ЗАКЛЮЧЕНИЕ

Главным фактором, обеспечивающим высокую капитало- и ресурсоотдачу агропромышленных предприятий и экономическую эффективность развития АПК Российской Федерации в целом, должен стать гибкий механизм, формирующийся под влиянием разработанной и научно-обоснованной рыночной модели, управляющий процессом оптимизации направлений и объемов инвестиционных потоков в территориальном и отраслевом разрезах. Предложено новое толкование содержания понятия: «Гуманистическая экономика», которое рассматривается, с одной стороны, как экономика, направленная на благо основной массы населения, а с другой стороны, как приоритет деятельности региональной администрации. Предлагается интегральный критерий оценки степени гуманистической ориентации экономики: уровень качества жизни населения, прежде всего его экономическая составляющая.

Предложена принципиальная когнитивная модель, отражающая иерархическую структуру системы факторов, влияющих на качество жизни, в рамках которой структура и объем инвестиций выступают как экономический регулятор, позволяющий управлять качеством жизни населения на уровне региона.

В условиях рыночной экономики основными исполнительными механизмами управления агропромышленным комплексом являются законодательный, отражающий принятую модель рыночных производственных отношений, и инвестиционный, отражающий модель и цель развития производительных сил. На региональном уровне законодательная функция управления агропромышленным комплексом выражена слабее, чем на федеральном уровне, поскольку она действует в рамках государственного законодательства. Поэтому основным механизмом управления АПК на региональном уровне является инвестиционный механизм. Предложена схема структуры системы государственного управления АПК, основными блоками которой являются концептуальная модель управления, определяющая цель управления и направления инвестиционных потоков, и подсистема распределения инвестиций. Разработана структура инвестиционного механизма управления агропромышленным производством и схема взаимосвязи моделей и фаз управления распределением инвестиций, позволяющих оптимизировать этот процесс, объемы и направления государственных вложений в АПК.

Благодаря принятым за последние 5 лет организационно техническим мерам по привлечению инвестиций в АПК края, идёт определённый рост валовой продукции, при этом увеличивается продукция не только в стоимостном выражении, но и имеется определённая стабилизация роста физических объектов.

Причины возникновения проблем управления слабодетерминированными многофакторными активными объектами АПК могут быть преодолены путем периодического синтеза модели активного объекта управления в режиме реального времени, для чего целесообразно включение системного анализа, как метода познания, непосредственно в цикл управления, а это возможно только при автоматизации системного анализа. Вариант автоматизации системного анализа путем его интеграции с когнитивными технологиями – системно-когнитивный анализ, а также программный инструментарий СК-анализа – универсальная когнитивная аналитическая система "Эйдос", дают реальную возможность решения этой проблемы. Автоматизированный системно-когнитивный анализ (АСК-анализ) широко и успешно апробирован в ряде предметных областей и показал убедительные результаты.

Для определения отраслей регионального АПК, наиболее чувствительных к инвестициям по заданному критерию эффективности управления, необходимо применение методологии системно-когнитивного анализа, с помощью которой возможно создание семантической модели АПК и проведение ее исследования.

Поставлена задача исследования влияния на качество жизни различных факторов, среди которых рассматриваются: состояние различных сегментов рынка, структура себестоимости продукции, производственные результаты, налоговые поступления, инвестиционная активность. В работе предложена конкретная система шкал и градаций, позволяющая формализовать как первичные показатели, характеризующие развитие производственной сферы и инвестиционную политику, так и вторичные показатели, являющиеся частными критериями оценки экономической составляющей качества жизни населения региона.

Предложена принципиальная схема многоуровневой модели предметной области, из которой на основе экспертных оценок получен интегральный критерий, позволяющий в сопоставимой форме количественно одним числом оценивать качество жизни населения в различные годы и в различных регионах, представляющий собой аддитивную функцию от частных критериев.

Спроектирована обучающая выборка, количественно характеризующая Краснодарский край по большому количеству показателей за 1991 – 2003 годы. Обучающая выборка импортирована в универсальную когнитивную аналитическую систему "Эйдос". Осуществлен поэтапный синтез многоуровневой семантической информационной модели влияния инвестиций на уровень качества жизни населения региона на основе данных по Краснодарскому краю за 1991 – 2003 годы и проведено ее углубленное исследование. Данная модель отражает влияние инвестиционной политики, а также развития агропроизводства, перерабатывающей промышленности, материально-технического снабжения, транспортной инфраструктуры, состояния различных сегментов рынка, структуры себестоимости продукции и производственных результатов АПК на качество жизни.

