Автоматизированная система компьютерного моделирования стратегий развития горной промышленности России
Огромное значение для развития народного хозяйства, обеспечения жизнедеятельности и национальной безопасности России имеет горнодобывающая промышленность, являющаяся материальной базой производства и обеспечивающая в настоящее время не менее 80% валютных поступлений. Поэтому кризис в горнодобывающей промышленности России, развивающийся с начала 80-х годов и в настоящее время достигший максимума, без принятия срочных и энергичных мер может привести к полному ее развалу.
Хотя очевидно, что основной вклад в глубину и продолжительность кризиса горнодобывающей промышленности в настоящее время вносят процессы ее реструктуризации, обусловленные переходом на рыночные механизмы регулирования и распределения, все же надо признать, что кризисные явления в горнодобывающей промышленности были заметны и ранее. Имея латентный характер, подчас в силу игнорирования видимых признаков кризиса, он, тем не менее, нарастал и последние события лишь ускорили темпы его развития и увеличили его глубину. Причин кризиса много и подробный их анализ занял бы немало времени и места. Мы хотим здесь отметить лишь главные причины.
На наш взгляд, главной из причин является традиционное для России расточительное отношение к ресурсам земной коры и это при том, что развитые страны достаточно давно перешли на экономное (а некоторые и сверхэкономное) использование своих ресурсов, перемещая горнодобывающие предприятия в другие страны и консервируя свои месторождения. Кроме того, в результате целенаправленной и последовательной политики в области научных исследований и создании новой техники в этих странах был достигнут значительный прогресс в создании ресурсосберегающих технологий. Энергетический кризис 70-х годов отрезвляюще подействовал на дальновидных политиков Запада, заставил разработать и последовательно реализовать стратегические планы развития промышленности, основой которых было ресурсосбережение. Немалую роль в переосмыслении стратегических приоритетов в развитии промышленности сыграли работы по моделированию глобальных процессов развития мирового сообщества, начало которым было положено экономистом Леонтьевым В.В. и системным аналитиком Дж. Форрестором [1,2].
К сожалению, в России, энергетический кризис и, последовавшая за этим стратегическая переориентация Запада на ресурсосбережение, хотя и привели к появлению в пятилетних планах разделов, связанных с экономией ресурсов и с разработкой различных комплексных программ ресурсосбережения, принципиальных изменений ни в технике, ни в применяемых технологиях, ни даже в переосмыслении отношения к ресурсам не вызвали. Сама мысль о том, что СССР самая богатая по запасам страна в мире и, что минерального сырья хватит на сотни лет гипнотизировала наших стратегов, а если учесть издержки плановой экономики, в результате которых цена редко отражала затраты и почти никогда не стимулировала стремления к экономии ресурсов, то понятно, почему все планы такого рода были обречены на провал. Основной задачей было «выдать на гора» как можно больше и обязательно «сегодня».
Конечно же, такой подход ничего общего не имел со стратегическим планированием. Результаты известны: богатые и легкоосваиваемые месторождения были отработаны в первую очередь и послужили базой для относительно благополучного периода развития социалистической экономики (1950-1970г.г.). Расплата пришла позже, когда для поддержания достигнутых объемов добычи потребовались значительно большие затраты времени, труда, капитала, энергии, а новых эффективных, ресурсосберегающих технологий, машин, комплексов, систем теплоснабжения и энергоснабжения так и не было создано. Можно с уверенностью сказать, что именно «перегрев» в горнодобывающей промышленности (угольной и нефтяной в первую очередь) привел к появлению тех кризисных явлений в экономике, которые в конечном итоге привели экономику страны к краху.
Аргументом для доказательства наших слов могут служить результаты, полученные академиком Ржевским В.В., показавшим, что в СССР в 1990 году разрабатывалось и добывалось различными способами твердых, жидких и газообразных горных пород около 20 млрд.т в год, в то время как только за счет исключения ведомственного подхода к недрам и их правильной эксплуатации можно было удовлетвориться 8-10 млрд.т, т.е. уменьшить объемы работ в 2 раза. Далее академик Ржевский В.В. писал: «При сегодняшним положении горной геологии и техники мы теряем только в недрах более половины поставленного на учет полезного сырья. Из разработанных и добытых горных пород остается очень мало полезного продукта: только 1-2% железа из железодобывающих руд и еще меньше из руд цветных металлов. Все остальное превращается в отвалы, терриконы, шлаки и хвосты обогащения и другие отходы, а они становятся страшным бичем для земли» [3].
