Проблема управления активами корпорации на примере ЗАО «ТДДС-СТОЛИЦА-8»

ИТОГ А) Сумма задолженности, полученная по договору

108 106,52 + 43 = 108 149,52 тысяч рублей.

Б) Сумма расходов по договору факторинга

2429,36+ 10 932,12 + 1,2 + 4,2 = 13 366,88 тысяч рублей (данная сумма будет отражена в отчетности как прочие расходы).

В) Общий прирост прибыли при уровне рентабельности 2010 года

108 149,52*(0,06/4+1) = 109 771,76 тыс. руб.

Остаток дебиторской задолженности предприятия платежи по которой ожидаются более чем через 12 месяцев после проведенной переуступки будет равен 9 тыс. руб.

Согласно Приложению 2 предприятие имеет кредиторскую задолженность перед бюджетом по налогам и сборам в размере 616 113 тыс. руб. Следовательно, денежные средства, полученные в результате факторинговой операции, целесообразно будет направить на погашение части задолженности по выше приведенным первоочередным платежам. При этом остаток задолженности по налогам и сборам составит: 616 113 — 108 149,52 = 507 963,48 тыс.

руб.

Соблюдение рекомендаций разработанных в начале данного раздела позволят предприятию снизить размер дебиторской задолженности до 12 месяцев на 50%, т. е. на 7 776*0,5=3888 тыс.

руб. Данные средства можно направить на увеличение оборотных активов или наращивание собственного капитала предприятия.

Далее проведем расчет эффективности внедрения автоматизированной системы управления затратами. Эффективность перехода от бескомпьютерной обработки информации к компьютерной может быть оценена по показателям прямым и косвенным. Прямые показатели отражают экономию затрат на сам процесс обработки информации, а косвенные — улучшение результатов финансово-хозяйственной деятельности за счет повышения интенсивности и оперативности контроля, выявления и устранения причин потерь и необоснованности затрат, углубления анализа и т. п.

Оценку прямой экономии проводим в следующей последовательности:

1) Определим затраты на бескомпьютерную обработку данных:

руб., (31)

где — годовой бюджет рабочего времени, чел*час (1950 час.);

— средневзвешенная тарифная ставка работника, руб./чел.*час;

— численность работников занимающихся управлением запасами до компьютеризации (3 чел.);

= 0,2…0,5 — коэффициент накладных расходов;

= 0,35 — 0,5 — коэффициент дополнительных затрат, связанных с зарплатой.

руб.

2) Оцениваем затраты на автоматизированную обработку:

руб., (32)

где — затраты машинного времени, час;

= 1,3…1,4 — коэффициент запаса, учитывающий время работы процессора, дисковой памяти, принтера, с манипулятором «мышь», потери на другие операции;

— время ввода данных с клавиатуры, час;

— стоимость машинного времени (текущие затраты и амортизация), руб./час.

Время ввода данных с клавиатуры оцениваем по формуле:

час., (33)

где — объем вводимой информации в символах;

— скорость ввода данных с клавиатуры (100…130 символов/мин),

(34)

где — число видов учетных документов, поступающих на компьютерную обработку за год;

— среднее число документов вида j, поступающих на компьютерную обработку за год;

— среднее число строк, заполненных в документе вида j;

— среднее число символов, вводимых из строчных реквизитов документа вида j;

— среднее число символов, вводимых извне строчных реквизитов документа вида j;

символов

час.

час.

руб.

3) Оцениваем трудоемкость и стоимость работ, остающихся неавтоматизированными при компьютерной обработке:

час (35)

руб., (36)

где — доля работ, неподдающихся автоматизации в общей трудоёмкости (0,2 — 0,5).

чел*час.;

руб.

4) Оцениваем нужное число работников для автоматизированной обработки учетных данных () и число автоматизированных рабочих мест для них ():

чел. (37)

(38)

чел.

рабочих мест.

5) Вычисляем оценку прямой экономии от компьютеризации:

тыс. руб., (39)

где руб.;

тыс. руб.

Рассчитаем косвенную экономию:

тыс.

руб., (40)

где — выручка от реализации, тыс.

руб.;

— полная себестоимость реализованной продукции, тыс. руб.;

— процент прироста выручки от реализации;

— процент уменьшения полной себестоимости.

Для контроля правильности рассчитанных величин оценок экономии нужно отметить, что косвенная экономия значительно превышает прямую >. Более того, прямая экономия нередко бывает отрицательной.

тыс. руб.

Оценка суммарного эффекта компьютеризации выполняется по формуле:

тыс. руб. (41)

тыс. руб.

Расчетный экономический эффект определяется по формуле:

тыс. руб., (42)

где = 0,15 — нормативный коэффициент экономической эффективности капитальных вложений;

тыс. руб.

Таким образом, экономический эффект от автоматизации системы управления запасами составит 65 872 тыс. руб., а затраты на автоматизацию управления запасами составят 200,47 тыс. руб. Необходимость автоматизации системы управления запасами в ЗАО «ТДДС-СТОЛИЦА-8» экономически обоснована.

Расчет общего экономического эффекта от предлагаемых мероприятий представлен в таблице Таблица 26.

Таблица 26

Расчет совокупного эффекта

№ п./п. Мероприятия Эффект, тыс.

руб. 1 Сокращение дебиторской задолженности 3 888 2 Автоматизация системы управления запасами 65 872 Итого: 69 760

Таким образом, от реализации предлагаемых мероприятий ЗАО «ТДДС-СТОЛИЦА-8» сможет извлечь экономическую выгоду в размере 69 760 тыс.

руб. и при этом:

1. Избавится от дебиторской задолженности;

2. Создаст оптимальную систему управления запасами;

3. Улучшит финансовое состояние.

ЗАКЛЮЧЕНИЕ

Теоретическое исследование анализа системы управления активами на предприятии показал, что в настоящее время существует достаточно большое количество методик и подходов, направленных на повышение эффективности управления активами предприятий. Анализируя основные методики управления активами, используемые в настоящее время, необходимо объединить и синтезировать все имеющиеся методические подходы, с целью взаимного дополнения, и для обеспечения не только комплексного, но и гибкого механизма формирования, оптимизации и восполнения объема оборотных средств.

