<0. 57

Y

X2

X1

< 58. 00

> 30. 50

Y

X5

X8

> 42. 00

<6. 60

Y

X2

X8

< 28. 50

<6. 63

Y

X1

X6

< 70. 00

< 27. 50

Y

X1

X4

< 56. 00

<7. 15

Y

X1

X7

< 62. 00

<0. 88

Y

X1

X3

< 57. 00

<0. 53

Y

X5

X7

> 38. 00

<0. 88

Сравнивая полученные теоретические значения параметров (X1 -X8) с принимаемыми фактическими значениями которые они могут принимать (см. табл. 1. 3), можно заключить, что для максимизации выхода концентрата входящие параметры должны принимать следующие значения:

X1 = 51. 00 — 56. 00%;

X2= 26. 00 — 32. 00%;

X3= 0. 41 — 0. 53%;

X4= 6. 50 — 7. 20%;

X5= 4. 20 — 4. 80%;

X6= 24. 00 — 26. 30%;

X7= 0. 71 — 0. 88%;

X8= 6. 10 — 6. 60%.

Таблица 1.3 Статистические значения исследуемых параметров

Переменные

Количество значений

Среднее значение

Минимальное значение

Максимальное значение

Стандартное отклонение

Y

36

56,04

42,20

60,90

4,59

X1

36

64,93

51,50

85,40

8,15

X2

36

30,86

26,20

32,20

0,97

X3

36

0,48

0,41

0,78

0,07

X4

36

6,82

6,50

7,30

0,18

X5

36

35,06

14,60

48,50

8,15

X6

36

26,78

24,00

30,60

1,18

X7

36

0,81

0,71

0,91

0,04

X8

36

6,40

6,10

6,90

0,17

На стадии многомерного статистического анализа проводился отбор существенных факторов изучаемых явлений, построение многофакторных моделей и оценка их адекватности с помощью принятых в регрессионном анализе критериев.

Предварительный анализ построенных по стандартной программе моделей, показал, что наибольшую статистическую значимость исследуемые факторы имеют в моделях вида:

Y= a0+a1x1+a2x2+… +anxn (1. 17)

где Y — результирующий фактор;

а0 — свободный член;

аi , — коэффициенты регрессии;

хi — исследуемые факторы.

В результате реализации модели была получена теоретическая зависимость выхода концентрата (%) от процентного участия в обогащаемой шихте марок К и КЖ, их качественных характеристик, а также зависимость выхода концентрата и экономических показателей работы ЦОФ за исследуемый период. Статистические оценки полученного уравнения приведены в таблице 1.4.

Таблица 1.4 Статистические оценки модели множественной регрессии зависимости выхода концентрата от качественных характеристик и марочного состава угля

Множественная линейная регрессия для Y1

R=0. 923 016 RI=0. 851 959 Уточнение RI=0. 800 713

F (9, 26)=16. 626 p<0. 0 Ст. Ошибка: 2. 0495

N=36

Beta

cт. ошибка Beta

B

cт. ошибка В

Стьюдент t=(26)

p-уровень

Свободный

122. 734

24. 5866

4. 9919

0. 3

X1

-0. 3826

0. 0888

-0. 2155

0. 0500

-4. 3046

0. 21

X2

-0. 1095

0. 0829

-. 5 167

0. 3913

-1. 3203

0. 19 821

X3

-0. 1083

0. 0947

-7. 1023

6. 2100

-1. 1436

0. 26 317

X4

-0. 0176

0. 0835

-0. 4396

2. 0782

-0. 2115

0. 83 411

X6

-0. 0068

0. 0852

-0. 0267

0. 3314

-0. 0807

0. 93 622

X7

-0. 8071

0. 0898

-8. 3107

9. 2534

-0. 8981

0. 37 736

X8

-0. 1326

0. 0855

-3. 3921

2. 1887

-1. 5497

0. 13 327

где R — коэффициент множественной корреляции;

RI — квадрат коэффициента множественной корреляции;

Уточнение RI — скорректированный коэффициент детерминации определяемый по формуле: 1 — (1- RI)/(n/(n-p))

Ст. ошибка — мера рассеяния наблюдаемых значений относительно регрессионной кривой;

Свободный — значение свободного члена в уравнении регрессии;

t- критерий, используемый для проверки гипотезы о равенстве 0 членов регрессии;

F- критерий значимости уравнения (критерий Фишера);

Р — уровень значимости.

