Анализ влияния экономических факторов на производительность труда

Алюков С.В., Алабугин А.А., Тихонова Н.В.

Высшая школа экономики и управления, Южно-Уральский государственный

университет, Челябинск, Россия

Аннотация
Проведена оценка влияния различных экономических показателей на
производительность труда в условиях перехода систем от индустриальных
условий 1-3-го укладов экономики к 4-му и последующим уровням развития
социума в постиндустриальной экономике знаний. С помощью
множественного регрессионного анализа выявлены наиболее существенные
показатели. Определена возможность повышения регулируемости скорости
преобразований систем в условиях процессов трансформации укладов.
Решены задачи реализации методов в стратегии высокоэффективных
преобразований и сформированном механизме управления увеличения
скорости преобразований. Анализ рассмотренных факторов позволил от
множественного регрессионного анализа перейти в методам нечеткого
моделирования, позволяющим делать прогнозы значений
производительности труда для конкретных индустриальных предприятий. В
качестве главный показатель производительности труда принята выработка
на одного работника. Результаты исследования позволяют оценить
возможности регулируемого снижения неопределенности в выполнении
высокотехнологичных инновационных преобразований, повышении
эффективности и скорости преобразований системы.

Ключевые слова: производительность, скорость и эффективность

преобразований; факторы; трансформация укладов экономики.

Введение

Актуальность учета факторов трансформации организационно-

технологических укладов экономики следует из постоянного возрастания их
значимости в период 2000-2050 годов. Потребности развития общества на
постиндустриальной основе не обеспечиваются в условиях 1-3-го
организационно-технологических укладов, так как преобладают
эволюционные процессы, отличающиеся сравнительно низкой скоростью.
Необходимо совершенствование методов оценки и повышения скорости
инновационных преобразований систем при переходе к 4-му укладу, резкому
увеличению производительности труда. При этом обеспечивается
масштабирование достигнутых уровней инновационности преобразований
видов деятельности систем и методов управления. Революционные процессы
высокоскоростных инновационных преобразований материального типа (в
мировой практике распространен термин «high-tech») необходимы при
переходе к 5-му и, особенно, 6-му укладам экономики. Значимость
увеличения скорости определяется отставанием роста инновационных
возможностей низко-технологичного оборудования в сравнении с быстрым
развитием уникальных потребностей общества. В то же время, появляются
инновационные технологические принципы, обусловливающие появление
новых производственных отношений технологии формирования
общественного сознания. Увеличивающиеся стратегические разрывы
указанных факторов-вызовов с их применением на практике ведут к
появлению дисбаланса. Это определяет цель исследования как
совершенствование методов оценки и регулирования скорости процессов
инновационных преобразований объектов деятельности по факторам-
вызовам трансформации укладов для перехода от 3-4-го к 5-6-му укладам
экономики, методов повышения производительности труда. Целесообразно
применение метода комбинирования моделей и технологий.
Известны предложения для оценки степени развития объекта по
факторам инновационности преобразований. М.Г. Делягин предлагает ее
определять уровнями технологической пирамиды [1]. В период 2014-20 годов
наблюдался рост количества публикаций о взаимосвязях скорости появления
новых бизнес-моделей и устойчивости развития [2,3,4]. Для многих
организаций существующие бизнес-модели, ориентированные на получение
прибыли, являются основным препятствием на пути к достижению
устойчивости развития. Такие модели рыночного поведения были достаточно
эффективны в процессах эволюционных преобразований. Однако в условиях
сравнительно быстрого перехода к экономике знаний ориентация на прибыль
является недостаточной. W. Stubbs и C. Cocklin [5] изложили ряд
нормативных принципов организационного развития, образующих
«идеальный тип» бизнес-модели, ориентированной на устойчивость. Выбор
метода комбинирования технологий high-tech», «tech-hume» и форсайта для
инновационных преобразований обусловливает необходимость оценки
взаимосвязи пространственно-временных и скоростных параметров
направленности их влияния на долгосрочную устойчивость развития
объектов системы, повышение производительности труда на индустриальных
предприятиях . Совершенствование теории в соответствии с указанной целью
исследования требует теоретической модели и методологии управления
высокотехнологичными инновациями, оценки факторов, влияющих на
производительность. Это подтверждают известные методологические
предложения П.Ф. Дракера [6], И.К. Адизеса [7], модели спиральной
динамики К. Грейвса [8], Ф. Лалу [9]. Открытость субъектов и объектов к
новому обеспечивает в развитых странах до 80% ее прироста [10].
Следовательно, основным в указанных комплексах должен стать персонал
восприимчивый к инновациям, как основа для повышения
производительности труда. Это соответствует модели спиральной динамики
«бирюзовых предприятий», определенных в исследованиях Ф. Лалу и Б.
Робертсона [8,9] и технологиям «tech-hume». По мнению акад. А.Г.
Аганбегяна, инвестиции в такой капитал должны расти опережающими
темпами 8-10% в год [10]. Подобные методы должны быть включены в
отдельные этапы теоретических моделей и методологий интеграционно-
балансирующего типа управления.