Также следует отметить то, что универсального решения, которое позволило бы сформировать оптимальную структуру активов, не существует. Несмотря на это, можно выделить единый подход к управлению активами, в основе которого лежат планирование, контроль достигнутых результатов и принятие управленческих решений.

Анализ деятельности ЗАО «ТДДС-СТОЛИЦА-8» позволил выделить как положительные, так и отрицательные стороны. К положительным тенденциям можно отнести: рост выручки от реализации и, хоть и незначительный, но все-таки рост доли активной части основных средств, рост обновления основных средств, рост рентабельности деятельности предприятия, существенное снижение дебиторской задолженности и стабильность ее структуры, достаточность собственных средств предприятия.

Отрицательными моментами является: рост доли себестоимости в выручке и как следствие снижение прибыли, сильная изношенность основных средств, низкие темпы обновления активной части основных средств, рост задолженности предприятия, состояние предприятия зависит от случайных денежных поступлений, средства предприятия способны покрывать только краткосрочные обязательства Подводя итог анализа необходимо отметить:

1. Снижение маркетинговой политики предприятия и ухудшение его положения на рынке;

2. Отсутствие инвестиционной деятельности;

3. Улучшении эффективности управления запасами;

4. Не эффективность кредитной политики;

5. Не эффективность экономической деятельности;

6. Неустойчивое финансовое положение предприятия и тенденцию к его ухудшению.

Таким образом, предприятию необходимо в кротчайшие сроки разработать мероприятия направленные на стабилизацию его финансового положения и в первую очередь необходимо пересмотреть политику управления оборотным капиталом, который является основным для торгового предприятия.

В связи с этим в работе делаются следующие предложения по повышению эффективности управления оборотными активами ЗАО «ТДДС-СТОЛИЦА-8». Результаты комплексного подхода и систематического анализа дают возможность разработать программу мероприятий по повышению эффективности управления оборотными активами на предприятии и обеспечить контроль за ее практическим осуществлением, по следующим направлениям:

— улучшение организации материально-технического снабжения с целью бесперебойного и ритмичного обеспечения покупателей товарами;

— сокращение продолжительности поставок товаров за счет повышения оптимизации запасов и контроля за движением наиболее важных категорий запасов и распределением в четком соответствии со структурой потребления;

— ускорение процесса отгрузки продукции и оформления расчетных документов, применение перспективных форм рефинансирования дебиторской задолженности, эффективных форм регулирования среднего остатка денежных активов, создание четких систем контроля за движением дебиторской задолженности и денежных средств, развитие механизмов безналичных расчетов.

В рамках данной работы наиболее подробно рассматривается процесс повышения эффективности управления дебиторской задолженностью предприятия и автоматизации системы управления запасами. Проведенный расчеты показывают, что от реализации предлагаемых мероприятий ЗАО «ТДДС-СТОЛИЦА-8» сможет извлечь экономическую выгоду в размере 69 760 тыс.

руб. и при этом:

1. Избавится от дебиторской задолженности;

2. Создаст оптимальную систему управления запасами;

3. Улучшит финансовое состояние.

СПИСОК ЛИТЕРАТУРЫ

Конституция Российской Федерации от 29 декабря 1993 г. (с посл. изм. и доп.) // Правовая система Консультант Плюс [Электронный ресурс]. Режим доступа: www.consultant.ru, свободный.

Налоговый кодекс Российской Федерации часть вторая от 5 августа 2000 г. № 117-ФЗ (с посл. изм. и доп.) // Правовая система Консультант Плюс [Электронный ресурс]. Режим доступа: www.consultant.ru, свободный.

Приказ Минфина РФ от 09.

06.2001 N 44н (ред. от 25.

10.2010) «Об утверждении Положения по бухгалтерскому учету „Учет материально-производственных запасов“ ПБУ 5/01» (Зарегистрировано в Минюсте РФ 19.

07.2001 N 2806) // Правовая система Консультант Плюс [Электронный ресурс]. Режим доступа:

http://base.consultant.ru/cons/cgi/online.cgi?req=doc;base=LAW;n=107 302, свободный.

Арутюнов Ю. А. Финансовый менеджмент: учеб. пособие для вузов.

М.: Кно

Рус, 2008. 312 с.

Банк В. Р., Банк С. В., Тараскина Л. В. Финансовый анализ: учеб.

пособие. — М.: ТК Велби, Изд-во Проспект, 2007. — 344 с.

Бланк И. А. Финансовый менеджмент: Учебн. курс — К.: Элька, Ника-Центр, 2008.

Басовский Л. Е. Финансовый менеджмент. Учебник. — М., ИНФРА-М, 2009. — 506 с.

Бердникова Т. Б. Анализ и диагностика финансово-хозяйственной деятельности предприятия: Учебн.

пособие. — М.: Инфра-М, 2008. — 215 с.

Бланк И. А. Финансовый менеджмент: Учебн. курс — К.: Элька, Ника-Центр, 2008 — 656 с.

Бригхэм Ю., Хьюстон Дж. Финансовый менеджмент. Экспресс-курс — М.: Питер, 2007 — 544 с.

Ван Хорн Дж. К., Вахович Дж. М. Основы финансового менеджмента — М.: Вильямс, 2009 — 1232 с.

Донцова Л.В., Никифорова Н. А. Анализ финансовой отчетности. — 4-е издание, переработанное и дополненное. М.: Дело и сервис, 2008. — 368 с.

Зимин Н. Е. Анализ и диагностика финансового состояния предприятия; учебное пособие. — М.: ИКФ «ЭКМОС», 2008 — 324 с.

Ионова А.Ф., Селезнева Н. Н. Финансовый анализ: учеб. — М.: ТК Велби, Изд-во Проспект, 2009. — 624 с.

Канке А.А., Кошевая И. П. Анализ финансово-хозяйственной деятельности предприятия: Учебное пособие. — 2-е изд., испр. и доп. — М.: ИД «Форум»: Инфра-М. 2008. — 288 с.

Ковалев В.В.

Введение

в финансовый менеджмент. М.: Финансы и статистика, 2008 — 332 с.

Ковалева А. М. Финансовый менеджмент — М.: Инфра-М, 2009 — 336 с.

Лукасевич И. Я. Финансовый менеджмент. — М.: Эксмо, 2009. — 768 с.