Заметим, что вообще трудности в горнодобывающей промышленности развитых стран были предсказаны еще в нобелевской лекции В. Леонтьева, произнесенной в 1974 году [1]. В ней крупнейший экономист 20-го века с помощью достаточно простой компьютерной модели, имеющей скорее качественный характер, показал, что значительное увеличение эксплуатационных расходов в добывающей промышленности развитых стран, связанное с истощением месторождений и усложнением условий добычи приведет к тому, что к 2000 году производительность труда в добывающей промышленности развитых стран вырастет только в 1,5 раза, вместо трех для остальных отраслей промышленности. В то же время дальнейшие затраты в добывающей промышленности удвоятся, что приведет к существенному увеличению цен на ее продукты, заметному перераспределению дохода между развитыми и развивающимися странами, увеличению добавленной стоимости (горной ренты) в развивающихся странах и существенному росту импорта, сопровождаемому незначительным уменьшением экспорта из них. И хотя В.Леонтьевым была сделана оговорка относительно надежности полученных прогнозов в силу весьма приблизительного характера использованных в расчетах данных и малого числа учитываемых факторов, тем не менее, видно, что в целом практика подтвердила эффективность компьютерного моделирования при прогнозировании глобальных экономических процессов.
Стимулом для создания теории глобального компьютерного моделирования послужил вышедший в 1972 году первый отчет Римского Клуба, озаглавленный «Пределы роста» [4]. Компьютерная модель, использованная в этой работе для прогнозирования, была моделью мировой динамики Форрестера [2]. Эта модель привлекла пристальное внимание экономистов, политиков, системных аналитиков и других ученых как одна из самых ранних глобальных моделей сложной системы и одной из ее важнейших особенностей являлась способность модели прогнозировать процессы во всемирном масштабе, такие как – мировое производство, экология, обеспечение продовольствием и энергией. В это же время, профессором Лоренсом Клейном был реализован проект LINK, позволивший при синтезе модели мировой экономики использовать компоновку нескольких гетерогенных, национальных моделей [5]. Месаровик и Пестел в разработанной ими глобальной многоуровневой модели представили мир не как единую систему (по Forrester-у), а разделили его на 10 главных областей, разработав механизм учета взаимозависимости этих областей [6]. В 1977 году была опубликована модель мировой экономики, разработанная для ООН группой Нобелевского лауреата В.Леонтьева [1].
В этом же году была представлена первая версия FUGI-модели (Futures Global of Interdepence), разработанная в Японии профессором Технического факультета Университета Токио Иоши Кайа, профессором Технического факультета Университета Осаки Итака Сузуки, и профессором Акира Ониши. Эта модель, дебютировавшая на всемирном семинаре по Глобальному Моделированию при Международном Институте Прикладного Системного Анализа (IIASA), представляла мир 15 областями и имела главной целью исследовать пути развития всемирной экономики с учётом данных о взаимозависимости стран [7,8,9]. В начале 1980-х годов FUGI-модель 4.0 классифицировала мир в 62 страны и региона. Они были сгруппированы в значительной степени вокруг главных индустриальных стран, принадлежащих к ОРГАНИЗАЦИИ ЭКОНОМИЧЕСКОГО СОТРУДНИЧЕСТВА И РАЗВИТИЯ (OESD). Туда были включены также страны с плановой экономикой, развивающиеся страны и регионы Азии, Африки, Латинской Америки, Ближнего Востока, и Тихого океана. В FUGI-модели 7.0, разработанной для использования в начале 1990-х годов, число стран и географических зон было расширено от 62 до 180/80. Кроме того, чтобы устранить неточности FUGI-модели 4.0, в FUGI-модели 7.0 пришлось расширить блок модели, учитывающий взаимодействие окружающей среды и усовершенствовать блок моделей мировой энергетики. Эти изменения были сделаны для ООН, чтобы обеспечить возможность исследовать альтернативные стратегии развития энергетики и добиться существенных перемен по сохранению окружающей среды в 1990 и последующих годах. Отсылая за дополнительными подробностями и особенностями современных компьютерных глобальных моделей к работе [9], отметим, что несмотря на значительную сложность и декларированную авторами универсальность FUGI-модели она в оригинальном виде малопригодна для наших целей – анализа влияния процессов добычи и переработки минеральных ресурсов на глобальную экономику. Кроме того, использование её требует колоссального объёма данных и значительного труда по её настройке и контролю. На наш взгляд, вместо попыток трансформации уже существующих глобальных моделей целесообразна разработка специальной компьютерной модели (или более точно Автоматизированной Системы Моделирования – АСМ) для анализа влияния горнодобывающей промышленности на макроэкономические процессы.