Анализ таблицы позволяет сделать вывод о высоком уровне адекватности полученной модели, коэффициент множественной корреляции R = 0,923 016.

В соответствии с расчетом, теоретическая зависимость выхода концентрата от исследуемых факторов имеет вид:

Y = 122. 73 484 — 0. 21 553 X1 — 0. 51 671 Х2 — 7. 10 231 Х3 — 0. 43 965Х4 —

— 0. 2 678 Х5 -8. 31 077 X7 -3. 39 213 X8 (1. 18)

Значимость уравнения регрессии определяется его предсказательной силой, т. е. надежно прогнозировать средние значения зависимой переменной У по заданным значениям независимых переменных. Для оценки значимости уравнения применяют F-критерий Фишера, который в рассматриваемом уравнении равен F (9,26)= 16. 625, что больше табличного значения (Fтабл=2. 88). Это говорит о том, что это уравнение является значимым. В таблице 2.5 приведены парные коэффициенты корреляции.

При анализе корреляционной матрицы видно, что максимальное значение парного коэффициента корреляции г =0. 57, т. е. наиболее тесная связь наблюдается между выходом концентрата и количественным участием угля марок К и КЖ в обогащаемой шихте.

Этот вывод подтверждает проверка значимости коэффициентов регрессии по критерию Стьюдента (таблица 1. 5). Для коэффициента регрессии при независимой переменной х1 (участие марки К в шихте, %) t- критерий Стьюдента равен -4. 304 674, что больше табличного значения (tтабл=2. 05), а это значит что нулевая гипотеза отвергается и коэффициент регрессии значим.

Таблица 1.5 Парные коэффициенты корреляции

Количество наблюдений N =36

Y

Y

X1

X2

X3

X4

X5

X6

X7

Y

1. 00

-0. 57

0. 02

-0. 10

0. 15

-0. 23

0. 02

0. 06

X1

-0. 57

1. 00

-0. 16

0. 13

-0. 14

0. 19

-0. 34

-0. 12

X2

0. 02

-0. 16

1. 00

-0. 09

0. 21

-0. 19

0. 22

-0. 14

X3

-0. 10

0. 13

-0. 09

1. 00

0. 23

0. 07

-0. 35

0. 08

X4

0. 15

-0. 14

0. 21

0. 23

1. 00

-0. 19

0. 04

0. 10

X5

-0. 23

0. 19

-0. 19

0. 07

-0. 19

1. 00

-0. 14

0. 28

X6

0. 02

-0. 34

0. 22

-0. 35

0. 04

-0. 14

1. 00

0. 01

X7

0. 06

-0. 12

-0. 14

0. 08

0. 10

0. 28

0. 01

1. 00

На рисунке 1. 13 и 1. 14 показано поле корреляции выхода концентрата (Y) в зависимости от процентного участия угля марки К и КЖ в обогащаемой шихте. Определена теоретическая линия регрессии. О тесноте связи свидетельствует достаточно высокий коэффициент парной корреляции. Распределение функции и аргумента приближается к распределению по нормальному закону. На рисунках 1. 15 и 1. 16 представлены частоты распределения значений параметров X2 и X6 с наложенной плотностью нормального распределения. Данные графики свидетельствуют о нормальности распределения исследуемых значений. На рисунках 1. 17 и 1. 18 представлено распределение остатков при построении теоретической зависимости Y=f (X2) и Y=f (X6). Данные рисунков показывают о нормальном характере распределения остатков, что свидетельствует о корректности полученных моделей.