Либерман И. А. Анализ и диагностика финансово-хозяйственной деятельности: учебное пособие. — М.: РИОР, 2009. — 220 с.

Лисовская И.А., Основы финансового менеджмента. — М.: ТЕИС, 2009.

Савицкая Г. В. Анализ хозяйственной деятельности предприятия. Минск.: Экоперспектива, 2008. — 679 с.

Титов В. И. Экономика предприятия: учебник — М.: Эксмо, 2009. — 416 с.

Финансы: учеб. — 2-е изд., перераб. и доп./ Под ред. В. В. Ковалева.—М.: ТК Велби, Изд-во Проспект, 2008.

Чуев И.Н., Чечевицина Л. Н. Анализ финансово-хозяйственной деятельности: учебное пособие. — Ростов н/Д.: «Феникс», 2009. — 384 с.

Шеремет А. Д. Теория экономического анализа. — 2-е издание, дополненное. — М.: ИНФРА-М, 2008. — 368 с.

Экономика предприятия (фирмы): Учебник/Под ред. проф. О. И. Волкова и доц. О. В. Девяткина. — 4-е изд., перераб. и доп. — М.: ИНФРА-М, 2009. — 601 с.

Батурина Н. А. Внутрихозяйственный контроль оборотного капитала хозяйствующего субъекта, его организационное обеспечение // Справочник экономиста, 2007. — № 9. — с.82−88.

Вахрушина Н. Как управлять оборотными активами//Финансовый директор, 2007. — № 1. — с.34−41.

Воронченко Г. В. Управление дебиторской задолженностью предприятия // Экономический анализ: теория и практика. 2010. № 7. С. 23−29.

Коба Е. Е. Формирование политики по управлению дебиторской задолженностью // Сервис в России и за рубежом. 2009. № 1. С. 91−96.

Пойлова Е. Л. Управление дебиторской задолженностью с позиции теории жизненного цикла // Вестник Омского университета. Серия: Экономика. 2008. № 4. С. 107−109.

Щелгачёв А., Красовский А., Куршин А. Внедрение систему управления оборотными активами//Финансовый директор, 2007. — с.

31.

Приложение 1

Сводный «Отчет о движении денежных средств» ЗАО «ТДДС-СТОЛИЦА-8» за 2008;2010 гг.

Показатель 2008 г. 2009 г. 2010 г. наименование код 1 2 3 4 5 Остаток денежных средств на начало отчетного года 11 934 10 363 1793

Движение денежных средств по текущей деятельности Средства, полученные от покупателей, заказчиков 987 345 1 356 046 525 410

Прочие доходы — - - Денежные средства, направленные: — - - на оплату приобретенных товаров, услуг, сырья и иных оборотных активов 150 754 632 1 000 000 390 000 на оплату труда 160 131 056 126 040 30 380 на выплату дивидендов, процентов 170 на расчеты по налогам и сборам 180 44 653 48 306 22 060 на прочие расходы Чистые денежные средства от текущей деятельности 68 938 181 700 82 970

Движение денежных средств по инвестиционной деятельности — - - Выручка от продажи объектов основных средств и иных внеоборотных активов 210 — - - Выручка от продажи ценных бумаг и иных финансовых вложений 220 — - - Полученные дивиденды 230 — - - Полученные проценты 240 — - - Поступления от погашения займов, предоставленных другим организациям 250 — - - Приобретение дочерних организаций 280 — - - Приобретение объектов основных средств, доходных вложений в материальные ценности и нематериальных активов 290 — - - Приобретение ценных бумаг и иных финансовых вложений 300 — - - Займы, предоставленные другим организациям 310 — - - Чистые денежные средства от инвестиционной деятельности 340 — - - Движение денежных средств по финансовой деятельности — - - Поступления от эмиссии акций или иных долевых бумаг — - - Поступления от займов и кредитов, предоставленных другими организациями — - - Погашение займов и кредитов (без процентов) 58 575 179 907 79 772

Погашение обязательств по финансовой аренде — - - Чистые денежные средства от финансовой деятельности -58 575 -179 907 -79 772

Чистое увеличение (уменьшение) денежных средств и их эквивалентов — - - Остаток денежных средств на конец отчетного периода 10 363 1793 3198

Величина влияния изменений курса иностранной валюты по отношению к рублю — - -

Приложение 2

Сводный «Бухгалтерский баланс» ЗАО «ТДДС-СТОЛИЦА-8»

за 2008;2010 гг.

АКТИВ Код показа-теля 2008 г. 2009 г. 2010 г. 1 2 3 4 5 I. ВНЕОБОРОТНЫЕ АКТИВЫ Нематериальные активы 110 123 184 195 Основные средства 120 3 270 900 3 594 370 3 417 896 Незавершенное строительство 130 370 800 242 692 368 832 Доходные вложения в материальные ценности 135 — - - Долгосрочные финансовые вложения 140 30 970 1 956 1 956 Отложенные финансовые активы 145 — - - Прочие внеоборотные активы 150 8107 6 934 — ИТОГО по разделу I 190 3 680 900 3 846 136 3 788 879 II. ОБОРОТНЫЕ АКТИВЫ Запасы 210 120 900 132 696 391 155 в том числе: сырье, материалы и другие аналогичные ценности 211 118 700 128 210 202 393 животные на выращивании и откорме 212 — - - затраты в незавершенном производстве 213 — - - готовая продукция и товары для перепродажи 214 2100 4009 188 294 товары отгруженные 215 165 700 151 926 113 741 расходы будущих периодов 216 0 51 1 700 прочие запасы и затраты 217 100 477 468 Налог на добавленную стоимость по приобретенным ценностям 220 — - - Дебиторская задолженность (платежи по которой ожидаются более чем через 12 месяцев после отчетной даты) 230 130 800 157 904 121 517 в том числе покупатели и заказчики 22 — 16 Дебиторская задолженность (платежи по которой ожидаются в течение 12 месяцев после отчетной даты) 240 4567 5 978 7 776 в том числе покупатели и заказчики - - - Краткосрочные финансовые вложения 250 12 567 13 668 24 205 Денежные средства 260 153 400 165 128 272 385

Прочие оборотные активы 270 507 890 143 689 237 206 ИТОГО по разделу II 290 787 109 607 705 902 291 БАЛАНС 300 4 468 009 4 453 841 4 691 170