Регрессионный анализ

На семнадцати предприятиях Челябинска и Челябинской области

(Россия) были собраны данные для экономических показателей. Эти
показатели и их обозначения приводятся в Таблице 1.

Таблица 1. Исходные показатели.

X1 Выработка на одного работника, тыс. руб.
X2 Доля рабочих, занятых при машинах и механизмах, %
X3 Доля рабочих, занятых вручную не при машинах и механизмах, %
X4 Процент текучести кадров
X5 Коэффициент сменности по всем рабочим
X6 Доля профильной продукции в общем объеме продукции, %
X7 Доля покупных изделий и полуфабрикатов в затратах на производство, %
X8 Доля специалистов и служащих в общей численности работающих, %
X9 Фондовооруженность на одного рабочего, тыс. руб.
X10 Электровооруженность потенциальная, кВт
X11 Доля автоматов в технологическом оборудовании

Собранные значения для выбранных показателей даны в Таблице 2.

Таблица 2. Исходные данные

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11
70,02 36,75 33,07 11,00 1,45 94,36 1,75 12,80 84,32 22,27 31,23
62,68 42,30 34,73 12,00 1,27 90,74 6,72 17,44 111,53 32,22 30,76
61,51 34,33 39,32 11,00 1,36 96,30 7,50 15,50 79,73 15,50 40,00
52,75 33,29 37,50 16,00 1,44 95,20 2,30 13,10 64,71 12,30 40,20
54,96 31,62 32,20 18,00 1,29 96,10 ,20 15,30 104,23 16,40 30,20
50,22 41,78 28,70 25,00 1,56 92,20 10,30 18,10 85,53 27,80 22,40
61,49 43,35 23,60 22,00 1,17 95,30 7,50 16,00 92,29 27,80 11,10
84,74 39,40 29,60 12,00 1,47 95,50 8,90 12,70 101,37 22,60 61,20
78,23 41,00 25,30 17,00 1,44 96,30 12,40 12,90 105,71 21,90 34,10
67,92 39,90 17,90 26,00 1,52 91,10 6,80 14,40 170,44 27,80 52,40
89,67 42,30 29,30 13,00 1,62 94,50 3,70 14,40 143,57 23,50 48,50
54,69 24,10 26,10 20,00 1,46 92,30 7,90 15,50 92,78 11,40 81,90
63,27 33,22 31,50 21,00 1,76 92,70 5,20 13,50 70,96 18,40 62,20
82,05 39,60 19,70 19,00 1,52 96,20 1,20 13,20 160,64 27,10 62,20
55,30 27,70 30,70 25,00 1,57 92,90 7,60 16,40 134,68 23,40 51,80
39,66 37,19 28,70 17,00 1,47 85,20 ,10 15,60 177,38 22,70 44,20
50,52 22,63 31,20 24,00 1,37 94,60 2,50 18,10 200,12 17,90 73,20

Проведем множественный регрессионный анализ. В качестве зависимой

переменной примем выработку на одного работника, тыс. руб. Высокие
значения R и R-квадрат (Таблица 3) указывают на высокую адекватность
регрессионной модели.

