Аграрна Економіка 2024 Т. 17 № 3-4: 19-30

МЕНЕДЖМЕНТ ПРОЄКТІВ ІЗ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ РОСЛИННИЦЬКОГО ГОСПОДАРСТВА: ПРАКТИЧНІ АСПЕКТИ ІНТЕНСИФІКАЦІЇ

Т. Власенко, к. е. н., доцент
ORCID ID: 0000-0002-0862-9175
Державний біотехнологічний університет
В. Власовець, д. т. н., професор
ORCID ID: 0000-0002-6657-6761
О. Ковалишин, д. е. н., професор
ORCID ID: 0000-0002-7045-2462
Львівський національний університет природокористування

https://doi.org/10.31734/agrarecon2024.03-04.019

АНОТАЦІЯ

Розглянуто та систематизовано наукові напрацювання щодо менеджменту проєкту з підвищення ефективності фермерського господарства рослинницького профілю з урахуванням практичних аспектів інтенсифікації його діяльності. Дослідивши наукові праці вітчизняних та зарубіжних учених щодо використання статистичних методів для побудови динамічних моделей підприємства на основі обмежених даних часових рядів, запропоновано використання методу статистичних рівнянь залежностей. Обґрунтовано основний напрямок підвищення ефективності діяльності підприємства – зменшення загальних витрат на виробництво продукції рослинництва та послуг. Встановлено, що найбільший вплив у динаміці мають витрати на оплату праці рослинництва та відрахування на соціальні заходи, значно менший – матеріальні витрати, які увійшли до собівартості продукції. Визначено, що загальна вартість насіння, яке використовується, та посадкового матеріалу, мінеральних добрив (інтенсивність використання 82,45 %) можуть бути частково зменшені, при переході на технології точного землеробства. Використання динамічної моделі дало змогу спрогнозувати зменшення матеріальних витрат, які увійшли до собівартості продукції до 4000 тис. грн порівняно з поточними 4266,9 тис. грн у 2023 р., що призведе до зменшення загальних витрат на 214,69 тис. грн. Це може бути забезпечено мінімізацією показників чинників – дестимуляторів, а саме матеріальних витрат, на пальне та мастильні матеріали (інтенсивність використання 96,06 %) та витрат на електроенергію (інтенсивність використання 86,41 %). Запропоновано закласти уповільнення дії таких факторів, як матеріальні витрати, які увійшли до собівартості продукції, на 18,34 %, та зменшити витрати на оплату праці рослинництва й відрахування на соціальні заходи – на 3,55 %, що дозволить зменшити середній рівень загальних витрат на виробництво продукції рослинництва на 10 %. Рекомендовано продовжити проєкт, використавши наступний етап – запровадження сучасних технологій точного землеробства для вирощування культур та використання енергонасиченого обладнання для підвищення продуктивності праці. Це один із основних напрямків скорочення витрат, тому для заданого підприємства цей чинник можна розглядати як основний.

КЛЮЧОВІ СЛОВА

управління проєктами, динамічна модель, продуктивність, сільськогосподарське виробництво, інтенсифікація, метод статистичних рівнянь залежностей, оптимізація, інтенсивність використання

ПОВНИЙ ТЕКСТ

ПОСИЛАННЯ

  1. Беженар, І. М. та Грищенко, О. Ю., 2023. Фермерські господарства в Україні: стан та перспективи розвитку. Проблеми сучасних трансформацій. Серія: економіка та управління, 9 [online] DOI: https://doi.org/10.54929/2786-5738-2023-9-04-14.
  2. Михайлов, В. та Кулинич, Р., 2024. Соціально-економічні цикли: теоретична інтерпретація та статистичне оцінювання. Вісник Хмельницького національного університету. Серія: Економічні науки, 324, с. 413–423. DOI: https://doi.org/10.31891/2307-5740-2023-324-6-65.
  3. Bokusheva, R. and Baráth, L., 2024. State‐contingent production technology formulation: Identifying states of nature using reduced‐form econometric models of crop yield. American J Agri Economics 106, p. 805–827. DOI: https://doi.org/10.1111/ajae.12424.
  4. Do Amaral, C. S. and Berssaneti, F. T., 2023. Exploring the project manager and project management in agricultural operations: a review. IJSAMI 9, p. 386–403. DOI: https://doi.org/10.1504/IJSAMI.2023.134087.
  5. Doszyń, M. and Kokot, S., 2024. Econometric Modelling of Average Housing Prices in Local Markets and the Price Anchoring Effect. Real Estate Management and Valuation 32, p. 116–126. https://doi.org/10.2478/remav-2024-0029.
  6. Hai, D. H. and Van Tuan, P., 2024. AI and Econometric Modeling: Deep Reinforcement Learning in Predictive Modeling, in: Kreinovich, V., Yamaka, W., Leurcharusmee, S. (Eds.), Applications of Optimal Transport to Economics and Related Topics, Studies in Systems, Decision and Control. Springer Nature Switzerland, Cham, p. 53–60. DOI: https://doi.org/10.1007/978-3-031-67770-0_5.
  7. Krisnawijaya, N.N.K., Tekinerdogan, B., Catal, C. and Van Der Tol, R., 2023. Multi-Criteria decision analysis approach for selecting feasible data analytics platforms for precision farming. Computers and Electronics in Agriculture 209, 107869. DOI: https://doi.org/10.1016/j.compag.2023.107869.
  8. Kulynych, R. О., 2020. Statistical methods for forecasting socio-economic development indicators and methods for evaluating their results. Market Relations Development in Ukraine No 11 (222), 135, p. 16–27. DOI: https://doi.org/10.5281/ZENODO.3606111.
  9. Kulynych, R. О., 2023. Comprehensive assessment of the results of the annual dynamics of indicators of socio-economic development of Ukraine. Strategii Si Politici de Management in Economia Contemporana. Presented at the Conferinta stiintifica internationala «Strategii si politici de management in economia contemporana», editia VII, Academy of Economic Studies of Moldova, pp. 116–121. DOI: https://doi.org/10.53486/icspm2022.18.
  10. Moreno-García, E., 2024. Math Calculation and Financial Literacy: The Incidence of Geometric Progressions in the Calculation of Financial Interest. JRFM 17, p. 330. DOI: https://doi.org/10.3390/jrfm17080330.
  11. Vlasenko, T., Glowacki, S., Vlasovets, V., Hutsol, T., Nurek, T., Lyktei, V., Efremenko, V. and Khrunyk, Y., 2024. Increasing Exploitation Durability of Two-Layer Cast Mill Rolls and Assessment of the Applicability of the XGBoost Machine Learning Method to Manage Their Quality. Materials 17, 3231. https://doi.org/10.3390/ma17133231.