Сибирский государственный индустриальный университет, Новокузнецк, Россия:

Е. В. Иванова, заведующая кафедрой менеджмента и отраслевой экономики, канд. экон. наук, доцент, эл. почта: ivanovaev75@mail.ru
А. И. Мусатова, преподаватель института дополнительного образования, эл. почта: musatova-ia@yandex.ru

Томский политехнический университет, Томск, Россия:

Н. В. Мартюшев, доцент отделения материаловедения, канд. техн. наук, эл. почта: martjushev@tpu.ru

Сибирский федеральный университет, Красноярск, Россия¹ ; Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева, Красноярск, Россия² ; Московский государственный технический университет имени Н.Э. Баумана, Москва, Россия³:
В. В. Кукарцев, доцент^1,2, старший научный сотрудник³, канд. техн. наук, эл. почта: vvkukartsev@sfu-kras.ru

Московский государственный строительный университет, Москва, Россия:
А. И. Карлина, научный сотрудник, канд. техн. наук, эл. почта: karlinat@mail.ru

Разработаны математические модели многовариантных сроков окупаемости металлургического инвестиционного проекта, позволяющие осуществлять поэтапную ситуационную имитацию накопления ожидаемых доходов, направляемых на реинвестиции. В настоящее время применяют различные методы оценки эффективности проектов, выбор которых зависит от масштабности и продолжительности их осуществления, объема инвестиций и типа финансовой устойчивости предприятия. Предлагаемый многовариантный подход к оценке эффективности проекта рассмотрен на примере реконструкции электросталеплавильного цеха. Приведены три вида структурированных математических моделей расчета эффективности инвестиционного проекта. Множество моделей 1 как базовые варианты предполагает, что первоначально денежные потоки после проведения реконструкции и модернизации будут поступать равномерно по интервалам времени (годам, кварталам или месяцам). Модели 2 планируются с учетом неравномерного поступления составляющих денежных доходов: на первых этапах снижение чистой прибыли, а затем ее увеличение по сравнению с первоначальными значениями. Суммарные амортизационные отчисления от внедрения капитальных вложений по этапам будут уменьшаться. Модель 3 является развитием моделей 2 и определяется сложными (динамическими) методами, где эффективность инвестиционного проекта оценивается с учетом дисконтирования доходов. Представлено алгоритмическое обеспечение системы поддержки принятия решения о сроках эффективности металлургического инвестиционного проекта. Сформированные модели расчета эффективности проекта представлены в виде специальных таблиц, которые соответствуют поэтапной процедуре определения ситуационных вариантов, предоставляемых заказчику проекта для выбора рационального варианта срока окупаемости при его реализации в электросталеплавильном цехе АО «ЕВРАЗ ЗСМК».

1. Иванова Е. В. О проблемах активизации инвестиционной деятельности в Кемеровской области // Актуальные проблемы экономики и управления в XXI веке : сборник научных статей VII Международной научно-практической конференции. — Новокузнецк, 2021. С. 145–149.
2. Прохорова Э. К. Влияние состояния основных фондов на развитие российской промышленности в условиях международных санкций // Вестник Международного института рынка. 2019. № 1. С. 30–36.
3. Боброва Н. М., Брязгунова К. А., Плюснина Л. М. Финансовоэкономическое обоснование эффективности инвестиционного проекта по техническому перевооружению производства // Инновационное развитие экономики: тенденции и перспективы. 2022. Т. 1. С. 164–173.
4. Каранфил Д. Х., Андрошина И. С. Оценка эффективности инвестиционного проекта // Вектор экономики. 2022. № 5 (71). DOI: 10.51691/2500-3666_2022_5_8
5. Абдыкерова Г. Ж. Системный подход к анализу эффективности инвестиционных проектов // Актуальные проблемы гуманитарных и естественных наук. 2017. № 2-4. С. 6–11.
6. Рахлина Е. Р. Обзор методов оценки эффективности инвестиционных проектов // Актуальные проблемы гуманитарных и естественных наук. 2015. № 6-1. С. 213–220.
7. Кочеткова А. В. Классификация математических методов и показателей оценки эффективности инвестиционных проектов // International Journal of Advanced Studies in Computer Engineering. 2021. № 1. С. 12–16.
8. Галиуллина Г. Ф., Ситдиков Б. И., Гриб В. Н. Инвестиционные проекты по импортозамещению и методы оценки их эффективности // Вестник Алтайской академии экономики и права. 2022. № 11-1. С. 39–44.
9. Васильцов В. С., Ныш М. С., Соловьева А. В. Управление развитием металлургической компании на основе алгоритма предынвестиционного анализа // Черные металлы. 2023. № 1. С. 80–85.
10. Patrick M., French N. The internal rate of return (IRR): projections, benchmarks and pitfalls // Journal of Property Investment & Finance. 2016. Vol. 34, Iss. 6. P. 664–669. DOI: 10.1108/JPIF-07-2016-0059
11. Tabei S. M. A., Bagherpour M., Mahmoudi A. Application of fuzzy modelling to predict construction projects cash flow // Periodica Polytechnica Civil Engineering. 2019. Vol. 63, Iss. 2. P. 647–659. DOI: 10.3311/PPci.13402

12. Jin Z., Kim J., Hyun C., Han S. Development of a model for predicting probabilistic life-cycle cost for the early stage of public-office construction // Sustainability. 2019. Vol. 11, Iss. 14. 3828. DOI: 10.3390/Su11143828
13. Amusan L. M., Afolabi A., Ojelabi R., Omuh I., Okagbue H. I. Data exploration on factors that influences construction cost and time performance on construction project // Data in Brief. 2018. Vol. 17. P. 1320–1325. DOI: 10.1016/j.dib.2018.02.035
14. Tavakolan M., Nikoukar S. Developing an optimization financing costscheduling trade-off model in construction project // International Journal of Construction Management. 2022. Vol. 22, Iss. 2. P. 262–277. DOI: 10.1080/15623599.2019.1619439
15. Гельруд Я. Д., Кибалов Е. Б. Крупномасштабные инвестиционные проекты: проблема групповой экспертной оценки сравнительной эффективности // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. 2020. Т. 14. № 1. С. 71–79.
16. Галевский С. Г. Оценка эффективности металлургических инвестиционных проектов на основе корректного учета рисков // Вестник горно-металлургической секции Российской академии естественных наук. Отделение металлургии. 2020. № 43. С. 216–225.
17. Bruner R., Li W., Kritzman M., Myrgren S., Page S. Market integration in developed and emerging markets: evidance from the CAPM // Emergin Markets Review. 2008. Vol. 9, Iss. 2. P. 89–103. DOI: 10.1016/j.ememar.2008.02.002
18. Мартюшев Н. В., Кулаков С. М., Мусатова А. И., Карлина А. И. Ситуационная оптимизация работы термического отделения с учетом нестабильности поступления заказов // Черные металлы. 2022. № 7. С. 58–63.
19. Фастыковский А. Р., Мусатова А. И., Кулаков С. М., Мартюшев Н. В., Карлина А. И. Разработка ситуационных моделей длительности производственных циклов изготовления партий готового проката. Сообщение 1 // Черные металлы. 2023. № 1. С. 44–51.
20. Гизатулин Р. А., Мусатова А. И., Мартюшев Н. В., Валуев Д. В., Карлина А. И. Разработка и применение нормативных тактовых моделей для модернизации электросталеплавильного цеха // Черные металлы. 2022. № 4. С. 10–16.