Таблица 3. Сводная таблица

R R-квадрат Скорректированный R-квадрат Стд. ошибка оценки
0,974 0,949 9,864 5,07017

В Таблице 4 приводятся результаты множественного регрессионного

анализа. В первую очередь нас интересуют стандартизованные
коэффициенты, т.к. они приведены к одному масштабу и их можно
сравнивать. Анализ этих коэффициентов показывает, что наибольшее
влияние на производительность, причем отрицательное, оказывает процент
текучести кадров. Далее, в порядке убывания значимости идут доля
профильной продукции в общем объеме продукции (положительное
влияние), доля рабочих, занятых вручную не при машинах и механизмах
(отрицательное влияние), коэффициент сменности по всем рабочим
(положительное влияние) и так далее.

Таблица 4. Коэффициенты регрессионной модели

Нестандартизованн Стандартиз t Знч.
Факторы ые коэффициенты ованные
коэффицие
нты
B Стд. Бета
Ошибка
доля рабочих, занятых при -0,049 0,604 -0,022 -0,081 0,938
машинах и механизмах, %
доля рабочих, занятых вручную не -1,158 0,635 -0,467 -1,824 0,118
при машинах и механизмах, %
процент текучести кадров -1,831 0,632 -0,680 -2,896 0,027
коэффициент сменности по всем 34,629 15,572 0,348 2,224 0,068
рабочим
доля профильной продукции в 2,946 0,563 0,596 5,233 0,002
общем объеме продукции, %
доля покупных изделий и 0,267 0,458 0,071 0,582 0,582
полуфабрикатов в затратах на
производство, %
доля специалистов и служащих в -0,911 1,406 -0,117 -0,648 0,541
общей численности работающих,
%
фондовооруженность на одного 0,058 0,056 0,171 1,036 0,340
рабочего, тыс. руб.
электровооруженность 0,751 0,451 0,319 1,667 0,146
потенциальная, кВт
доля автоматов в технологическом 0,005 0,188 0,006 0,025 0,981
оборудовании

Построенная регрессионная модель позволяет сделать прогнозы. В

качестве примера, рассмотрим предприятие для которого независимые
переменные имеют следующие значения: доля рабочих, занятых при
машинах и механизмах, % = 20,00; доля рабочих, занятых вручную не при
машинах и механизмах, % = 28,00; процент текучести кадров = 13,00;
коэффициент сменности по всем рабочим = 1,50; доля профильной
продукции в общем объеме продукции, % = 90,00; доля покупных изделий и
полуфабрикатов в затратах на производство, % = 5,30; доля специалистов и
служащих в общей численности работающих, % = 15,00;
фондовооруженность на одного рабочего, тыс. руб. = 150,00;
электровооруженность потенциальная, кВт = 21,00; доля автоматов в
технологическом оборудовании = 64,00. Тогда предсказанное значение для
выработки на одного работника составит 67,5 тыс. руб.

Метод нечеткого моделирования

Нечеткое моделирование проведем на основе программного комплекса

Fuzzy TECH 5.81 d Professional. В качестве выходной переменной Output, как
и в случае регрессионного анализа, примем выработку на одного работника,
тыс. руб. Значения этой переменной в пределах (30; 100) разобьем на пять
градаций: очень низкие значения (low); низкие (low); средние (medium);
высокие (high) и очень высокие (very high).
В качестве выходных переменных примем первые три независимые
переменные с наибольшим влиянием на зависимую переменную: процент
текучести кадров (Input1) в пределах (9;30), доля профильной продукции в
общем объеме продукции (Input2) в пределах (79;100) и доля рабочих,
занятых вручную не при машинах и механизмах (Input3) в пределах (10;40).
Каждую из этих переменных разобьем на три градации (low, medium, high).
Блок-схема модели нечеткой логики изображена на рис. 1.

Рис. 1. Блок-схема модели нечеткой логики

График закона распределения для переменной Output изображен на рис.2.

Подобные законы распределения (только с тремя градациями) имеют и
входные переменные.
 Рис. 2. Закон распределения для переменной Output

Отношения между зависимыми и независимыми переменными показаны

на рисунке 3.

Рис. 3. Связь между зависимыми и независимыми переменными.

Созданная нечеткая логическая модель позволяет cделать прогноз
производительности конкретного предприятия. Так например, для тех же
значений независимых переменных (в данном случае мы ограничены тремя
переменными), как и в случае множественного регрессионного анализа,
получаем Output = 65 (рисунок 4). Напомним, что регрессионная модель дала
значение 67,5. Погрешность результата, по сравнению с использованием
модели нечеткой логики, не превышает 4 процентов. Однако в случае
использования модели с нечеткой логикой для прогнозирования нам нужно
использовать только 3 независимых переменных, тогда как в случае
регрессионного анализа мы использовали 10 независимых переменных.