Окончание приложения 2

ПАССИВ Код показателя 2008 г. 2009 г. 2010 г. III. КАПИТАЛ И РЕЗЕРВЫ Уставный капитал 410 1105 1 105 1 105 Собственные акции, выкупленные у акционеров - - - Добавочный капитал 420 3 590 800 3 603 288 3 603 287 Резервный капитал 430 180 180 180 в том числе: резервы, образованные в соответствии с законодательством 431 — - - резервы, образованные в соответствии с учредительными документами 180 180 180 Целевое финансирование 450 262 342 263 403 269 026 Нераспределенная прибыль (непокрытый убыток) 470 213 432 — 1 724 ИТОГО по разделу III 490 3 854 427 3 867 976 3 874 217 IV. ДОЛГОСРОЧНЫЕ ОБЯЗАТЕЛЬСТВА Займы и кредиты 510 1230 2 137 1 869 Отложенные налоговые обязательства 515 — - - Прочие долгосрочные обязательства 520 — - - ИТОГО по разделу IV 590 1230 2 137 1 869 V. КРАТКОСРОЧНЫЕ ОБЯЗАТЕЛЬСТВА Займы и кредиты 610 — - - Кредиторская задолженность 620 350 600 436 960 661 907 в том числе: поставщики и подрядчики 621 — - - задолженность перед персоналом организации 622 10 456 9 114 7 507 задолженность перед государственными внебюджетными фондами 623 — - - задолженность по налогам и сборам 624 278 965 397 038 616 113 прочие кредиторы 625 61 179 30 808 38 287 Задолженность перед участниками (учредителям) по выплате доходов 630 — - - Доходы будущих периодов 640 — - - Резервы предстоящих расходов 650 — - - Прочие краткосрочные обязательства 660 261 752 146 768 153 177 ИТОГО по разделу V 690 612 352 583 728 815 084 БАЛАНС 700 4 468 009 4 453 841 4 691 170

Приложение 3

Сводный «Отчет о прибылях и убытках» ЗАО «ТДДС-СТОЛИЦА-8» за 2008;2010 гг.

Показатель 2008 г. 2009 г. 2010 г. наименование Код 1 2 5 3 4 I. Доходы и расходы по обычным видам деятельности на добавленную стоимость, акцизов и аналогичных обязательных платежей) Выручка (нетто) от продажи товаров, продукции, работ, услуг (за минусом налога 10 525 410 480 900 1 356 046

Себестоимость проданных товаров, продукции, работ, услуг 20 365 000 420 380 1 126 040

Валовая прибыль 29 115 900 105 030 230 006

Коммерческие расходы 30 — - - Управленческие расходы 40 — - - Прибыль (убыток) от продаж 50 — - - Прочие доходы и расходы - - - Проценты к получению 60 — - - Проценты к уплате 70 — - - Доходы от участия в других организациях 80 — - - Прочие доходы 90 — - - Прочие расходы 100 — - - Прибыль (убыток) до налогообложения 140 105 030 115 900 230 006

Отложенные налоговые активы 141 — - - Отложенные налоговые обязательства 142 — - - Текущий налог на прибыль 150 22 060 27 816 48 306

Чистая прибыль (убыток) отчетного периода 190 181 700 88 084 82 970

1. Простые способы распознавания символов 3

2. Развитие простых способов распознавания символов 4

3. Обнаружение краев изображения на сетчатке 6

4. Усиление контраста в сканирующей системе 6

5. Усиление контура путем совмещения 8

6. Считающая сетчатка 9

7. Сетчатка обнаруживающая края 11

8. Будущее искусственных сетчаток 13

9. Обнаружение контура в сканирующей системе на базе ЭВМ 14

СПИСОК ЛИТЕРАТУРЫ

16

1. Простые способы распознавания символов Часто можно видеть очень сложное оборудование, сконструированное для распознавания печатных или письменных символов и преобразования их в код, удобный для использования в вычислительной машине. Роботы такого рода совершенно справедливо относятся к кибернетической технике. Интересно попытаться упростить это чрезвычайно сложное оборудование до необходимого минимума. Большая часть сложностей приходится на основные механические манипуляционные системы, необходимые для подачи документов, которые должна читать машина. Однако сама читающая часть оборудования зачастую тоже достаточно сложна.

Сотрудник Астонской кибернетической лаборатории Д. Г. Хопкинс сделал попытку найти способы сужения задачи распознавания символов до минимально необходимой. Обычно принято заранее жестко определять внешний вид символа, подлежащего распознаванию какой-либо системой для распознавания символов. После того как это сделано, возникает вопрос, каков минимальный объем оборудования, которое может использоваться для распознавания и различения заданного числа различных символов. Как и в большинстве оригинальных работ, ответ Хопкинса на этот вопрос, после того как он получен, кажется настолько очевидным, что интересно кратко проследить процесс продвижения от сложного к простому в этом случае.

Хопкинс начал с допущения о том, что он будет использовать множество из 25 фотоэлементов, в то же время ясно сознавая, что глаз человека содержит намного больше чувствительных элементов. Затем он видоизменил конфигурацию 10 своих цифровых символов таким образом, чтобы они состояли из прямых линий, а кривые линии были почти полностью исключены. Благодаря этому обеспечивалось адекватное «покрытие» используемых фотоэлементов и уменьшалась неопределенность. Преобразованные символы приобрели квадратную форму, но не в очень сильной степени.

Затем фотоэлементы были обозначены по рядам: ряд 1, ряд 2, …, ряд 5 — и по столбцам: столбец А, столбец В, …, столбец Е. Теперь любой фотоэлемент мог быть определен, например, как СЗ. Информация об освещенности фотоэлементов, связанная с каждым из символов, подлежащих распознаванию, сводилась в таблицы. Эти таблицы тщательно проверялись на избыточность, например на наличие элементов, которые никогда не освещаются, или повторяющихся образцов.

