OPTIMALIZACE STRATEGICKÉHO ROZHODNUTÍ

Ma sa r yk o v a u n iv e rz ita Ekonomicko-správní fakulta Studijní obor: Podniková ekonomika a management

OPTIMALIZACE STRATEGICKÉHO ROZHODNUTÍ Optimizing a strategic decision Diplomová práce

Vedoucí diplomové práce:

Autor:

Ing. Ondřej Částek, Ph. D.

Bc. Věra Mádlová

Brno, 2014

Masarykova univerzita Ekonomicko-správní fakulta Katedra podnikového hospodářství Akademický rok 2012/2013

ZADÁNÍ DIPLOMOVÉ PRÁCE

Pro:

MÁDLOVÁ Věra

Obor:

Podniková ekonomika a management

Název tématu:

OPTIMALIZACE STRATEGICKÉHO ROZHODNUTÍ Optimizing a strategic decision

Zásady pro vypracování: Cíl práce: Vybrat optimální variantu řešení strategického problému v konkrétním podniku. Postup práce a použité metody: V první části práce autorka na základě odborné literatury vymezí klíčové pojmy a vztahy mezi nimi. Popíše problematiku tak, jak je dnes vnímána a uvede ji do širších souvislostí. Ve druhé, praktické části využije získané poznatky k formulaci strategického cíle a strategického problému, možných variant řešení a aplikuje relevantní metody rozhodovací analýzy. Na tomto základu vybere optimální variantu a navrhne strategické rozhodnutí.

Rozsah grafických prací:

dle pokynů vedoucího práce

Rozsah práce bez příloh:

60 – 80 stran

Seznam odborné literatury: 

   

ANDERSON, David, Denis SWEENEY, Thomas WILLIAMS a Martin KIPP. An Introduction to Management Science: A Quantitative Approach to Decision Making, 12th Edit. 12. vyd. South-Western, 2008. 900 s. ISBN 0-324-39980-4. BLAŽEK, Ladislav. Management. 1. vyd. Praha: Grada, 2011. 191 s. ISBN 978-80247-3275-6. FOTR, Jiří a Ivan SOUČEK. Investiční rozhodování a řízení projektů. 1. vyd. Praha: Grada Publishing, 2010. 408 s. ISBN 9788024732930. FOTR, Jiří a Ivan SOUČEK. Podnikatelský záměr a investiční rozhodování. 1. vyd. Praha: Grada, 2005. 356 s. ISBN 80-247-0939-2. RAGSDALE, Cliff. Spreadsheet Modeling & Decision Analysis: A Practical Introduction to Management Science, 6th Edition. 6. vyd. South-Western, 2011. 793 s. ISBN 978-0-538-74631-1.

Vedoucí diplomové práce:

Ing. Ondřej Částek, Ph.D.

Datum zadání diplomové práce:

5. 3. 2013

Termín odevzdání diplomové práce a vložení do IS je uveden v platném harmonogramu akademického roku.

…………………………………… vedoucí katedry

V Brně dne 5. 3. 2013

………………………………………… děkan

J mé n o a př í j me ní a ut o r a :

Věra Mádlová

Náz ev bakal á řské pr áce:

Optimalizace strategického rozhodnutí

Náz ev prác e v an gl i čt i ně:

Optimizing a strategic decision

Kat edra:

podnikového hospodářství

Vedoucí bak al ářské práce:

Ing. Ondřej Částek, Ph. D.

R ok obhaj ob y:

2014

Anotace Předmět diplomové práce „Optimalizace strategického rozhodnutí“ je analýza rozhodovacího problému při strategickém řízení konkrétního podniku a následný výběr optimální varianty. V teoretické části jsou uvedeny poznatky o rozhodování a rozhodovacím procesu. V praktické části jsou tyto poznatky aplikovány na konkrétní problém podniku a za pomocí simulační metody Monte Carlo je vybrána nejvhodnější varianta.

Annotation The goal of the submitted diploma thesis “Optimizing a strategic decision” is an analysis of the decision-making problem at the strategic management of particular company and subsequent selection of the optimal option. In the theoretical part are described knowledge about decision making and decision-making process. In the practical part are these findings applied to a specific company´s problem and by using simulation method Monte Carlo is chosen the most suitable option.

Klíčová slova rozhodovací proces, rizikové faktory, varianty rozhodování, simulace Monte Carlo

Keywords decision- making process, risk factors, decision variants, Monte Carlo simulation

Prohlášení Prohlašuji, že jsem diplomovou práci Optimalizace strategického rozhodnutí vypracovala samostatně pod vedením Ing. Ondřeje Částka, Ph. D. a uvedla v ní všechny použité literární a jiné odborné zdroje v souladu s právními předpisy, vnitřními předpisy Masarykovy univerzity a vnitřními akty řízení Masarykovy univerzity a Ekonomicko-správní fakulty MU. V Brně dne 28. 4. 2014 vlastnoruční podpis autora

Poděkování Na tomto místě bych ráda poděkovala Ing. Ondřeji Částkovi, Ph.D. za cenné připomínky a odborné rady, kterými přispěl k vypracování této diplomové práce. Dále děkuji Dopravnímu podniku města Hradce Králové, a. s. za poskytnutí údajů a zprostředkování expertních názorů potřebných k simulaci Monte Carlo.

