Студопедия

Главная страница Случайная страница

Разделы сайта

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Расчетное задание 2






Анализ конкуренции на рынке портовых предприятий балтийского региона и конкурентоспособности предприятия ФГУП «КМРП»

 

Конкурентное окружение КМРП составляют две категории предприятий:

- предприятия по перевалке морских грузов в границах Калининградской области

- предприятия по перевалке морских грузов в бассейне Балтийского моря.

К первой категории относятся следующие предприятия:

- ОАО «Калининградский морской торговый порт»;

- ЗАО «Новобалт терминал»;

- ЗАО «Цепрусс»;

- ООО «Союз-ТТМ» (наливные грузы);

- ООО «Балтийская стивидорная компания» (перевалка контейнерных грузов);

- ЗАО «Балтийская нефтеперевалочная компания»;

- Железнодорожный паромный комплекс ФГУП «Росморпорт»;

- ЗАО «ПНК» Росбункер» (перевалка нефтепродуктов);

- ФГУП «Нацрыбресурсы»;

- ЗАО «Содружество Соя»;

- ООО «ЛУКОЙЛ Калининградморнефть»;

- ЗАО «Калининградский речной порт «Порт Светлый» (угольная перевалка);

- ГРЭС-2 ОАО «Янтарьэнерго»;

- ЗАО «Межколхозная производственная база» (рыбный терминал);

- ЗАО «Балт Нафта». (нефтетерминал).

Наиболее крупным предприятием среди вышеперечисленных является ОАО «Калининградский морской торговый порт». Он значительно отличается от всех остальных и конкурирует с КМРП по следующим видам грузов:

¾ Рефрижераторные грузы;

¾ Минеральные удобрения навалом;

¾ Жидкие удобрения;

¾ Генеральные грузы;

¾ Перевозки контейнеров;

¾ Нефть и нефтепродукты;

¾ Паромные грузы, Ро-Ро.

Остальные предприятия, в плане перевалки - это небольшие, в основном узкоспециализированные терминалы. Поэтому в дальнейшем, при анализе конкурентоспособности КМРП, они рассматриваться не будут. Будут рассматриваться только порты, с которыми КМРП конкурирует по основным стратегическим грузам (Нефть, мин. Удобрения, реф. грузы).

Во второй категории конкурентов можно выделить следующие порты:

¾ Большой порт Санкт-Петербурга;

¾ Клайпедский;

¾ порт Гданьск;

¾ Рижский Торговый Порт;

¾ Вентсспилсский порт;

¾ Порт Таллина;

¾ Новый порт Усть-Луга.

Сравним порты (калининградские КМРП и КМТП, а также порты Балтики, не относящиеся к Калининградской области) между собой по основным параметрам технико-экономических характеристик. Воспользуемся данными федерального агенства морского и речного транспорта, данными единой государственной системы информации об обстановке в мировом океане, а также официальными сайтами портов. Результаты сравнения представлены в таблице 1.

 

 

Для оценки конкуренции проведём кластерный анализ по основным показателям указанных организаций.

Показатели конкурентов для проведения кластерного анализа, были рассмотрены выше. Обозначим их:

¾ x1 – грузооборот за 2012 г. (млн т.);

¾ x2 – пропускная способность порта (млн т в год);

¾ x3 – максимальная осадка принимаемых судов (м);

¾ x4 – площадь крытых складов на территории порта (тыс. кв. м);

¾ x5 – площадь открытых складов на территории порта (тыс. кв. м);

¾ x6 – емкость резервуаров для наливных грузов на территории порта (тыс. т);

¾ x7 - количество причалов (ед.);

х8 - длина причального фронта (п. м.);

Таблица 1 - Сравнение портов Балтики по показателям конкурентоспособности

¾

¾

¾ х9 - оборудование порта (оценка, в баллах).

 

Присвоим указанным показателям веса, соответствующие относительной важности каждого из них, так чтобы их сумма равнялась единице. Веса показателей представлены в таблице 2.