В результате проверки обнаруживаются элементы, которые покрываются всеми символами, кроме одного, или же не покрываются никакими символами, кроме одного. Девять таких элементов могут использоваться для индикации всех 10 символов (10-й делается избыточным применением метода исключения). Однако, даже если и находятся девять таких элементов, это число все еще превышает абсолютный минимум, равный четырем элементам. Минимальное число элементов, необходимых для обнаружения 10 различных символов, которые можно разделить, располагая тремя элементами, равно 8 = 23. Если теперь найдены элементы, которые покрываются (или не покрываются) двумя из символов, то потребуется минимальное число элементов, равное шести. В том случае, когда число символов, позволяющих покрыть или не покрыть любой отдельный элемент, равно трем, теоретически требуется только пять различных элементов. Приведенные рассуждения позволяют сделать вывод, что интерес должны представлять такие системы, в которых четыре или пять из 10 цифровых символов могут покрывать (или не покрывать) любой отдельный фотоэлемент.

Работая с уменьшенной таблицей, о которой упоминалось выше, обнаруживается в результате проверки, что в полной матрице, состоящей из 25 элементов, есть три элемента, а именно элементы под номерами А4, ВЗ, Е2, которые удовлетворяют указанным требованиям. Однако они не позволяют различить цифры 2 и 8, а также цифры 3 и 9. Этого и следовало ожидать, поскольку используются только три фотоэлемента. Добавление еще одного фотоэлемента должно позволить разделять 2 и 8, а также 3 и 9. Номер этого дополнительного элемента — А2. Таким образом, располагая четырьмя элементами — А2, А4, ВЗ, Е2, — можно различать все 10 различных символов.

Теперь важно отметить, что полученная конфигурация элементов не обязательно единственная, в частности потому, что конкретное множество символов выбиралось до нахождения требуемого расположения фотоэлементов. Как бы то ни было, наиболее важно то, что Хопкинск показал осуществимость этого метода, которая, в свою очередь, демонстрирует целесообразность формального инженерного подхода к конструированию символов и их распознаванию. Экспериментальное оборудование, созданное в Астоне Хопкинсом, очень простое и весьма удачное.

2. Развитие простых способов распознавания символов Описанный выше оригинальный метод распознавания цифр дает четырехразрядный двоично-кодированный выход. Однако было бы очень желательно, чтобы выход был представлен в истинно двоичном виде. После того как Хопкинс продемонстрировал целесообразность этого метода, дальнейшая работа автора привела его к системе, которая дает истинно двоичный выход.

Форма символов, используемых при работе с этой системой, и необходимое расположение фотоэлементов показаны на рис.

1.2. Двоичный выход получается простой инверсией цифрового напряжения от фотоэлемента Z, с тем чтобы выходной сигнал можно было записать как WXYZ.

рис. 2.

1. Набор символов, позволяющих получить истинно двоичный выход от четырех фотоэлементов В любой реальной системе, предназначенной для использования в роботе или аппаратуре для распознавания образов полная минимизация производиться не будет. Основанием для этого служит то, что введение в систему дополнительной избыточности может способствовать повышению ее надежности. Конкретная форма, которую примет избыточность, будет зависеть от природы всей системы в целом.

В качестве примера введения избыточности на рис.

1.2 крестиками отмечены точки, находящиеся в одном и том же месте всех 10 символов, и их можно использовать для расположения символов в читающем устройстве.

Хопкинс, расширяя возможности своей системы применением фотоэлементов, имеющих удлиненную форму, и набирая из них круглые элементы, получил около 30% правильного распознавания вручную написанных цифр произвольного размера. При этом он по-прежнему использовал только четыре элемента.

Огромный интерес вызвала возможность распознавания текста, написанного от руки, для использования в вычислительной технике; некоторые работы в этой области были доведены до уровня применения. Например, одна из систем при помощи специального пера позволяла заносить информацию через планшет «Рэнд», состоящий из проволочной сетки. Можно было использовать и специальное перо, в котором звуки от искр, возникающих с частотой 200 в секунду, улавливаются микрофонами, расположенными по краям пульта. Создатели системы утверждают, что она может распознавать 100 символов, написанных любым лицом. В системе предусмотрена обратная связь к оператору, поступающая на экран электронно-лучевой трубки, что позволяет ему стирать ошибочно записанную информацию, нажав на кнопку стирания или переписав сверху неправильный символ.

3. Обнаружение краев изображения на сетчатке Физиологические исследования указывают на некоторые особенности зрения животных при обнаружении изображений. Летвин и его соавторы обнаружили существование разно-образных специализированных нервных волокон, отходящих от глаза лягушки, в том числе и тех, которые реагируют только на четко определенные границы между объектами.

Только падающие на сетчатку изображения изменяющихся световых образцов и движущихся искривленных краев вызывают сигналы, идущие в мозг. Все другие виды нервной информации на сетчатке, по-видимому, игнорируются и не вызывают сигналов, посылаемых в мозг. Хьюбел и Вейзел открыли тот факт, что некоторые клетки в глазу кошки реагируют только на движение изображения по сетчатке. Это означает, что возможна непосредственная нейронная реакция на скорость, с которой изображение движется вдоль сетчатки.

Из изложенного следует, что до некоторой степени зрительное обнаружение характера изображения происходит непосредственно на сетчатке, а не в мозгу. Поэтому ждет своего осуществления большая работа по моделированию этих возможностей глаза и использованию их в инженерных целях. В прошлом работы такого рода обычно сводились к обработке данных в цифровой вычислительной машине. В ряде случаев делались очень сложные теоретические предположения относительно возможной организации процесса усиления контраста на сетчатке.

4. Усиление контраста в сканирующей системе Для того чтобы обеспечить усиление контраста по двум координатам в устройстве, имитирующем глаз и содержащем сканирующую систему, например передающую телевизионную трубку, необходимо использовать две отдельные системы.

Рассмотрим телевизионное сканирование. Усиление контраста здесь может осуществляться по горизонтали, вдоль каждой строки, а также по вертикали, от каждой строки к каждой последующей. Методы, используемые для этих двух различных видов усиления, в основном одинаковы. Изменяющийся во времени сигнал, полученный при сканировании, задерживается на различные временные интервалы; задержанный и незадержанный сигналы складываются и вычитаются в определенных пропорциях.

