МОСКВА, Россия
Москва, г. Москва и Московская область, Россия
Сбережение энергетических ресурсов во всех секторах экономики — одна из важнейших стратегических задач XXI в. Программы по повышению энергоэффективности, как правило, осуществляются параллельно основной деятельности компании и тем самым создают дополнительную нагрузку на имеющийся бюджет. Экономическая эффективность от реализации такой программы не всегда бывает очевидна, поэтому решение о ее запуске может тормозиться, а фактическое исполнение может не принести ожидаемого результата. С целью обеспечения экономической эффективности предлагается использовать инструмент математических моделей для оптимизации программы повышения энергоэффективности. В настоящей работе представлены результаты анализа и консолидации существующих исследований по различным подходам к математическому моделированию программы, авторами выделены четыре ключевые цели моделирования. Предложен авторский подход к моделированию, направленный на оптимизацию программы повышения энергоэффективности по одному или нескольким критериям в рамках существующих ограничений для стратегического развития компании.
управление программой, оптимизационная модель, среднесрочное планирование, повышение энергоэффективности, фактор неопределенности, реинвестирование.
Введение
Одной из стратегически важных задач сегодня является сбережение энергетических ресурсов. Энергоэффективная экономика напрямую влияет на развитие страны, повышение ее конкурентоспособности, благосостояния и уровня жизни граждан. Среди основных государственных задач стратегии России до 2030 г. — модернизация и создание новой энергетической инфраструктуры, повышение энергетической и экологической эффективности. В связи с этим неоспорима необходимость осуществления программ по повышению энергоэффективности в компаниях страны.
1. Баркалов С.А. Математические основы управления проектами / Под ред. В.Н. Буркова [Текст] / С.А. Баркалов [и др.]. - М.: Высшая школа, 2005. - 423 с.
2. Бирюк С. Метод Монте-Карло. Моделирование по методу Монте-Карло. Анализ рисков с использованием метода Монте-Карло. [Электронный ресурс]. - URL: http://spiderproject.com.ua/company/news/7262/
3. Бухвалов А.В. Реальны ли реальные опционы [Текст] / А.В. Бухвалов // Российский журнал менеджмента. - 2006. - № 4. - С. 77-84.
4. Бухвалов А.В. Реальные опционы в менеджменте: введение в проблему [Текст] / А.В. Бухвалов // Российский журнал менеджмента. - 2004. - № 1. - С. 3-32.
5. Бухвалов А.В. Реальные опционы в менеджменте: классификация и приложения [Текст] / А.В. Бухвалов // Российский журнал менеджмента. - 2004. - № 2. - С. 27-56.
6. Волков И., Грачева М. Вероятностные методы анализа рисков [Электронный ресурс]. - URL: http://www.cfin.ru/finanalysis/monte_carlo2.shtml/
7. Воропаев В.И. Обобщенные стохастические сетевые модели для управления комплексными проектами (часть 1) [Текст] / В.И. Воропаев, Я.Д. Гельруд // Управление проектами и программами. - 2008. - № 1. - C. 2-13.
8. Воропаев В.И. Обобщенные стохастические сетевые модели для управления комплексными проектами (часть 2) [Текст] / В.И. Воропаев, Я.Д. Гельруд // Управление проектами и программами. - 2008. - № 2. - C. 92-104.
9. Воропаев В.И. Принятие решений в управляемых циклических альтернативных сетевых моделях для проектов с детерминированными ветвлениями [Текст] / В.И. Воропаев, Я.Д. Гельруд, Д.И. Голенко-Гинзбург, А. Бен-Яр // Управление проектами и программами. - 2010. - № 1. - C. 4-14.
10. Воропаев В.И. Функциональные модели управления проектной деятельностью для разных заинтересованных сторон [Текст] / В.И. Воропаев, Я.Д. Гельруд, О. Клименко // Управление проектами и программами. - 2014. - № 4. - С. 266-278.
11. Голенко Д.И. Статистические методы сетевого планирования и управления [Текст] / Д.И. Голенко. - М.: Наука, 1969. - 400 c.
12. Косухина М.А. Методика оценки эффективности управления корпоративными финансами в условиях неопределенности [Текст] / М.А. Косухина, И.А. Брусакова, С.Е. Барыкин // Аудит и финансовый анализ. - 2012. - № 4. - С. 68-77.
13. Крюков С.В. Байесовы сети как инструмент моделирования неопределенности при принятии инвестиционных решений [Текст] / С.В. Крюков // Экономичeский вестник Ростовского государственного университета. - 2007. - № 5. - С. 106-111.
14. Крюков С.В. Выбор методов и моделей оценки эффективности инвестиционных проектов в условиях неопределенности [Текст] / С.В. Крюков // Экономический вестник Ростовского государственного университета. - 2008. - № 6. - С. 107-113.
15. Лукашов А.В. Метод Монте-Карло для финансовых аналитиков: краткий путеводитель [Текст] / А.В. Лукашов // Управление корпоративными финансами. - 2007. - № 1. - С. 22-39.
16. Наливкин Д.В. Использование последовательных методов Монте-Карло для оценивания рисков на финансовых рынках // Управление большими системами: сборник трудов. - 2008. - № 21. - [Электронный ресурс]. - URL: http://cyberleninka.ru/article/n/ispolzovanieposledovatelnyh-metodov-monte-karlo-dlya-otsenivaniyariskov-na-finansovyh-rynkah/
17. Привалов А.И. Математические модели управления проектами в решении системных проблем экономики [Текст] / А.И. Привалов // Экономические науки. - 2009.- № 1. - С. 337-340.