Разработка концепции АСМ Горной Промышленности (АСМ ГП) определяется теми проблемами, которые мы собираемся решать в рамках стратегических исследований горнодобывающей промышленности. Очевидно, что основными проблемами должны быть:
оценка влияния горнодобывающего комплекса на макроэкономические и социальные процессы, такие как валовый национальный продукт, безработица, темпы инфляции, торговый баланс, миграция населения, средняя продолжительность жизни, уровень жизни и др.;
исследование экологических проблем, связанных с влиянием горнодобывающего комплекса и использованием продуктов его добычи и переработки на окружающую среду, включая общее потепление климата, изменение состава атмосферы, загрязнение источников пресной воды, рек, озёр, влияние на леса, сельскохозяйственные угодья и пр.;
обоснование уровней производства, экспорта, импорта и потребления продукции земной коры и анализ тенденций их изменений в краткосрочной и долгосрочной перспективе на 100 и более лет;
прогнозирование развития горных систем, степени их интеграции и интернационализации, исследование динамики рынков сбыта, конъюнктуры, экспортно-импортных операций и т.д.;
исследование закономерностей смены сырьевой базы, прогноз развития альтернативных источников энергии и использования альтернативных материалов;
исследование закономерностей и прогнозирование развития новых технологий, технических средств и комплексов добычи полезных ископаемых;
обоснование направлений фундаментальных и прикладных научных исследований, развитие и прогнозирование системы подготовки инженерных и научных кадров для горной промышленности;
стратегическое планирование развития и оценка влияния состояния горнодобывающего комплекса на национальную безопасность России.
В свою очередь, каждая из указанных функций должна быть детализирована и раскрыта, образуя дерево функций или же функциональную структуру АСМ ГП. Удобным средством для структурного анализа и эскизного проектирования АСМ ГП является методология SADT, позволяющая объединить проблему эскизного проектирования АСМ с проблемой структурно-функционального моделирования макроэкономических процессов [10].
Очевидно, что АСМ ГП должна отвечать современному уровню в области компьютерных технологий, включая в себя:
телекоммуникационные скоростные компьютерные сети пакетной коммуникации;
высокоскоростные файл-серверы, функционирующие в режиме разделения времени с объемами памяти до нескольких террабайт;
шлюзы или межсистемные интерфейсы, обеспечивающие доступ через INTERNET к следующим, основным базам данных:
статистического комитета стран содружества;
региональных и отраслевых баз данных России;
баз данных крупнейших горнодобывающих и горноперерабатывающих компаний России, СНГ и других стран;
геоинформационных и картографических баз данных;
баз данных Международного Валютного Фонда по торговле, по финансовой статистике, по статистике платежей и др;
баз данных ОРГАНИЗАЦИИ ЭКОНОМИЧЕСКОГО СОТРУДНИЧЕСТВА И РАЗВИТИЯ по Национальной Статистике Счетов, по Статистике Рабочей силы, по Географическому Распределению Финансовых Потоков, Статистики по Энергетике;
баз данных ООН, включая Ежегодник Статистики Национальных Счетов и Совокупную Статистику;
баз данных Всемирного Банка, включая Всемирные Долговые Таблицы;
специальное программное обеспечение, позволяющее решать перечисленные выше проблемы в диалоговом режиме с удаленных терминалов;
мощное программное обеспечение, позволяющее в интерактивном, автоматизированном режиме опрашивать базы данных, систематизировать, классифицировать и обрабатывать оперативную информацию.
Сама система должна быть открытой и объектно-ориентированной, допускать расширение и модернизацию функциональных блоков.
