Научный журнал
Вестник Алтайской академии экономики и права
Print ISSN 1818-4057
Online ISSN 2226-3977
Перечень ВАК

АНАЛИЗ ЭФФЕКТИВНОСТИ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ ЗЕРНОВОЙ ОТРАСЛИ АПК

Зинина О.В. 1
1 ФГБОУ ВО «Красноярский Государственный аграрный университет»
В статье поставлена задача разработки инструментов анализа инновационной деятельности предприятия. Основные результаты исследования были использованы при формировании механизма инновационного развития ООО «Богуславское». Был также проведен анализ тенденций инновационной активности в Красноярском Крае в сфере зернового производства. Вопросы модернизации аграрного сектора экономики широко обсуждаются общественностью, хозяйственниками и в структурах государственной власти. Президент РФ ВВ. Путин в своих выступлениях ставит задачи повышения конкурентоспособности экономики в целом. В условиях современных реалий развития отечественной экономики главным элементом, обеспечивающим конкурентоспособность экономической системы, является инновационная составляющая. Внедрение в производство достижений научно-технического прогресса выступает основой интенсификации сельскохозяйственного производства. Научно-технический прогресс взаимосвязан с инновационной деятельностью, инновационным процессом, и в целом с инновационным развитием России.
инновационное развитие
результативность инструменты
методы
технологии
обеспечение
модернизация
техническая безопасность
аграрная сфера
инвестиции
1. Рахманова Т.Э. Инновационная активность организации: современные методы оценки // Молодой ученый. – 2017. – № 1 (135). – С. 252-254.
2. Санду И. Инновационное развитие сельского хозяйства до 2020 г. / И. Санду, Н. Рыженкова // АПК: экономика, управление. – 2012. – № 2. – С. 9-13.
3. Седова Н.В. Инновации в реализации интеграционных процессов в агропромышленном комплексе российской экономики / Н.В. Седова, Л.М. Бадалов. // Качество. Инновации. Образование. – 2011. – № 1. – С.26-31.
4. Сибиряев А.С. Фактор инновационной активности при обеспечении продовольственной безопасности РФ // Вестник НГИЭИ. – 2017. – С. 117-124.
5. Ушачев И.Г. Инновационная деятельность в агропромышленном комплексе России: монография / И.Г. Ушачев, Е.С. Оглоблина, И.С. Санду, А.И. Трубилина. – М.: Экономика и информатика, 2006. – 374 с.
6. Антамошкина О.И., Зинина О.В., Методика оптимизации определения размера регионального резервного зернового // Вестник Алтайской академии экономики и права. – 2019. – № 10-2. – С. 5-10.

Развитие АПК и, в частности, производства зерновых культур в России определяется системой факторов, среди которых можно выделить технологические, экономические.

Непосредственно экономический фактор – это низкая доходность сельскохозяйственных товаропроизводителей, которая недостаточна для ведения простого и расширенного производства и перехода на инновационный путь развития. К числу технологических факторов, в первую очередь следует отнести уровень наличия техники в сельскохозяйственных организациях.

Цель исследования состоит в разработке инструментов и методов оценки инновационного развития предприятия в современных экономических условиях, необходимых для оценки эффективности инвестиционных вливаний в конкретные направления развития зернового производства.

Материал и методы исследования

Материалом исследования послужили данные предприятий АПК России и Красноярского края, в частности, занимающиеся зерновым производством.

Традиционно основными производителями зерна в Красноярском крае являются сельскохозяйственные организации, их доля в общем объеме производства составляет 84,14-888,13 %, активно развивается зерновое производство в крестьянских (фермерских) хозяйствах, что обуславливает необходимость конкретизации мер поддержки К(Ф)Х.

Результаты исследования и их обсуждение

Рассмотрим одну из основных проблем сельского хозяйства в целом и зернового производства, в частности, это снижение наличия сельскохозяйственной техники (табл. 1).

Количество имеющихся в наличии тракторов в РФ в 2018 году в сравнении с 2014 годом снизилось на 14,31 %, зерноуборочных комбайнов – на 11,92 %, что приводит к несоблюдению агротехнических сроков возделывания культур. В целом увеличено наличие посевных комплексов на 13,64 %, что обусловлено потребностью ресурсосбережения [1].