 

Таблица 2 - Веса показателей, используемых в кластерном анализе

  x1 x2 x3 x4 x5 x6 x7 x8 x9
Вес (w) 0, 3 0, 2 0, 05 0, 05 0, 05 0, 05 0, 05 0, 1 0, 15

 

Представим в таблице 6 исходные данные в виде матрицы.

Таблица 3 - Матрица исходных данных (x_ij) для кластерного анализа

i/j                  
  1, 07 5, 5              
  2, 6                
    86, 3              
  32, 44                
  26, 5                
  29, 7                
  24, 81                
  36, 6                
  22, 7 66, 9 14, 8 52, 57 515, 39        

 

 

Для устранения различия в единицах измерения, от матрицы исходных данных переходим к матрице нормированных значений с элементами

Рассчитаем средние значения и стандартные отклонения для каждого параметра. Результаты представлены в таблице 4.

 

Таблица 4 - Средние значения и стандартные отклонения для каждого параметра

                   
Среднее (Хср) 26, 4856 46, 189 11, 644 100, 619 800, 38 486, 56 41, 11   6, 889
Стандартное отклонение (s) 48, 9696 72, 087 6, 4692 210, 483 1797, 7 842, 44 110, 3   6, 339

 

В таблице 5 запишем получившуюся матрицу нормированных значений.

 

Таблица 5 - Матрица нормированных значений (z_ij)

i/j                  
  -0, 4996 -0, 5644 -0, 563 -0, 3023 -0, 422 -0, 498 -0, 173 -0, 53 -0, 61
  -0, 4673 -0, 5575 -0, 563 -0, 2595 -0, 328 -0, 49 -0, 201 -0, 527 -0, 46
  0, 68439 0, 5564 -0, 1 0, 25361 0, 8147 0, 0587 0, 942 0, 2649 0, 491
  0, 12159 0, 0806 0, 055 0, 85224 0, 0749 0, 2985 -0, 028 0, 453 0, 333
  0, 00029 0, 1916 0, 5187 0, 03032 -0, 139 0, 4908 -0, 028 0, 32 0, 018
  0, 06564 0, 0251 0, 2095 -0, 1502 -0, 032 -0, 049 -0, 092 0, 066 0, 175
  -0, 0342 -0, 072 0, 055 -0, 0647 0, 1389 -0, 138 -0, 128 -0, 006 0, 018
  0, 20655 0, 0529 -0, 1 -0, 1312 0, 0515 0, 3958 -0, 11 0, 2255 0, 175
  -0, 0773 0, 2873 0, 4878 -0, 2283 -0, 159 -0, 068 -0, 182 -0, 266 -0, 14

 

В качестве расстояния между организациями рассчитаем взвешенное евклидовое расстояние по формуле (2).

В результате получаем матрицу евклидового расстояния, которая показана в таблице 6.

 

Таблица 6 - Матрица евклидовых расстояний между предприятиями

                   
  x 0, 0598 1, 091 0, 73791 0, 6819 0, 6048 0, 508 0, 6909 0, 561
    x 1, 0525 0, 69837 0, 6532 0, 5663 0, 469 0, 6529 0, 534
      x 0, 53005 0, 6434 0, 5821 0, 644 0, 4968 0, 718
        x 0, 2702 0, 2588 0, 295 0, 2287 0, 406
          x 0, 2042 0, 257 0, 2615 0, 238
            x 0, 116 0, 184 0, 212
              x 0, 2396 0, 215
                x 0, 354
                  x

 

Минимальное расстояние в матрице равно 0, 0598, таким образом, мы объединяем 1 и 2 столбцы и строки. В результате получаем матрицу, представленную в таблице 7.