Ядром АСМ ГП должны стать специализированные базы данных информации об основных объектах горнодобывающей промышленности России и других стран, которые рассматриваются как сложные, многофакторные, экономико-технологические комплексы, функционирующие в течение длительного времени в пространстве, во времени и в ансамбле других объектов, имеющих кооперативные, антагонистические и другие стратегии и мотивы поведения. Каждый горный объект в подобном банке данных должен иметь единую для всех элементов и всех решаемых задач точку отсчета координат и времени. К единому времени привязывается вся поступающая по каналам связи оперативная экономико-организационная и технологическая информация, а так же отсчет сроков принимаемых решений, дисконтирования затрат и эффектов, прогнозирование процессов развития горнодобывающего комплекса с учетом различных сценариев развития.
Для стратегических исследований, принятия решений и прогнозирования, инструментальные средства АСМ ГП должны содержать следующие блоки:
блок моделирования макроэкономических процессов, включая глобальные и региональные модели, построенные на основе динамических обратных матриц В.Леонтьева [11];
блок моделирования социально-экономических процессов, включая занятость, безработицу, миграцию населения, уровень жизни, среднюю продолжительность жизни и др.;
блок моделирования экологических процессов;
блоки моделирования рынков сбыта, конъюнктуры, экспортно-импортных операций и т.д.;
блок формализации и экспертного анализа сценариев развития горнодобывающей промышленности и основных макроэкономических процессов;
блок стратегического планирования, оценки достоверности прогнозов и достигаемости состояний.
Отличительной особенностью математических региональных моделей процессов добычи и потребления горных ресурсов является то, что в отличие от моделей В. Леонтьева, Л. Канторовича, Дж. Форрестера, эти модели по своему существу являются моделями пространственной экономики, в которых важнейшую роль играют различия в значениях и динамике факторов производства [12]. Среди региональных факторов, в существенной мере определяющих стратегии инвестирования и развития горной промышленности, можно выделить территориальные, горногеологические и климатические особенности месторождений. Макромодели пространственных горно-экономо-технологических систем должны учитывать уровень использования новых технологий и принципов организации, которые позволяют более рационально использовать экономическое пространство, вовлекая в хозяйственный оборот новые виды минерального сырья и энергии, ослаблять воздействие антропогенной деятельности, создавать условия хозяйствования в экстремальных природно-климатических условиях.
Естественно, что приведенная выше концепция построения АСМ ГП для стратегических исследований и принятия решений нуждается в тщательной проработке, а разработка АСМ ГП потребует значительных усилий. Однако общая схема построения очевидно останется неизменной. Возможности компьютерного моделирования проиллюстрированы на модели Форрестера, адаптированной для исследования динамики России.
Не все параметры модели динамики России могут быть определены точно по статистическим данным, хотя бы потому, что зачастую они просто отсутствуют. Поэтому вынуждены, как, впрочем, и Дж.Форрестер, в ряде случаев опираться на интуицию и здравый смысл.
В качестве величины РI (население России в 1900 году) выберем величину 80 млн. чел. Очевидная трудность в определении этой величины связана с тем, что нас интересует динамика России в границах современной РФ, в то время как имеющиеся данные относятся либо к Российской империи, либо к губерниям, границы которых неоднократно менялись с 1900 года.
Чуть проще с начальным значением BRN, так как известно, что в начале века рождаемость в России была выше среднемировой. Моделирование с различными значениями BRN показали, что разумным выбором является выбор BRN =0.0406.
Величину NRI выберем равной 0.1 от величины NRI, определенной Форрестером, (напомним, что NRI - начальное значение запасов невосполняемых природных ресурсов). Такой выбор равносилен предположению, что десятая часть мировых природных ресурсов находится в пределах РФ (точнее находилась в 1900 году). Определим величину LA (площадь территории проживания) равной десятой части от использованной Форрестером в его модели. Примем величину XNRUN равной 1.2, подчеркивая тот факт, что как в Российской империи, так и в РСФСР отношение к природным ресурсам никогда не отличалось особой бережливостью (заметим, что такая величина XNRUN, была подобрана в процессе настройки траекторий модели на этапе с 1900 по 1990 годы).
Все остальные параметры, как показало моделирование, можно оставить неизменными.