18. Саати Т.Л. Принятие решений. Метод анализа иерархий [Текст] / Т.Л. Саати. - М.: Радио и связь, 1989. - 316 с.
19. Титаренко Б.П. Управление рисками в рамках системной модели проектно ориентированного управления проектами [Текст] / Б.П. Титаренко // Управление проектами и программами. - 2006. - № 1. - C. 76-89.
20. Фелькер Р. Использование теории игр в практике управления [Текст] / Р. Фелькер // Проблемы теории и практики управления. - 1999. - № 5. - С. 86-93.
21. Харшаньи Дж. Общая теория выбора равновесия в играх [Текст] / Дж. Харшаньи, Р. Зельтен. - СПб.: Экономическая школа, 2001. - 424 с.
22. Angling M. Resource planning and control in a multiproject environment // International Journal of Project Management. 1988. Vol. 6. P. 197-201.
23. Beikci U., Bilge Ü, Ulusoy G. Multi-mode resource constrained multi-project scheduling and resource portfolio problem // European Journal of Operational Research. 2015. Vol. 240. P. 22-31.
24. Brauer D.C., Naadimuthu G., Lee E.S. Effective program planning for multiple projects under limited resources // Mathematical Modelling. 1987. Vol. 9. P. 547-552.
25. Chen V. A 0-1 goal programming model for scheduling multiple maintenance projects at copper mine // European Journal of Operational Research. 1994. Vol. 1. P. 176-191.
26. Coyne K.P., Subramaniam S. Bringing discipline to strategy // The McKinsey Quarterly. 1996. Vol. 4. P. 14-25.
27. Gonçalves J.F., Mendes J.J.M., Resende M.G.C. A genetic algorithm for the resource constrained multi-project scheduling problem // European Journal of Operational Research. 2008. Vol. 3. P. 1171-1190.
28. Kannan A., Shanbhag U., Kim H. Strategic behavior in power markets under uncertainty // Energy Systems. 2011. Vol. 2. P. 115-141.
29. Kim K., Yun Y., Yoon J., Gen M., Yamazaki G. Hybrid genetic algorithm with adaptive abilities for resource-constrained multiple project scheduling // Computers in Industry. 2005. Vol. 2. P. 143-160.
30. Krüger D., Scholl A. A heuristic solution framework for the resource constrained (multi-) project scheduling problem with sequence-dependent transfer times // European Journal of Operational Research. 2009. Vol. 197. P. 492-508.
31. Liu M., Shan M., Wu J. Multiple R&D Projects Scheduling Optimization with Improved Particle Swarm Algorithm // The Scientific World Journal. 2014. P. 1-7.
32. Liu S., Wang C.-J. Profit Optimization for Multiproject Scheduling Problems Considering Cash Flow // Journal of Construction Engineering and Management. 2010. Vol. 12. P. 1268-1278.
33. Lova A., Maroto C., Tormos P. A multicriteria heuristic method to improve resource allocation in multiproject scheduling // European Journal of Operational Research. 2000. Vol. 2. P. 408-424.
34. Marreco J., Carpio L. Flexibility valuation in the Brazilian power system: A real options approach // Energy Policy. 2006. Vol. 34. P. 3749-3756.
35. Maylor H., Brady T., Cooke-Davies T., Hodgson D. From projectification to programmification // International Journal of Project Management. 2006. Vol. 24. P. 663-674.
36. Mills E., Kromer S., Weiss G., Mathew P. From volatility to value: analysing and managing financial and performance risk in energy savings projects // Energy Policy. 2006. Vol. 34. P. 188-199.
37. Mueller J. Estimating Arizona residents’ willingness to pay to invest in research and development in solar energy // Energy Policy. 2013. Vol. 53. P. 462-476.
38. Pritsker A., Watters L., Wolfe P. Multiproject scheduling with limited resources: a zero-one programming approach // Management Science. 1969. Vol. 1. P. 93-108.
39. Siddiquia A., Marnay C., Wiser R. Real options valuation of US federal renewable energy research, development, demonstration, and deployment // Energy Policy. 2007. Vol. 35. P. 265-279.
40. Singh A. Resource Constrained Multi-Project Scheduling with Priority Rules and Analytic Hierarchy Process // Procedia Engineering. 2014. Vol. 69. P. 725-734.
41. Speranza M.G., Vercellis С. Hierarchical models for multiproject planning and scheduling // European Journal of Operational Research. 1993. Vol. 64. P. 312-325.
42. Spinney P.J., Watkins G.C. Monte Carlo simulation techniques and electric utility resource decisions // Energy Policy. 1996. Vol. 2. P. 155-163.
43. Tavares L.V. Optimal resource profiles for program scheduling // European Journal of Operational Research. 1987. Vol. 1. P. 83-90.
44. Trypia M. Cost minimization of m simultaneous projects that require the same scarce resource // European Journal of Operational Research. 1980. Vol. 4. P. 235-238.
45. Vásconez V., Giraud G., McIsaac F., Pham N.-S. The effects of oil price shocks in a new-Keynesian framework with capital accumulation // Energy Policy. 2015. Vol. 86. P. 844-854.
46. Vithayasrichareon P., MacGill I. A Monte Carlo based decision-support tool for assessing generation portfolios in future carbon constrained electricity industries // Energy Policy. 2012. Vol. 41. P. 374-392.
47. Wiley V., Deckro R., Jackson J. Optimization analysis for design and planning of multi-project programs // European Journal of Operational Research. 1998. Vol. 107. P. 492-506.
48. Zapata J., Hodge B., Reklaitis G. The multimode resource constrained multiproject scheduling problem: Alternative formulations // AIChEJournal. 2008. Vol. 8. P. 2101-2119.