В качестве примера рассмотрим структурную схему усиления контраста по вертикали, показанную на рис. 4.1 Этот процесс приводит к выходному сигналу

где Ln — выходной сигнал от сканирования строки я и т. д., a k — постоянная. Этот выходной сигнал можно записать в виде

Такой подход можно использовать для усиления контраста как по вертикали, когда требуемая задержка равна временной продолжительности одной строки, так и по горизонтали, когда требуются задержки всего лишь порядка временной продолжительности одного элемента. В первом случае необходима большая точность задержки, во втором случае можно использовать простые пассивные контуры, правда, с введением фазоинвертирующих усилителей. Этот метод похож на метод, описанный в.

Рис. 4.

1. Структурная схема усиления контраста Хотя телевизионные передающие трубки и кажутся идеальными устройствами для использования в визуальной системе робота, с ними связан целый ряд трудностей. Прежде всего они должны быть тщательно защищены от возможного повреждения, вызываемого, например, чрезмерным засвечиванием. Долговечность передающих телевизионных трубок очень ограничена, вследствие чего нежелательно их непрерывное использование в визуальной системе работа. Некоторые трубки страдают от «прожигания» изображения на чувствительной поверхности, если их экспонировать продолжительное время перед неизменяющейся яркой сценой.

Несмотря на то, что передающие трубки сейчас намного дешевле, чем несколько лет назад, все еще сохраняется потребность в более дешевой системе, с большим сроком службы. Иногда роботу приходится работать в среде, где он сам должен обеспечивать себе освещение; в таких случаях заслуживают рассмотрения системы с бегущим лучом.

В настоящее время получили распространение интегральные системы сетчаток, содержащие большое количество фотоэлементов.

5. Усиление контура путем совмещения Контуры визуального изображения можно усилить точным совмещением двух противоположных визуальных представлений изображения. Например, точное совмещение позитивного и негативного диапозитивов дает контур изображения. Прохождение света, связанное с интерференцией и краевыми эффектами, возможно только в областях резкого изменения плотности. Оказалось, что в таком процессе наряду с контурной информацией сохраняется и текстурная информация. При этом, чем меньше промежуток между двумя диапозитивами, тем меньше деталь, которая может быть воспроизведена.

Рассмотрим черно-белое изображение. На краях изображения и на границах между черными и белыми областями неизбежно возникает более или менее постоянное изменение пропускания света. Если теперь взять простую сумму оптической плотности, А в любой заданной точке и ее инверсию —А, то эта сумма всегда равна нулю и никакого суммарного изображения возникнуть не может. Подобным образом, если привести к единице максималь-ную величину оптической плотности (т. е. Аmах = 1) и взять разность между оптической плотностью, А и 1—А, то в каждой точке результат будет 2А — 1; если же взять их сумму, то результат будет равен, А + 1 — А = 1. Следовательно, простые сумма или разность сигнала и его инверсии вообще не могут создавать эффекта усиления контура изображения.

Один из путей достижения контурного усиления за счет непосредственного использования изображения, а не интерференции и краевых эффектов состоит во взятии произведения, а не суммы или разности сигнала, А и сигнала 1 — А. В результате этого полу-чаем

Результирующий сигнал такого вида дает на выходе максимальную величину в точке, где интенсивность изображения составляет половину от максимальной величины.

Процесс нормирования можно осуществить делением на максимальную величину, что приводит к следующему виду сигнала-произведения:

где Аmах определяется как максимальное значение сигнала в точке, ближайшей к точке нулевой крутизны и с максимальной отрицательной скоростью изменения сигнала.

Однако совсем не обязательно брать нуль за основу вычислений, если определена точка, ближайшая к точке нулевой кривизны и с максимальной положительной скоростью изменения сигнала, поскольку в этом случае показатель локальной кривизны может быть задан в виде

где Атiп — значение в точке, ближайшей к точке нулевой кривизны и с максимальной положительной скоростью изменения сигнала.

Эта характеристика является сугубо локальной. В дальнейшем будет показано, что, в отличие от процесса разделения сканированием, описанный выше процесс не зависит от скорости изменения сигнала, а зависит только от его фактической величины. В этом есть определенное преимущество, поскольку при медленном изменении возникает большой выходной сигнал, так как он зависит от самой величины, а не от скорости ее изменения.

Интересно заметить, что сложением двух совершенно произвольных совокупностей точек можно сформировать вполне реальное изображение.

6. Считающая сетчатка Большое количество объектов человек считает глазами по отдельности или разделяет их на группы. В то же время глаз человека обладает способностью к мгновенному подсчету изображений, создаваемых на сетчатке небольшим числом объектов. Искусственная сетчатка, наделенная такой способностью, имела бы многочисленные применения; одним из наиболее важных явилось быстрое определение количества объектов, например элементов крови, находящихся под микроскопом.

Рис. 6.

1. Схема, применяемая в считающей сетчатке Принципиальная возможность создания такой непосредственно считающей сетчатки была продемонстрирована П. С. Вильямсом в Астоне. Схема экспериментального устройства показана на рис.

6.1. Клетки сетчатки представлены одним рядом сернисто-кадмиевых фотоэлектрических элементов. Сигналы от этих элементов подаются на операционные усилители, а затем поступают на выход. Число объектов, появляющихся перед линейкой элементов, определяется простыми схемами, и результат указывается прибором, шкала которого отградуирована на число объектов.

Принцип работы этого демонстрационного оборудования на самом деле весьма прост, хотя на первый взгляд кажется, что это не так. Для определения числа объектов, независимо от их размеров и положения, подсчитывается число краев объектов, появляющихся перед сетчаткой, а затем устройство автоматически делит его на 2. В искусственной сетчатке используется, таким образом, принцип обнаружения краев изображения.

Рис. 6.

2. Пример использования «детектора краев», разработанного в Астоне Рассмотренный принцип можно распространить для использования не только в одномерном, но и в двумерном варианте, применив для определения числа краев вдоль каждой из параллельных строк растра визуальной сцены «детектор краев», разработанный в Астоне. После этого вычисляются значения разностей, как это показано на рис. 6.2, между числами краев, появившихся перед соседними линейками, а затем вычисленные разности суммируются и делятся на 4 для получения общего числа рассматриваемых выпуклых объектов независимо от их индивидуальных размеров. Такое считающее устройство может непосредственно использоваться на промышленных складах и в магазинах, не считая уже упомянутых применений в медицине.