 

Таблица 7 - Матрица после образования первого кластера

  (1+2)              
(1+2)   1, 052483 0, 698373 0, 653174 0, 56634 0, 46883 0, 652882 0, 5343014
      0, 530046 0, 643393 0, 582133 0, 644065 0, 496791 0, 7176543
        0, 270177 0, 258767 0, 295045 0, 228735 0, 40645
          0, 20418 0, 256946 0, 261469 0, 2379156
            0, 116288 0, 184031 0, 2122945
              0, 23958 0, 2153982
                0, 3540059
                 

 

Минимальное расстояние в матрице равно 0, 116288, таким образом, мы объединяем 6 и 7 столбцы и строки. Получаем матрицу, представленную в таблице 8.

Таблица 8 - Матрица после образования второго кластера

  (1+2)       (6+7)    
(1+2)   1, 05248 0, 698373 0, 653174 0, 46883 0, 652882 0, 534301
      0, 530046 0, 643393 0, 582133 0, 496791 0, 717654
        0, 270177 0, 258767 0, 228735 0, 40645
          0, 20418 0, 261469 0, 237916
(6+7)           0, 184031 0, 212295
              0, 354006
               

 

Минимальное расстояние в этой матрице равно 0, 184031, поэтому объединяем (6+7) и 8 столбцы и строки. Получаем матрицу, которая представлена в таблице 9.

 

Таблица 9 - Матрица после образования третьего кластера

  (1+2)       (6+7)+8  
(1+2)   1, 052483 0, 698373 0, 653174 0, 46883 0, 534301
      0, 530046 0, 643393 0, 496791 0, 717654
        0, 270177 0, 228735 0, 40645
          0, 20418 0, 237916
(6+7)+8           0, 212295
             

 

Минимальное расстояние в новой матрице равно 0, 20418, таким образом, мы объединяем столбцы и строки (6+7)+8 и 5. В результате получается матрица, представленная в таблице 10.

 

Таблица 10 - Матрица после образования четвертого кластера

  (1+2)     ((6+7)+8)+5  
(1+2)   1, 052483 0, 698373 0, 4688295 0, 534301
      0, 530046 0, 496791416 0, 717654
        0, 228734988 0, 40645
((6+7)+8)+5         0, 212295
           

 

Минимальное расстояние в этой матрице равно 0, 212295, поэтому объединяем столбцы и строки ((6+7)+8)+5 и 9. Получаем матрицу, представленную в таблице 11.

 

Таблица 11 - Матрица после образования пятого кластера

  (1+2)     (((6+7)+8)+5)+9
(1+2)   1, 052483 0, 698373037 0, 4688295
      0, 530046463 0, 496791416
        0, 228734988
(((6+7)+8)+5)+9        

 

Минимальное расстояние в этой матрице равно 0, 228734988, поэтому объединяем столбцы и строки ((6+7)+8)+5)+9 и 4. Получаем матрицу, представленную в таблице 12.

 

Таблица 12 - Матрица после образования шестого кластера

  (1+2)   ((((6+7)+8)+5)+9)+4
(1+2)   1, 05248 0, 4688295
      0, 496791416
((((6+7)+8)+5)+9)+4      

 

Минимальное расстояние в матрице равно 0, 4688295, поэтому объединяем столбцы и строки (1+2) и ((((6+7)+8)+5)+9)+4. Получаем матрицу, представленную в таблице 13.

 

Таблица 13 - Матрица после образования седьмого кластера

  (1+2)+(((((6+7)+8)+5)+9)+4)  
(1+2)+(((((6+7)+8)+5)+9)+4)   0, 49679
  0, 496791416  

 

Седьмой кластер можно объединить с Большим портом Санкт-Петербурга, что даст нам 8-й кластер, значение которого - 0, 49679.

В результате выявлены 8 кластеров конкурирующих портов Балтики. Полученные кластеры наглядно отражены в таблице 14. Также составлена дендрограмма результатов кластерного анализа, показанная на рисунке 9.