Отметим, что износ техники в сельском хозяйстве в РФ в 2016 году составлял 41,2 %, в 2017 году – 38,2 %, соответственно сокращение единиц техники, ее физический и моральный износ приводит к сокращению посевных площадей. Данные тенденции характерны и для Красноярского края.

Снижение физических единиц техники неизбежно ведет к увеличению нагрузки, данные отразим в табл. 2.

Данные табл. 2 свидетельствуют, что в результате сокращения физических единиц техники нагрузка на технику увеличивается из года в год. В целом по России нагрузка на один трактор увеличена в 2018 году на 16,21 % в сравнении с уровнем 2014 года, по Красноярскому краю – на 13,21 %, что приводит к более быстрому физическому износу техники, и необходимости дополнительных затрат связанных с обслуживанием и капитальным ремонтом [2].

Среди технологических факторов, оказывающих существенное влияние на зерновое производство, следует выделить уровень химизации производства, в частности для более высокого уровня урожайности необходимо использование минеральных удобрений, поскольку зерновые культуры имеют высокую чувствительность к содержанию минеральных веществ в почве.

Таблица 1

Наличие техники в сельскохозяйственных организациях, тыс. шт. [6]

Показатели

Год

2014

2015

2016

2017

2018

Тракторы:

         

– Россия

247,3

233,6

223,4

216,8

211,9

– Красноярский край

5, 9

5,6

5,3

5,1

4, 9

Посевные комплексы:

         

– Россия

11,0

11,1

11,6

12,0

12,5

Зерноуборочные комбайны

         

– Россия

64,6

61,4

59,3

57,6

56,9

– Красноярский край

2,2

2,1

2,0

1,9

1,8

Машины для внесения в почву:

         

твердых органических удобрений

         

– Россия

5,1

4,8

4,7

4,7

4,5

– Красноярский край

0,024

0,017

0,021

0,025

0,026

жидких органических удобрений

         

– Россия

3,7

3,6

3,6

3,7

3,8

– Красноярский край

0,026

0,018

0,016

0,013

0,015

 

Таблица 2

Нагрузка на технику в сельскохозяйственных организациях [6]

Показатели

Год

2014

2015

2016

2017

2018

Приходится пашни на 1 трактор, га

         

– Россия

290

308

320

328

337

– Красноярский край

386

407

424

432

437

Приходится посевов зерновых культур на 1 комбайн, га

         

– Россия

408

422

425

427

424

– Красноярский край

343

356

369

381

353

 

Таблица 3

Множественная модель корреляции и регрессии

Годы

Урожайность зерновых культур, ц с 1 га

Затраты на семена на 100 га посева зерновых, руб.

Энергооснащенность производства, л.с./100 га

Затраты труда на 1ц зерна, чел.-ч.

Y

Х1

Х2

Х3

2009

25,9

130,7

136,89

0,33

2010

24,3

125,90

154,33

0,29

2011

28,4

124,87

187,2

0,24

2012

31,3

114,21

187,2

0,19

2013

26,4

128,57

137,42

0,25

2014

23,7

158,70

269,71

0,27

2015

18,1

189,43

204,29

0,69

2016

16,8

248,14

200,13

0,91

2017

18,25

164,27

200,67

0,88

2018

12,88

145,3

100,3

0,70

В данном случае наблюдается положительная динамика, внесение минеральных удобрений в РФ в 2018 году увеличено на 30,12 % в сравнении с 2014 годом, в Красноярском крае – на 17,65 %.

Исходя из выше сказанного можно утверждать, что развитие зернового производства напрямую зависит от модернизации отрасли, кроме того модернизация должна осуществляться на инновационной основе, с учетом всех видов характерных для данной отрасли инноваций.

Для оценки эффективности инвестиций необходимо предварительно спрогнозировать перспективу развития зернового производства.

Анализ данных проведем за 10 лет, в качестве факторных признаков, влияющих на результативный признак, выберем: затраты на семена, энергооснащенность, трудоемкость, а в качестве результативного признака будет выступать уровень урожайности.

Далее построим матрицу множественной корреляции в табл. 3.

После обработки матрицы в программе МС Excel получим многофакторный корреляционно-регрессионный анализ [3].