Наверное, следует упомянуть о том, что при использовании описанных простых считающих схем имеются определенные ограничения. С каждого конца линейка должна быть полностью укомплектована освещаемыми фотоэлементами, даже если их можно промоделировать. Соседние объекты должны или разделяться полным столбцом, или перекрываться в одном и том же столбце. Если границы двух объектов приходятся на два разных, но прилегающих столбца, то при подсчете возникает ошибка, являющаяся неким видом оптической иллюзии. Объекты не должны быть вогнутыми: при их подсчете может получиться ошибочный результат. Несмотря на недостатки данного метода, он дает хорошие результаты при реализации его на устройстве, в основе своей очень простом. Этот же метод в неизменном виде, безусловно, применим при использовании взамен дискретных элементов сканирующего устройства, например передающей телевизионной трубки.

7. Сетчатка обнаруживающая края Как уже отмечалось выше, из многочисленных исследований живых систем известно, что обнаружение краев играет важнейшую роль в процессах распознавания. В качестве примера рассмотрим пластину с изображением красной буквы на белом фоне, которая нередко встречается на автомобилях в Англии. Вся красная поверхность внутри буквы L и вся белая поверхность вне ее несут мало информации. Именно конфигурация контуров, образуемых соединением красной поверхности и белого фона, указывает на то, что изображенная фигура есть L, а не другая буква.

Для обнаружения краев и получения информации об их расположении можно использовать модификацию считающей сетчатки, описанной выше. Однако для большой сетчатки с большим числом фотоэлектрических элементов потребуется большое количество дифференциальных усилителей и стоимость непомерно возрастет.

В процессе работы в Астонской кибернетической лаборатории над считающей сетчаткой С. Е. Фри предложил оригинальную идею замены постоянного напряжения питания, которое использовалось в первых работах, на переменное. В результате этого удалось построить сетчатку, обнаруживающую края изображения, для которой требовались только фотоэлементы, конденсаторы и резисторы, но не требовались транзисторы или другие активные устройства. На рис. 7.1 приведена принципиальная схема одной строки клеток сетчатки.

Рассмотрим фотоэлементы С и D. Если ни один из них не освещается, то выходной сигнал в точке X отсутствует. С другой стороны, если оба элемента освещены в равной степени, то во время каждого полупериода на резисторе R3 возникает напряжение. Таким образом, на резисторе R3 имеется симметричное переменное напряжение.

Рис. 7.

1. Принципиальная схема сетчатки для обнаружения краев изображения При условии, что произведение RCCC велико по сравнению с периодом переменного напряжения, напряжение на резисторе R3 будет почти полностью сглажено и в точке X будет небольшое или вовсе не будет выходного напряжения.

Теперь рассмотрим ситуацию, когда фотоэлемент С освещен, а фотоэлемент D — не освещен. Эта ситуация возникает тогда, когда, например, имеется темный край, который затемняет фотоэлемент D, но не затемняет фотоэлемент С, т. е. край попадает между фотоэлементами С и О. В этом случае при полуволне питающего напряжения, когда шина питания L положительна относительно шины питания N, фотоэлемент С будет проводить и в выходной точке X появится положительное напряжение. С другой стороны, во время полуволны питающего напряжения, когда шина питания L отрицательна по отношению к шине питания N, проводимость фотоэлемента D намного меньше, поскольку он не освещен. Поэтому во время отрицательной полуволны на выходе возникает небольшое напряжение. Вследствие этого выходной конденсатор Сс намного больше заряжается в положительном направлении чем в отрицательном, и в точке X возникает сглаженное положительное выходное напряжение.

Аналогичным образом, если элемент С не освещен, а элемент D освещен, то в точке X возникает отрицательное выходное напряжение. Работа этого устройства может быть сведена е следующую таблицу:

Элемент С Элемент D Точка X

Темно Темно Нулевое напряжение Темно Светло Отрицательное напряжение Светло Темно Положительное напряжение Светло Светло Нулевое напряжение Итак, устройство только тогда дает выходное напряжение в какой-либо точке, когда оно возбуждается краем, проходящим через эту точку.

Схему приведенного вида можно использовать для построения двумерной сетчатки, обнаруживающей контуры. Индикация в устройстве осуществляется неоновыми индикаторными лампами, которые высвечивают только контур, когда, например, край перфокарты появляется перед сетчаткой фотоэлементов.

Устройство, созданное Фри, питалось от источника синусоидального напряжения; в более поздних устройствах, при работе с машиной «Астра», применялись импульсные источники энергии, которые обеспечивали выход, совместимый с логическими схемами этой машины.

8. Будущее искусственных сетчаток Предпринимались различные попытки создания искусственной сетчатки на интегральных схемах, предназначенной главным образом для сканирования перфорационных карт в вычислительной машине. Одна из возникающих здесь трудностей состоит в том, что в то время как создание массива фотоэлектрических элементов очень малых размеров вполне реально, весьма трудно реализовать отведения от элементов. В ряде случаев приходилось уменьшать сетчатку до одной строки элементов и осуществлять фактически последовательное считывание с элементов. Но даже и тогда эти устройства оказывались весьма дорогостоящими, по-видимому, из-за малого спроса и требования абсолютно исправной работы всех элементов строки, вовсе не допускающей отказов.

R. С. А. была создана сетчатка более современного вида. Она содержит в общей сложности 960 расположенных в плоскости фоточувствительных элементов, но, в отличие от обычной микроминиатюрной интегральной схемы, это более современное устройство напылено на стеклянную пластину размерами 10×20 см. Каждый из фотоэлементов подсоединяется к взаимно перпендикулярным выводным полоскам через тонкопленочный диод Шоттки. Устройство создается в несколько этапов методом напыления в вакууме.

Интегральная схема ОРТ5 состоит из массива 10×10 фотодиодов, объединенных со схемами сканирования. Интересно отметить, что при использовании матрицы с малым числом элементов наблюдается существенное изменение коэффициентов Фурье при движении изображения.

Веймером и др. проведено обширное исследование по использованию самосканирующихся сетчаткоподобных сенсоров, построенных по интегральной технологии. Для планетных исследований предлагалось использовать матрицу, состоящую из многих тысяч фототранзисторов. Емкость коллектор-база последних используется для интегрирования светового потока и разряжается один раз в течение кадра. В литературе описаны и другие устройства.