 

Таблица 14 - Выявленные кластеры конкурентов

  Участники Значение кластера
Кластер 1 КМРП 0, 0598
КМПП
Кластер 2 Порт Риги, 0, 11629
Вентспиллсский порт
Кластер 3 Кластер 2, 0, 18403
Порт Таллина
Кластер 4 Кластер 3, 0, 20418
Порт Гданьск
Кластер 5 Кластер 4, 0, 2123
Порт Усть-Луга
Кластер 6 Кластер 5, 0, 22873
Клайпедский порт
Кластер 7 Кластер 1, 0, 46883
Кластер 6
Кластер 8 Кластер 7, 0, 49679
Большой порт Санкт-Петербурга

 

                       

 

 

                     
0, 8                      
                       
0, 6                      
                     
0, 4                      
                   
0, 2                  
                 
                       
                       
  КМРП КМТП Клайп. Гданьск Рига Вентссп. Талллин Усть-Л. Петерб.  
                       
                       

Рисунок 9. Дендрограмма результатов кластерного анализа

 

Кластерный анализ показывает, что КМРП сильно отличается от всех своих конкурентов, если не считать калининградского конкурента - КМТП, с которым КМРП имеет много общего. Эти отличия обусловлены различными факторами.

В частности, существует ряд ограничений, которые не позволяют получить Калининградскому порту значительное преимущество перед другими портами Балтики, особенно это касается глубоководных портов позволяющих принимать к погрузке суда с дедвейтом более 45 000 тн.

Эти ограничения связаны с глубоководностью канала соединяющего порты Калининграда и Балтийское море. Глубина канала не позволяет принимать суда с осадкой более 9 метров. А ряд классов судов дедвейтом свыше 30 тыс. тон, типа PANAMAX, CAPESIZE и HANDYSIZE/HANDYMAX не могут быть приняты к обработке портом в принципе.

Также следует отметить зависимость порта от таможенного и визового режимов стран транзита, прежде всего от Литовской Республики, что влияет на развитие международного сообщения и использования транспортных коридоров, проходящих по территории области, для транзита грузов. При этом грузовой транзит через макрорегион Балтики быстро расширяется, а нынешние возможности портов-конкурентов явно оказываются более предпочтительными.

Кроме того, порт обладает относительно малыми возможностями по перевалке наливных грузов (главным образом нефтепродуктов) и складированию, как в открытых так и в закрытых складах, небольшой грузоподъемностью кранов и т.д.

В связи со всем вышеуказанным, пропускная способность КМРП, т.е. его техническая возможность перерабатывать определенное количество грузов за определенный отрезок времени, сильно отстает от пропускной способности других портов, что соответственно ведет к значительному отставанию в грузообороте, который является главным показателем конкурентоспособности для предприятий портовой отрасли.

Первый уровень конкуренции, на котором находится КМРП включает в себя два кластера - КМРП+КМТП и Рига+Вентспилс. Это самый низкий уровень конкуренции. Реальным конкурентом для КМРП на данном уровне является калининградский морской торговый порт, показатели которого очень близки показателям рыбного КМРП. Влияние остальных портов первого уровня на КМТП незначительно.

На втором уровне конкуренции можно рассматривать кластер Рига+Венстссп (Кластер 2) и Таллин. Таллинский порт более конкурентоспособен по все параметрам, но отличия не настолько велики, поэтому за счет инвестиций можно вступить в серьезную конкуренцию и привлечь клиентов.

На третьем уровне конкуренции следует отметить порт Гданьск, с которым КМРП конкурирует в первую очередь по перевалке нефтепродуктов, которую поляки успешно развивают перерабатывая российскую экспортную нефть.

Все остальные порты находятся на пока что недосягаемом уровне конкуренции. Они значительно опережают КМРП практически по всем параметрам и рассматривать их как конкурентов нецелесообразно.

 






© 2023 :: MyLektsii.ru :: Мои Лекции
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав.
Копирование текстов разрешено только с указанием индексируемой ссылки на источник.