تجزیه و تحلیل مالی پینچ: الگوریتم هدف گذاری حداقل هزینه فرصت

چکیده

کلمات کلیدی

1.مقدمه

2. بیان مشکل

3. پروژه های نسبتا قابل قبول

1.3. فرمول ریاضی- مشکل برنامه ریزی خطی

2.3. الگوریتم  هدف گذاری حداقل هزینه فرصت (MOCTA)

4. پروژه های نسبتا غیرقابل قبول

1.4. فرمول بندی ریاضی – مشکل برنامه ریزی خطی عدد صحیح مختلط 

2.4. الگوریتم مرز و شاخه مبتنی بر هدف گذاری حداقل هزینه فرصت (B&B MOCTA)

5. مطالعات موردی  

1.5. مطالعه موردی 1- نمونه فرضی

2.5. مطالعه موردی 2- صنعت کاغذ و خمیر کاغذ  هند

6. نتیجه گیری        

برای رسیدن به رقابت بازار و همچنین تولیدات و فرایندهای پایدار، یک شرکت در پروژه های زیست محیطی و حفاظتی مختلفی سرمایه گذاری می کند. بودجه بندی سرمایه اساسا مستلزم تصمیم گیری راجع به تامین بودجه مجموعه ای از پروژه های در دسترس می باشد، آن هم با توجه به محدودیت های مالی مختلف. این مقاله الگوریتم جدیدی را ارائه می دهد، الگوریتم هدف گذاری حداقل هزینه فرصت (MOCTA) ، که این الگوریتم مشکلات بودجه بندی سرمایه را برای انتخاب پروژه های مدیریت محیط زیست نشان می دهد. این الگوریتم مبتنی بر اصول تجزیه و تحلیل پینچ است، و می تواند مستقیما برای پروژه های قابل قبولی که به صورت مشکل برنامه نویسی خطی فرمول نویسی می شوند استفاده شود. الگوریتم پیشنهادی، در رابطه با تکنیک شاخه و مرز، می تواند برای حل مشکل برنامه نویسی خطی یکپارچه و مختلط (MILP) اعمال شود، جایی که پروژه ها یا باید کاملا پذیرفته شوند یا کاملا رد شوند. یک مثال فرضی کاربرد این روش را از طریق جستجوی درختی پیچیده نشان می دهد. روش های پیشنهادی به واسطه مطالعه موردی درباره انتخاب پروژه های حفاظت از انرژی در صنایع کاغذ و خمیر کاغذ هند نشان داده شده اند.