9. Обнаружение контура в сканирующей системе на базе ЭВМ В стэнфордской системе «глаз — рука», предназначенной для построения при помощи руки робота башни из визуально обнаруживаемых кубиков, применяется стандартная телевизионная камера на видиконе. В ранней работе черные кубики располагались на белом столе и удовлетворительная работа системы достигалась только при высоком уровне контраста. Использовалось 16 уровней квантования, но даже в том случае, когда человек участвовал в настройке, не всегда удавалось в сложной сцене одновременно разложить все контуры. Вследствие этого для получения наилучшего возможного разложения объекта, рассматриваемого в данный момент, и камера и уровень освещения устанавливались вручную человеком-оператором. Естественно, что такой подход не очень удачен, поскольку на полученные результаты могло влиять вмешательство человека-оператора. Программа вычислительной машины будет автоматически отбрасывать любые данные, которые не указывают разумное число ребер или удовлетворительно замкнутых контуров объекта. Дальнейшая работа совершенствовала это свойство программы.

Полученные результаты были улучшены введением автоматической регулировки потенциала мишени видикона, которая в то же время ограничивает напряжение, исключая повреждение трубки. Изображение фокусируется автоматически за счет перемещения трубки относительно одной из линз составной турели с цветными фильтрами, подбираемыми случайным образом для улучшения контраста. Локальный оператор Хьюгеля обнаруживает контуры, даже если они размыты и имеются значительные помехи, после чего вычислительная машина прослеживает контур изображения объекта, регистрируя линии и конечные точки.

В программе используется также метод наращивания информации об осматриваемых блоках по мере ее получения. Если, например, во время процедуры прослеживания достигается ранее встречавшаяся точка, то просматриваются данные, хранящиеся в памяти, чтобы проверить, в частности, не замкнутый ли контур прослеживается в данный момент. Таким образом, исключается необходимость в последовательном прослеживании всех контуров отдельного объекта.

Старая программа прослеживания контура часто не замыкала его, если один небольшой участок был искажен помехой или труден для прослеживания. Усовершенствованная программа могла «перескочить» через отдельный «плохой» участок или пытаться замкнуть контур в противоположном направлении. В конце программы следовали различные упорядочивающие процедуры, например все концевые точки сводились в углах.

Были опробованы и другие методы, построенные на цифровых методах пространственной фильтрации для улучшения качества изображения, использовавшие синтаксический анализ контекста более высокого уровня для заключения о недостающих де-талях или оперировавшие областями изображения вместо его краев. Однако оказалось, что указанные методы, как правило, фиксируют анализируемое и вычислительная машина не может влиять на работу телевизионной камеры или развертывающего устройства.

В стэнфордской установке вычислительная машина управляла поворотно-наклонной головкой, линзами турели, цветным фильтром, фокусировочным напряжением и потенциалом мишени стандартной передающей телевизионной камеры на видиконе; диафрагма устанавливалась вручную. Три цветных фильтра и один нейтральный устанавливались на диске, позволявшем выбрать фильтр за 0,2 с. Возможны 64 отсчета напряжения мишени между 0 и 50 В; при этом не допускается, чтобы напряжение вызывало слишком большую среднюю величину тока сигнала.

Шестьдесят раз в секунду видикон сканирует массив из 333X256 отсчетов яркости, каждый из которых кодируется числом в 4 бита, благодаря чему не превышается пропускная способность высокоскоростного канала данных в 24 млн. бит в секунду. Однако диапазон изменения напряжения, представленного 4-битовым числом (16 уровней квантования), может изменяться от полного рабочего диапазона видеоусилителя в 1 В до «окна» всего лишь в 1/8 В, что дает 128 уровней квантования.

Один из методов, предложенных для упрощения машинного, или робототехнического, распознавания трехмерных форм, известен под названием «сеточное кодирование». Здесь также предусматривается освещение сцены, но за счет проектирования сетки световых полос от однородного источника света. Предполагается, что этот метод может дать лучшие результаты по сравнению с более ранними, базирующимися на работе Робертса.

Метод, сходный с методом сеточного кодирования, применялся в Японии; там для освещения рассматриваемого объекта использовалась единственная движущаяся щель. Японские исследователи успешно применяли также освещение сцены с различных направлений, извлекая, таким образом, информацию, необходимую для построения линейного чертежа сцены. Стереоскопическое рассматривание объектов двумя камерами, практикуемое в М. I. Т., не использовалось японцами, так как для получения очертаний рассматриваемого объекта требуется обработка большого объема информации. Чтобы получить информацию, необходимую для создания в ЭВМ линейного чертежа, японские исследователи использовали также последовательное освещение сцены с нескольких направлений СПИСОК ЛИТЕРАТУРЫ

1. Анисимов Б. В., Курганов В. Д. Распознавание и цифровая обработка изображений — М., 1983.

2. Янг Дж.Ф. Робототехника / в переводе с англ. Под редакцией д.т.н. профессора Игнатьева М. Б. — Л.: Машиностроение, 1979 г.

Генеральный директор

Главный бухгалтер

Коммерческий директор

Руководитель отдела продаж

Руководитель отдела закупок

Менеджеры

Менеджеры

Бухгалтеры Бухгалтер-кассир

ОСНОВНЫЕ НАПРАВЛЕНИЯ ОПЕРАТИВНОГО МЕХАНИЗМА ФИНАНСОВОЙ СТАБИЛИЗАЦИИ ПРЕДПРИЯТИЯ ПРИ КЧТП < 1,0

ПРИ КЧТП > 1,0

ОБЕСПЕЧЕНИЕ УСКОРЕННОГО ЧАСТИЧНОГО ДЕЗИНВЕСТИРОВАНИЯ ВНЕОБОРОТНЫХ АКТИВОВ

ОБЕСПЕЧЕНИЕ УСКОРЕННОЙ ЛИКВИДНОСТИ ОБОРОТНЫХ АКТИВОВ

ОБЕСПЕЧЕНИЕ УСКОРЕННОГО СОКРАЩЕНИЯ РАЗМЕРА КРАТКОСРОЧНЫХ ФИНАНСОВЫХ ОБЯЗАТЕЛЬСТВ

Поставщик

Покупатель

Промсвязьбанк

Марке-толог

Юрист

Эконо-мист