Таким образом, на начальном этапе настройки модели Форрестера для динамики России возможно ограничиться изменением лишь пяти параметров, причем три из них (PI, LA, NRI) носят масштабный характер, а два параметра (BRN, XNRUN) характеризуют специфические особенности России.
Имитационное моделирование при этих параметрах модели, без учета дополнительных обстоятельств, показало достаточно значительное отклонение траекторий модели от реальных показателей динамики численности населения. В частности, численность населения в 1995 году в РФ должна была бы составить 200 млн. человек, что не соответствует действительности. В связи с этим обстоятельством, в сценарий моделирования были внесены изменения, учитывающие первую и вторую мировые войны. Эти изменения имели вид:
IF 1913 < T < 1921 THEN ( BRN = 0.6 BRN; DRN = 1.5 DRN;
CIG = 0.3 CIG; CID = 1.4 CID;
IF 1940 < T < 1946 THEN ( BRN = 0.5 BRN; DRN = 1.6 DRN; (5)
CIG = 0.1 CIG; CID = 2CID.
В (5) учитывалось, что в годы войн коэффициент рождаемости BRN существенно падал, коэффициент смертности DRN возрастал, фондообразование CIG существенно уменьшалось, а износ (разрушение) основных фондов CID значительно возрастал.
Особенности развития экономики России в последние годы можно учесть с помощью сценария:
IF 1990<T<2000 THEN (BRN = 0.9 BRN);
IF T>1992 THEN (XNRUN=1.1);
IF T>1996THEN (XNRUN=1.0 ); (6)
IF 1990<T<2000 THEN (DRN=1.1 DRN).
Условия (6) учитывают:
сокращение рождаемости BRN после 1990 года и предполагают, что она восстановится в 2000 году;
увеличение смертности в 1990 году и восстановление нормы DRN к 2000 году;
уменьшение нерационального использования сырьевых ресурсов (за счет прекращения гонки вооружений) в 1992 году до XNRUN = 1.1 и в 1996 году до XNRUN = 1.0, что будет соответствовать среднемировому уровню эффективности использования природных ресурсов.
Сценарий, описываемый условиями (5) и (6) назовем базовым сценарием СЦ0.
Альтернативные ему сценарии определим следующим образом:
СЦ1 – при неизменных параметрах сценария СЦ0 допустим, что нерациональное потребление ресурсов снижается до XNRUN=0.9 в 2000 году и до XNRUN=0.8 в 2005 году;
СЦ2 – при неизменных других параметрах сценария СЦ1 допустим, что начиная с 1996 года сокращается объём загрязнений с POLN=1 в 1992 году до POLN=0.7 в 2050 году;
СЦ3 – при неизменных других параметрах сценария СЦ2 допустим, что начиная с 2000 года запас природных ресурсов, которые могут быть использованы, увеличивается на величину 0,001 от значения NR в 1999 году;
СЦ4 – при неизменных других параметрах сценария СЦ3 допустим, что начиная с 2000 года объём загрязнений за счёт жестких экологических программ уменьшается до POLN=0.5 в 2030 году.
Основные результаты моделирования показаны на рисунках 1-4.
Рисунок 1 иллюстрирует динамику изменения численности населения России при различных сценариях развития. Видно, что при развитии по сценарию СЦ0, численность населения, незначительно увеличившись к 2025 году достаточно быстро уменьшается до 125 млн. человек к 2050 году, что может быть объяснено развитием неблагоприятной экологической обстановки в России к 2025 году. При других сценариях развития, даже при условии уменьшения объёмов загрязнений всего до 0,7 от объёмов 1992 года численность населения России возрастает, достигая максимума к 2050 году при сценарии СЦ4.
Рисунок 2 иллюстрирует динамику загрязнений при различных сценариях. Наибольший рост, как и следовало ожидать, наблюдается при развитии по сценарию СЦ0, причем возрастание загрязнения характеризуется экспоненциальным ростом. Ужесточение экологических программ позволяет надеяться, что даже при расширении базы природных ресурсов России возможны варианты развития, при которых воздействие на окружающую среду или незначительно возрастёт (сценарии СЦ2 и СЦ3) или даже уменьшится (сценарий СЦ4).