استفاده بهینه از منابع طبیعی، همچنین جلوگیری از انباشت آلاینده ها در اتمسفر، دوتا از مهمترین عوامل برای دستیابی به مدیریت پایدار منابع زیست محیطی هستند. حفاظت از منابع طبیعی و پیشگیری از آلودگی نیازمند استفاده کارآمد از منابع، پیاده سازی فرایندهای پاک کننده تر و سبزتر، کاهش منابع آلودگی و بازیافت مواد است. برای دستیابی به پایداری صنعتی از طریق تولید پاکیزه، مهمترین اقدامات کاهش تولید زباله در منبع، بازیافت مواد به صورت ایمن، استفاده از مواد و انرژی تجدیدپذیر، به کار بردن سیستم تولید کلی به روش های موثرتر و غیره می باشد. با این حال این جنبه های اجتماعی و زیست محیطی از پایداری نمی تواند بدون تخصیص مناسب سرمایه ها به دست آید (چن و همکاران 2013). با توجه به تولید مداوم درآمدها، شرکت به دنبال دستیابی به پایداری از طریق سرمایه گذاری در پروژه هایی است که هم از نظر اقتصادی و هم از نظر زیست محیطی مفید باشند. با اعمال مالیات های مختلف و هنجارهای قانونی، سرمایه گذاری در پروژه های مختلف پایداری می تواند منجر به تولید درآمد قابل توجهی شود. ارزیابی مناسب اکوسیستم نقش مهمی در دستیابی به این هدف ایفا می کند (مر و همکاران 2016). برای دستیابی به رقابت بازار همراه با پایداری، شرکت در پروژه های زیست محیطی مختلفی سرمایه گذاری می کند که در آینده بازدهی اقتصادی داشته باشند (ال هالواگی 2016). واضح است که تصمیم گیری برای سرمایه گذاری در بلندمدت تاثیر بزرگی روی شرکت دارد و از این رو، روند انجام شده بسیار حیاتی است (دیلگر و همکاران 2017). عوامل مختلفی مثل روش اجرا، هزینه های گوناگون مرتبط با پروژه، منافع مستقیم و غیرمستقیم، عدم اطمینان همراه با بازده اقتصادی، و غیره باید قبل از تصمیم گیری در نظر گرفته شود. در نهایت، پروژه هایی باید انتخاب شوند که سرمایه اختصاصی را همراه با بازده موردنظر بازگشت دهند. این نگرانی ها و سوالات به میزان قابل توجهی توسط فرایند بودجه بندی سرمایه نشان داده می شود که توسط شرکت ها برای شناسایی و ارزیابی پروژ ها انجام می شود. اهمیت بودجه بندی سرمایه برای مدیریت هر شرکت در ابتدا توسط دین (1951) برجسته شد. قبل از آن، تصمیمات با استفاده از روش های نقدی غیرمتعارف اتخاذ می شدند (مارکویز، 2016). در چارچوب امروزی، مدیران صنعتی بودجه بندی سرمایه را بسیار حیاتی می دانند، زیرا انتخاب درست مسئول پروژه ها آن ها را قادر به حداکثرسازی سود، تخصیص موثر منابع، بیان استراتژی کسب . کار، ادامه توسعه پایدار شرکت همراه با موقعیت تجدید رقابتی در بازار می کند و در نهایت به توسعه پایدار کلی می رساند. در کل، مطالعه بودجه بندی سرمایه چهار مرحله مهم دارد- شناسایی پروژه ها، توسعه و تجزیه و تحلیل پروژه ها، فرایند انتخاب پروژه ها، و ارزیابی عملکرد پروژه ها (برنز و والکر 2009). هدف کلی بهینه سازی بازدهی روی سرمایه گذاری با استفاده از معیار مالی خاص است (دین 1951) مثل ارزش فعلی خالص، نرخ بازده داخلی، شاخص سودآوری، نرخ حسابداری بازده، و دوره بازپرداخت تنزیلی (مارکویز 2016)، همراه با یا بدون مشارکت در مسائل مربوط به پایداری (ال هالواگی 2016). ارزش فعلی خالص به دلیل توجه اش به ارزش زمانی پول، زندگی، جریان نقدی در طول عمر، و سادگی محاسباتی معیار ارجح است. شاخص سودآوری معیاری بسیار خوب در تصمیمات بودجه بندی سرمایه است چرا که در موقعیت های سهمیه بندی سرمایه کاربرد دارد (برنز و والکر 2009). رایان و رایان در سال 2002 توسعه در این زمینه را در دانشگاه و در صنعت خلاصه کردند. مارکویتز (1952) فرایند انتخاب پروژه را به صورت مشکل بهینه سازی ریاضی فرمول نویسی کرد و نظریه های بسیاری را در این زمینه پایه گذاری کرد. اگرچه یک تئوری فراگیر شامل تمام جنبه های مربوط به مشکل، مانند استراتژی، مدل های ذهنی، تعامل اجتماعی تمامی ذینفعان، و معیارهای ترجیحی کمیتی، هنوز توسعه نیافته اند (کاوادیاس و لوچ 2004). پیوستن مسائل پایداری به چارچوب بودجه بندی سرمایه (ال هالواگی 2016) هنوز توسط بسیاری از شرکت ها انجام نگرفته است. روش های مورد استفاده برای انتخاب پروژه ها توسط کارشناسان صنعت عمدتا روش های مالی، تجاری، نمودار حباب، مدل های امتیازی، چک لیست ها، نمودارهای ریسک-بازده، و فرایندها و ماتریس تغییر محصول هستند (کوپر و همکاران 2001). در اکثر موارد، معیارهای مالی مختلف می توانند برای ارزیابی پروژه های انفرادی استفاده شوند در مقایسه با معیارهای تعریف شده توسط مدیریت شرکت. در عمل، تصمیم گیری برای این نوع مشکل سخت است و منجر به توسعه مدل های تصمیم گیری مختلف مثل تحلیل چرخه زندگی (LCA) (جیانگ و همکاران 2004)، فرایند سلسله مراتب تحلیلی فازی (FAHP) (تریانی و همکاران 2014)، تحلیل پوشش داده (DEA) (هان و همکاران 2015)، فرایند شبکه تحلیلی (ANP) (گارسیا ملون و همکاران 2015)، برنامه نویسی دوسطحی عدد صحیح (چمپیون و گابریل 2015)، و DEA به همراه شبکه عصبی مصنوعی (DEA-ANN) (هان و همکاران 2016)، می شود. به طور مشابه، روش های دقیق برای محاسبه عدم اطمینان در افزایش بهره وری ناشی از سرمایه گذاری ها توسعه یافته اند (هانگ و همکاران 2015). دانشگاهیان تلاش کرده اند تا این مشکل را با در نظر گرفتن جنبه های مختلفی مثل ریسک پروژه، هزینه، افق زمانی انعطاف پذیر، و عدم ازمینان جریان نقدی حل کنند (هانگ 2007). این ها منجر به فرموله کردن مدل های بهینه سازی پیچیده شدند، که توسط برنامه نویسی هدف (بدری و همکاران 2001)، برنامه ریزی خطی عدد صحیح مختلط (جعفرزاده و همکاران 2015)، و الگوریتم های تکاملی، مثل الگوریتم های ژنتیک (قربانی و ربانی 2009) و تکنیک های بهینه سازی ذرات ریز (هانگ و همکاران 2014). اخیرا، باندیوپاندهای و همکاران در سال 2016 اصول تحلیل پینچ را برای نشان دادن مشکل انتخاب بهینه پروژه ها با توجه به محدودیت بودجه به کار گرفتند. تحلیل پینچ نیم قرن است که تکنیکی قدیمی به شمار می رود، در ابتدا برای حفاظت از انرژی در گیاهان فراوری شده معرفی شد (هاهمن 1971). این روش به روشی محبوب برای پیشرفت و بهبود بهره وری انرژی در فرایندهای صنعتی تبدیل شد (لینهاف و همکاران 1982). این تحلیل درابتدا برای حفاظت از انرژی حرارتی در شبکه تبادل حرارت معرفی شد به ظوری که نیاز به تجهیزات گرمایشی و خدمات خنک کننده را کاهش دهد. بازنمایی های گرافیکی، در رابطه با روش های راه حل جبری ساده، نه تنها در حلمشکلات ذخیره انرژی به صورت محاسباتی کمک موثری دارند، بلکه در بهبود درک کلی مفهوم فرایندها نیز موثرند. در طی سال ها، تکنیک های تحلیل پینچ برای نشان دادن مسائل مربوط به توسعه پایدار گسترش یافتند.