Показана возможность практического применения предложенного количественного интегрального критерия уровня качества жизни для идентификации лет исследуемого периода, а также получены функции влияния объемов и направленности инвестиций на значения интегрального критерия и частных критериев уровня качества жизни населения региона.

Полученные результаты открывают возможности научного обоснования рекомендаций по структуре и объемам инвестиций, наиболее эффективно влияющих на повышение уровня качества жизни населения региона.

В результате проведенных исследований, предложены методические основы государственного инвестиционного управления сельскохозяйственным производством на региональном уровне, содержание которых определяется следующими выполненными разработками: структуры механизма инвестиционного управления сельскохозяйственным производством; иерархии и взаимосвязи моделей и этапов инвестиционного управления агропроизводством;

Разработанные методические основы и методики могут быть рекомендованы к использованию в региональных административных структурах по управлению агропроизводством при организации и проведении конкурсного отбора сельскохозяйственных предприятий для выполнения региональных целевых программ и проектов; в агропредприятиях региона как для подготовки к конкурсам, так и для оптимизации вложений собственных и заемных инвестиционных средств.

Изложенная в монографии методология инвестиционного управления агропромышленным комплексом региона позволила на основе концепции повышения уровня качества жизни населения и используемым современным научным методам создать научно обоснованный двухуровневый механизм управления инвестиционными потоками. На первом, региональном уровне с помощью семантической информационной модели и результатам ее исследования определяются направления и объемы инвестиционных потоков в отрасли АПК, развитие которых наиболее соответствует цели управления (повышению качества жизни населения региона).

Управление в АПК и управление экономической устойчивостью перерабатывающего комплекса, в частности, всегда представляло собой определенную проблему, имеющую системную, межотраслевую природу. Проблема состоит как в рациональном выборе целей производства перерабатывающих и агропредприятий, так и в оценке их достижимости и выборе путей достижения.

Решение этих задач с помощью стандартных методов и инструментария экономики наталкивается на ряд сложностей, обусловленных спецификой АПК, как объекта управления: слабодетерминированность, многофакторность, малоисследованный характер реагирования объекта управления на управляющие факторы; комплексный многофакторный характер управляющих воздействий; большая длительность цикла управления; неполнота (фрагментарность), неточность, зашумленность исходной информации; сложности доступа к исходной информации, отсутствие электронных баз данных, которые могли бы стать основной для современных систем поддержки принятия управленческих решений.

Собрана и обработана статистическая и аналитическая информация о перерабатывающем комплексе Южного федерального округа и Краснодарского края, в частности, которая позволяет применить полученные фактические данные при разработке и реализации метода анализа и прогнозирования устойчивости перерабатывающего комплекса региона на макроуровне с использованием системно-когнитивного подхода.

Исследованы новые научные концепции, применимые в качестве инструмента для разработки методов и методик анализа и прогнозирования экономической устойчивости перерабатывающего комплекса региона. Предложен и реализован комплексный метод анализа устойчивости перерабатывающего комплекса региона (ПКР) путем синтеза и исследования на устойчивость его численной модели с использованием СК-анализа.

В рамках предложенного комплексного метода разработан ряд методик, обеспечивающих: когнитивную структуризацию, а затем и формализацию предметной области; синтез семантической информационной модели перерабатывающего комплекса региона; проверку адекватности информационной модели перерабатывающего комплекса региона; анализ семантической информационной модели перерабатывающего комплекса региона и исследование его устойчивости путем исследования модели; идентификацию состояний, прогнозирование и поддержку принятия решений по устойчивому управлению ПКР с применением семантической информационной модели перерабатывающего комплекса региона. На основе разработанных методик проведен анализ доступной информации и синтез семантической информационной модели Краснодарского края, исследования которой позволили получить такие научные результаты, как системы детерминации различных состояний перерабатывающего комплекса, функции влияния различных факторов на эти состояния и их классификацию, а также семантические сети и когнитивные диаграммы классов и факторов. Предложена методика исследования и интерпретации "функций влияния" факторов на состояния перерабатывающего комплекса региона, обеспечивающая количественное исследование устойчивости ПКР и системы управления в целом, причем на неполных (фрагментарных) данных различной природы и размерности.