На рисунке 3 показано изменение качества жизни (по Форрестеру) в России при различных сценариях развития. Заметно существенное отличие траектории, соответствующей сценарию СЦ4, от траектории сценария СЦ3, что становится понятным, если учесть, что жесткие экологические программы сценария СЦ4 требуют значительных капиталовложений, вследствие чего уменьшаются капиталовложения в другие сферы.
Рисунок 4 показывает зависимость качества жизни по Форрестеру в функции от доли природных ресурсов, приходящихся в среднем на одного человека для рассмотренных сценариев при произвольных значениях других параметров. Видна чёткая тенденция возрастания качества жизни от доли природных ресурсов, хотя скорость возрастания QL от NR/P уменьшается с ростом NR/P.
Моделирование динамики развития России осуществлялось на отрезке времени с 1900 года по 2050 год, причем в модели (1) величина DT была выбрана опытным путем равной 0.1. Дальнейшее уменьшение значений DT приводит к изменению значений фазовых траекторий в третьем знаке, что позволяет судить о том, что расчеты ведутся с достаточной точностью. Заметим заодно, что этот факт косвенно свидетельствует об устойчивости системы дифференциальных уравнений.
ЛИТЕРАТУРА
1. W. Leontief, et al., The Future of the World Economy, Oxford university Press, 1977. Русский перевод: Структура мировой экономики. В кн.-Леонтьев В.: Экономические эссе. Теории, исследования, факты и политика. Пер.с англ.-М.: Политиздат, 1990. – 415 c.
2. Jay W. Forrester, World Dynamics, Wright-Allen Press, Cambridge, Massachusetts, 1971. Русский перевод: Дж.Форрестер, Мировая динамика. Под редакцией Д.М.Гвишиани, Н.Н.Моисеева, Наука, М, 1978.
3. Ржевский В.В. Проблемы горных наук. Московский горный институт М., 1990 г.
4. D. H. Meadows, et al., Limits to Growth, Potomac Associates, Washington D.C., 1972.
Klein, L.R., Pauly, P., and Voisin, P., “The World Economy», A
5. «Global Model in Perspectives in Computing», No. 2, IBM, Armonk, NY, 1982, 6.M. Mesarovic and E. Pestel, «Multilevel Computer Model of World Development Systems,» IIASA, Laxenburg, Austria, 1974 (originally published in IIASA Proceedings Vols. I through VI); Mankind at the Turning Point (The Second Report to the Club of Rome), E. P. Dutton and Company, New York, 1976.
7. «FUGI: Future of Global Interdependence» Proceedings of the Fifth IIASA Symposium on Global Modeling, Laxenburg, Austria, September 26-28, 1977; Gerhart Bruckmann, et al., «Input-Output Approaches in Global Modeling» IIASA Proceedings Series, Pergamon Press, New York and Oxford, pp. 91-360.
8. Akira Onishi, «Economics Global Interdependence of Projections of the World Economy Using the FUGI Global Macro-Economic Model – A Report to the United Nations Projections and Perspective Studies Branch» Institute of Applied Economic Research, Soka University, Tokyo, September 1986 pp. 411; «North-South Interdependence; Projections of the World Economy E1985-2000» in Journal of Policy Modeling 8 (2), 1986; «Uses of Global Models: A New Generation FUGI Model for Simulations of the World Economy» in International Political Science Review, Vol.II, No.2, 1990 pp.279-295
9. Akira Onishi.Futures of Global Interdependence Model. http://suissgate.t.soka.ac.jp./fugimodel/, January 25, 1997.
10. Бахвалов Л.А. Метамоделирование процессов реструктуризации горной промышленности. МГГУ, 1996 г.
11. Леонтьев В. Динамическая обратная матрица..В кн.-Леонтьев В. Экономические эссе.Теории, исследования, факты и политика. Пер.с англ.-М.: Политиздат, 1990. – 415 c.
12. Иванов Ю.Н., Токарев В.В., Уздемир А.П. Математическое описание элементов экономики. Москва, ВНИИСИ, 1995 г.
13. Прицкер А. Введение в имитационное моделирование и язык СЛАМ II: Пер. с англ. - М.: Мир, 1987г. – 646 с.ил.
14. Бахвалов Л.А. Моделирование динамики России на основе модели Форрестера.