Также, используя полученное уравнение регрессии, был найден теоретически максимально возможный выход концентрата (Y) при заданных условиях. Варьируя содержанием угля марки К (х1) в исходной шихте с шагом 0.2%, при этом остальные независимые переменные, входящие в уравнение были приняты постоянными величинами, равными средним значениям исследуемых факторов, был получен теоретически максимально возможный выход концентрата, равный 65. 07%. Данные расчеты были произведены с помощью программы EXCEL.

Таким образом, в результате реализации модели была найдена теоретическая зависимость выхода концентрата от количественного и качественного состава исходной шихты для обогащения на ЦОФ «Карагандинская». В результате анализа было установлено, что наибольшее влияние на выход концентрата оказывает процентное соотношение марок угля в исходной шихте, максимальный выход концентрата достигается при коэффициенте марочного состава для угля марки К равном 0. 55, для угля марки КЖ соответственно 0. 45.

Определенные оптимальные параметры по результатам многомерного корреляционного анализа (X1-X8), позволяют получить минимально возможный выход концентрата равный 59. 63% (при среднем выходе концентрата 56,04%). Теоретически максимально возможный выход концентрата может достигать 65. 07%. Рациональное соотношение марок и определенное в результате исследования влияние показателей качества исходной шихты на выход продуктов обогащения дают, в свою очередь, возможность значительно рационализировать календарное планирование.

1. 4 Основные методы определения себестоимости материальных ресурсов

Стоимость продукта, выраженная в денежной форме, представляет собой его цену. Денежное выражение издержек производства -- есть себестоимость продукта, а денежное выражение прибавочного продукта представляет собой чистый доход [30].

Стоимость и ее главную часть -- издержки производства -- нельзя отождествлять с конкретными формами их выражения -- ценой и себестоимостью. Между издержками производства и себестоимостью имеются следующие различия:

— себестоимость включает затраты вещественных элементов по ценам, которые отклоняются от стоимости. Поскольку цены не совпадают со стоимостью, постольку и себестоимость не совпадает с издержками производства;

— себестоимость включает затраты по заработной плате, которые не совпадают со стоимостью продукта, созданного необходимым трудом, поскольку часть необходимого продукта выступает в форме оплаты по труду, а часть -- в форме общественных фондов потребления;

— себестоимость отражает затраты живого и овеществленного труда на производство продукта, в то время как стоимость продукта определяется количеством абстрактного труда, необходимым для его воспроизводства.

Себестоимость единицы продукции горных предприятий является одним из основных показателей их работы. В общем виде она определяется путем деления всех затрат предприятия, связанных с производством и реализацией продукции, на объем произведенной продукции.

В себестоимость включаются затраты овеществленного (прошлого) труда (амортизация основных фондов, стоимость материалов, электроэнергии, топлива и других материальных ресурсов) и расходы на оплату труда работников предприятия (отчисления от заработной платы в соцстрах и прочие денежные расходы).

Себестоимость играет большую роль в осуществлении полного хозрасчета на горном предприятии, поскольку этот показатель представляет все затраты хозрасчетного подразделения.

При помощи показателя себестоимости предприятия и вышестоящие организации осуществляют текущий и итоговый контроль за рациональным расходованием фонда заработной платы и материальных ресурсов. Себестоимость продукции является основной частью цены. Это означает, что уровень и динамика цен на продукцию горной промышленности при прочих равных условиях определяются уровнем и динамикой себестоимости. Различают участковую (цеховую), производственную, полную себестоимость.

При определении полной себестоимости из сметы затрат на производство должны быть исключены расходы, связанные с услугами, оказываемыми предприятием капитальному строительству, капитальному ремонту, прочим хозяйствам, а также с услугами на сторону.

Кроме понятий производственной и полной себестоимости существуют понятия производственной себестоимости товарной добычи угля, полной себестоимости товарной продукции и затрат на один рубль товарной продукции.