Рис. 4. Прогнозируемое значение выходной переменной

На рис. 5,6,7 показаны трехмерные графики функций Output (Input1,

Input2); Output (Input1, Input3); Output (Input2, Input3) соответственно.

Рис.6. График функций Output (Input1, Input2)

Рис.6. График функций Output (Input1, Input3)

Рис.7. График функций Output (Input2, Input3)

Результаты и обсуждение

В результате анализа выявлено, что текучесть кадров в наибольшей степени

влияет на производительность труда. Поэтому для повышения
производительности необходимо, в первую очередь, снизить процент
текучести кадров. Это можно сделать за счет повышения заработной платы,
но не только. Важно создать на предприятии комфортную среду, обеспечить
благоприятные условия для карьерного роста, хорошие условия труда. Есть и
другие возможности снизить текучесть кадров.

Вторым по значимости фактором, влияющим на производительность,

является доля профильной продукции в общем объеме выпускаемой
продукции. Поэтому для повышения производительности следует
сосредоточиться на производстве специализированной продукции, стараясь
не разбрасывать активы на производство большого количества других видов
продукции.

Третья существенная возможность повышения производительности -

сокращение ручного труда вне машин и механизмов. Этот факт достаточно
очевиден, но, как показали результаты данного исследования, такая
возможность не является первостепенной.

При этом следует учитывать, что выбор наиболее значимых факторов с точки
зрения повышения производительности производился из набора исходных
переменных. В то же время в исходный список можно добавить некоторые
другие переменные.

Вывод

В статье на основе анализа исходных данных созданы две математические

модели, описывающие экономические процессы, связанные с повышением
производительности труда на промышленных предприятиях. Первая модель
представляет множественную регрессию. Эта модель определила наиболее
важные причины, влияющие на производительность. С помощью этой
модели были определены три наиболее важные причины, которые привели к
созданию второй модели, основанной на нечеткой логике. Обе модели
позволяют делать прогнозы значений производительности труда.
Рассмотренные примеры прогнозов, сделанных для обеих моделей, показали
хорошую сходимость результатов. Погрешность расчета не превышала
нескольких процентов, что подтверждает достоверность результатов
исследования.
Благодарность

Работа поддержана Актом 211 Правительства РФ, договор № 02.A03.21.

Литература
Adizes, I.K. (2009). Integration. Survive and become stronger in times of crisis.
M.: "Alpina Publisher", 128 p.

Aganbegyan, A.G. (2017). Reducing human capital costs reduces economic growth
[electronic resource]. Available at:
http://ruskline.ru/opp/2017/avgust/01/abel_aganbegyan_sokrawenie_zatrat_na_che
lovecheskij_kapital_snizhaet_ekonomicheskij_rost. [Accessed 26 November 18].

Alt, R., & Zimmermann, H.D. (2014). Editorial 24/4: Electronic markets and
business models. Electronic Markets, 24, 231-234.

Delyagin, M.G. (2019). End of an era: watch out, doors open. Volume 1. General
theory of globalization. Twelfth edition, revised and enlarged. M.: IPROG, Book
World, 2019, 832 p.

Drucker, P.F. (2008). Classic Management Works. M.: Alpina Business Books.
220 p.

Lalu, F. (2016). Opening organizations of the future. M.: Mann, Ivanov and Ferber.
88 p.

Reefke, H., & Trocchi, M. (2013). Balanced scorecard for sustainable supply
chains: design and development guidelines. International Journal of Productivity
and Performance Management. 62 (8), 805-826.

Seelos, C. (2014). Theorizing and strategizing with models: Generative models of

social enterprises. International Journal of Entrepreneurial Venturing, 6, 6-21.

Spiral dynamics of Graves. The principles of spiral dynamics [electronic resource].

Available at: http://nlping.ru/11BD560D-F45FE-0BC6D576. [Accessed 5
December 18].

Stubbs, W., & Cocklin, C. (2008). Conceptualizing a “sustainability business

model.” Organization & Environment, 21, 103-127.