Коэффициент множественной корреляции (R) показывает тесноту связи между явлениями. Может принимать значения от 0 до 1. Анализ модели (табл. 3) показал, что коэффициент множественной корреляции R равен 0,8902. Следовательно, в данном случае связь между факторными и результативными признаками сильная.

Показатель множественной детерминации (R2) – показывает часть вариации результативного признака, которая сложилась под влиянием всех включенных в модель факторов. Показатель множественной детерминации R2 = 0,7925, отражает, что взятые факторы несут в себе 79,25 % влияния на результат.

Проведем прогнозирование показателя урожайности на перспективу с учетом влияния входящих в модель факторов.

Уравнение регрессии будет иметь следующий вид:

zin01.wmf, (1)

где a0 – свободный член уравнения регрессии, экономического смысла не имеет;

a1, a2, a3 – коэффициенты регрессии, которые показывают, на какую величину изменяется в среднем результативный признак при изменении факторного на одну единицу;

x1, x2, x3 – факторы, влияющие на результативный признак;

y – результативный признак.

Для определения уравнения регрессии воспользуемся данными, полученными после обработки матрицы множественной регрессии в МС Excel. В данном случае уравнение регрессии имеет вид:

zin02.wmf = 28,34 – 0,009*х1 +

+ 0,021*х2 – 17,011*х3, (2)

где a0 = 28,34 – свободный член уравнения (не имеет экономического значения).

a1 = –0,009 – коэффициент чистой регрессии при первом факторе свидетельствует о том, что при изменении затрат на семена, урожайность зерновых культур в среднем может уменьшиться на 0,009 ц с 1 га, при фиксированном положении всех других факторов;

a2 = 0,021 – коэффициент чистой регрессии при втором факторе показывает, что при изменении энергооснащенности, урожайность зерновых в среднем увеличится на 0,021 ц с 1 га.

a3 = –17,011 – коэффициент чистой регрессии при третьем факторе свидетельствует о том, что при изменении трудоемкости, урожайность зерновых в среднем уменьшится на 17,011 ц с 1 га при фиксированном положении всех других факторов.

По полученному уравнению регрессии рассчитаем прогноз.

У max = 28,34 – 0,009*248,14 + + 0,021*269,71 – 17,011*0,91 = 16,29 ц /га

Уровень урожайности зерновых, который может получить ООО «Богуславское» составит 16,29 ц с 1га, при условии достижения максимальных значений факторов х1, х2 и х3.

У сред. = 28,34 – 0,009*153,01 + + 0,021*177,81 – 17,011*0,48 = 22,53 ц/га

Уровень урожайности равный 22,53 ц с 1га, организация получит при условии достижения средних значений факторов х1, х2, и х3.

У min = 28,34 – 0,009*114,21 + + 0,021*100,3 – 17,011*0,19 = 26,19 ц/га

Уровень урожайности равный 26,19 ц с 1га, организация получит при условии достижения минимальных значений факторов х1, х2, и х3.

Примем для дальнейших расчетов прогнозный уровень урожайности исходя из минимальных значений факторов равный 26,19 ц с 1 га, что является основой рационального использования ресурсов имеющихся в распоряжении ООО «Богуславское», а также отражает цели инновационного развития предприятия – развитие на условиях ресурсосбережения [4].

Построим, график планового уровня урожайности с учетом прогноза (рисунок).

Таким образом, прибавка урожайности в плановом периоде составит 13,31 ц с 1 га (26,19-12,88 ц с 1 га), соответственно в табл. 4 отразим плановый валовой сбор и объем реализации зерна.

При неизменности посева зерновых культур 1000 га валовое производство зерна в плановом периоде составит 26190 ц, а дополнительный объем зерна, который ООО «Богуславское» будет использовать для реализации составит 13315 ц.

Для оценки эффективности рекомендуемых направлений инновационной деятельности целесообразно предварительно оценить эффективность производства зерна с учетом комплексной модернизации производства, а также с учетом прогнозного уровня урожайности зерновых.

Оценка эффективности зернового производства требует планирования себестоимости 1 ц зерна с учетом представленных выше изменений.