Производственная себестоимость товарной добычи угля определяется путем исключения из общих затрат на добычу топлива стоимости собственной добычи угля, расходуемого на производственно-технические нужды предприятия.

Полная себестоимость товарной продукции определяется путем добавления к производственной себестоимости товарной добычи суммы внепроизводственных расходов и себестоимости различных услуг, оказываемых предприятием на сторону.

Во всех отраслях горной промышленности применяют две взаимодополняющие друг друга классификации затрат: поэлементную и калькуляционную. Исключение составляет угольная промышленность, где затраты учитываются и планируются только по элементам.

При поэлементной классификации затраты на производство продукции рассматриваются по следующим семи элементам: материалы, топливо, электроэнергия, амортизация, заработная плата, начисления на заработную плату, прочие денежные расходы.

Классификация по элементам затрат позволяет определить затраты живого и овеществленного труда, их соотношение в общих расходах, что очень важно для правильного планирования показателей труда, воспроизводства основных и оборотных фондов и др.

При калькуляционной классификации элементы себестоимости распределяются по нескольким статьям. Одни из статей носят название простых, так как в них, как правило, учитываются расходы по одному элементу (заработная плата производственных рабочих), другие -- комплексных, так как по ним учитываются затраты по нескольким элементам (расходы по содержанию и эксплуатации оборудования, общерудничные расходы).

Наименование статей затрат отражает основные направления расходов предприятия и позволяет осуществлять контроль за использованием средств по конкретным целевым объектам.

Большое практическое значение имеет структура себестоимости по отдельным процессам. Она дает наиболее полное представление о размещении затрат на горном предприятии как по элементам, так и по звеньям производственного процесса. Анализируя такую структуру себестоимости, можно по каждому производственному звену установить затраты живого и овеществленного труда, определить соотношение между этими затратами по смежным процессам, найти наиболее емкое звено с точки зрения общих расходов и основных их составляющих. Вместе с тем получить такую структуру себестоимости в настоящее время трудно из-за отсутствия соответствующего учета затрат на действующих предприятиях. Поэтому для проведения анализа структуры себестоимости по отдельным процессам необходима организация учета затрат по специально разработанным методикам.

Сложность составления такой методики состоит в трудности четкого отнесения определенных затрат к тому или иному процессу.

При калькулировании и анализе себестоимости продукции принято различать следующие группы затрат:

— по роли в процессе производства затраты делятся на основные и накладные;

— по методу распределения -- на прямые и косвенные;

— по отношению к размеру производства -- на условно переменные или пропорциональные и условно постоянные или непропорциональные.

К основным затратам относятся расходы, непосредственно связанные с получением или обработкой полезного ископаемого (заработная плата рабочих по добыче, амортизация, амортизация основных фондов и др.).

К накладным затратам относятся затраты, связанные с управлением и обслуживанием производства.

Прямые затраты -- это такие расходы, которые могут быть отнесены непосредственно на готовую продукцию (расход взрывчатых материалов в очистном забое, заработная плата проходческой бригады рабочих и др.). Расходы, которые непосредственно на себестоимость отнести затруднительно, называются косвенными (управленческие расходы на обогатительных фабриках).

В зависимости от характера изменения затрат в связи с динамикой объема производства различаются пропорциональные и непропорциональные расходы.

Пропорциональные -- это такие затраты, которые увеличиваются прямо пропорционально с ростом объема производства (расход крепежных, взрывчатых, смазочных материалов и т. д.). Непропорциональные затраты не зависят прямо пропорционально от объема производства (затраты на освещение, отопление, амортизация части зданий).

План себестоимости на горном предприятии представляет собой совокупность сметы затрат на производство, сметы общешахтных расходов, калькуляции себестоимости 1 т угля (руды) и себестоимости товарной продукции [31].

ПоказатьСвернуть
Заполнить форму текущей работой