Зарплата комбайнеров за 2018 год составляла 11,53 тыс. руб. в месяц с учетом начислений, соответственно за год составит 138,36 тыс. руб.

zinin1.tif

График уровня урожайности с учетом прогнозного уровня

Таблица 4

Расчет планового валового сбора и объема реализации зерна

Показатели

2018 г

Проект

Изменение (+/-)

Площадь посева зерновых культур – всего

1000

1000

*

Средняя урожайность зерновых, ц с 1 га

12,88

26,19

13,31

Валовой сбор, ц

12875

26190

13315

Реализовано, ц

14172

26190

12018

 

Амортизационные отчисления составят 10 % при учете нормативного срока эксплуатации комбайна 10 лет, следовательно, затраты на амортизацию 4200 тыс. руб. *0,10 = 420 тыс. руб.

Затраты на технический ремонт и обслуживание техники в ООО «Богуславское» составляют 8 % от стоимости техники и оборудования, следовательно, затраты на содержание основных средств увеличатся на сумму 4200 тыс. руб.*0,08 = 336 тыс. руб.

Расходы на электроэнергию увеличатся пропорционально изменению валового производства зерна, поскольку данные затраты связаны с процессом доработки зерна.

В 2018 году затраты на нефтепродукты в расчете на 1 га посева зерновых составляли 1886 тыс. руб./ 1000 га = 1886 руб.

С учетом того, что на предприятии количество зерноуборочных комбайнов увеличится, соответственно нагрузка на один комбайн составит 1000 га : 2 ед = 500 га (в 2018 г. – 1000 га), затраты на нефтепродукты для данной площади посева составят 500 га* 1886 руб. = 943 тыс. руб.

Исходя из технических характеристик, удельный расход топлива на 1 га для комбайна ACROS 585 составляет 13,6 л/га, следовательно, потребность в дополнительном топливе 13,6 л* 500 га = 6800 л. При средней оптовой цене 1 л бензина 43,2 руб., затраты на нефтепродукты составят 6800 л*43,2 руб. = 293,76 тыс. руб. или 587,52 руб. на 1 га.

Общая сумма затрат на нефтепродукты в плановом периоде составят 943+587,52 = 1530,52 тыс. руб.

В табл. 5 отразим представленные расчеты обоснования затрат по элементам и рассчитаем себестоимость 1 ц зерна в плановом периоде [5, 6].

Таким образом, применение элитных семян и дополнительной техники позволит снизить себестоимость 1 ц зерна на 367,73 руб. или на 53 %, в сравнении с уровнем 2018 года.

Выводы

При сложившемся уровне цен предприятие получит прибыль в сумме 1672,86 тыс. руб., а уровень рентабельности производства составит 15,96 % и окупаемость затрат увеличится на 209,10 руб. или на 22 %, следовательно, с точки зрения, повышения эффективности производства, выбранные методы и инструменты инновационного развития предприятия являются целесообразными для внедрения.

Таблица 5

Расчет себестоимости производства 1ц зерна

Показатели

2018 г.

Проект

Оплате труда с отчислениями на социальные нужды, тыс. руб.

2181

2319,36

Семена – всего, тыс. руб.:

1453

1105

В т.ч. элитные

-

1105

Электроэнергия, тыс. руб.

658

1338,49

Нефтепродукты, тыс. руб.

1886

1530,52

Содержание основных средств, тыс. руб.

757

1093

Прочие, тыс. руб.

3220

3640

в т.ч. амортизация

285

705

Всего затрат, тыс. руб.

10155

11026,37

Себестоимость 1 ц, руб.

788,74

421,01

 

В целом инновационное развитие предприятия, специализирующегося на зерновом производстве, а также рост эффективности производства зерна, может быть, достигнут за счет использования в качестве инструмента комплексной модернизации производства на базе использования в качестве актуальных в зерновом производстве методов – сортосмена и техническое обновление.


Библиографическая ссылка

Зинина О.В. АНАЛИЗ ЭФФЕКТИВНОСТИ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ ЗЕРНОВОЙ ОТРАСЛИ АПК // Вестник Алтайской академии экономики и права. – 2020. – № 3-1. – С. 66-71;
URL: https://vaael.ru/ru/article/view?id=1017 (дата обращения: 25.06.2024).