Obsah Úvod ......................................................................................................................................... 11 Teoretická část .......................................................................................................................... 12 1

Strategický management a řízení ...................................................................................... 12

2

Rozhodování ...................................................................................................................... 12 2.1

Rozhodování za jistoty ............................................................................................. 13

2.2

Rozhodování za rizika a nejistoty ............................................................................. 14

2.3

Rozhodovací problém a proces ................................................................................. 14

2.3.1 3

Fáze rozhodovacího procesu ............................................................................................. 16 3.1

Fáze definování ......................................................................................................... 16

3.2

Fáze analyzování ...................................................................................................... 17

3.3

Fáze generování ........................................................................................................ 19

3.4

Fáze klasifikace ........................................................................................................ 19

3.5

Fáze hodnocení ......................................................................................................... 20

3.5.1 3.6

Metody vícekriteriálního hodnocení ................................................................... 20 Fáze rozhodování ...................................................................................................... 21

3.6.1

Stanovení významnosti rizik............................................................................... 22

3.6.2

Vztah rozhodovatele k riziku .............................................................................. 23

3.6.3

Pravidla rozhodování za rizika ........................................................................... 25

3.6.4

Pravidla rozhodování za nejistoty....................................................................... 25

3.7

4

Prvky rozhodovacího procesu............................................................................. 15

Model a simulace ...................................................................................................... 26

3.7.1

Model .................................................................................................................. 26

3.7.2

Simulace ............................................................................................................. 28

Simulace metodou Monte Carlo ........................................................................................ 28 4.1

Tvorba finančního modelu ........................................................................................ 29

4.2

Determinace klíčových faktorů................................................................................. 30

4.3

Stanovení rozdělení pravděpodobnosti faktorů rizika .............................................. 30

4.4

Stanovení statistické závislosti faktorů rizika........................................................... 31

4.5

Realizace simulace a interpretace výsledků simulace .............................................. 32

Výhody a nevýhody simulace Monte Carlo .............................................................32

4.6

Praktická část ............................................................................................................................33 5

Představení podniku ..........................................................................................................33 Činnosti podnikání Dopravního podniku města Hradce Králové, a. s......................33

5.1 6

Fáze rozhodovacího procesu .............................................................................................35 6.1

Fáze definování .........................................................................................................35

6.2

Fáze analyzování.......................................................................................................35

6.3

Fáze generování ........................................................................................................41

6.3.1

Varianta 1 – Nákup SOLO autobusu na naftu s nižší spotřebou ........................41

6.3.2

Varianta 2 - Nákup KLOUB autobusu na naftu s nižší spotřebou......................42

6.3.3

Varianta 3 – Nákup SOLO autobusu na CNG ....................................................42

6.3.4

Varianta 4 - Nákup KLOUB autobusu na CNG .................................................42

6.3.5

Varianta 5 – Nákup elektrobusu .........................................................................42 Fáze hodnocení .........................................................................................................43

6.4 6.4.1

6.4.1.1

Faktory nákladového typu ...........................................................................44

6.4.1.2

Ostatní faktory .............................................................................................46

6.4.2

6.5

Faktory rizika ......................................................................................................43

Hodnocení jednotlivých variant ..........................................................................50

6.4.2.1

Varianta 1 – Nákup SOLO autobusu na naftu s nižší spotřebou .................50

6.4.2.2

Varianta 2 - Nákup KLOUB autobusu na naftu s nižší spotřebou ..............54

6.4.2.3

Varianta 3 – Nákup SOLO autobusu na CNG.............................................58

6.4.2.4

Varianta 4 - Nákup KLOUB autobusu na CNG ..........................................62

6.4.2.5

Varianta 5 – Nákup elektrobusu ..................................................................65

6.4.2.6

Porovnání variant.........................................................................................69

Fáze rozhodování ......................................................................................................71

Závěr .........................................................................................................................................72 Seznam použitých zdrojů ..........................................................................................................73 Seznam grafů ............................................................................................................................75 Seznam tabulek .........................................................................................................................76 Seznam obrázků ........................................................................................................................77

Seznam použitých zkratek ........................................................................................................ 78 Seznam příloh ........................................................................................................................... 79

Úvod V současnosti, kdy je velká konkurence ve všech oblastech podnikání, je důležité se ještě více zaměřit na plánování budoucnosti podniku, a to zejména v oblasti strategického managementu. Základním cílem strategického managementu je stanovit takové cíle podniku, které mu umožní jeho existenci v budoucnosti. Právě oblast stanovení cílů je velmi úzce spjata s oblastí manažerského rozhodování a řízení. V rámci práce bude řešen rozhodovací problém společnosti Dopravní podnik města Hradec Králové, a. s., který se potýká s problémy v oblasti nákladů. Náklady podniku na provoz městské hromadné dopravy se totiž neustále zvyšují, čímž dochází k nutnosti navýšení jízdného a následné ztrátě cestujících. Celkovým efektem je pak negativní výsledek hospodaření podniku v oblasti městské hromadné dopravy, který musí být vyrovnáván pomocí dotací na krytí ztráty poskytnutých městem a krajem. Diplomová práce bude rozdělena do dvou částí – teoretické a praktické. V teoretické části budou uvedeny obecné poznatky z oblasti manažerského rozhodování. Praktická část nejprve představí podnik, dále pomocí finanční analýzy pomůže zjistit stávající situaci podniku a následně i zvolit vhodné varianty k řešení problému, kterým je zvyšování nákladové oblasti. S ohledem na zvyšující se vliv informačních technologií, bude pro vyhodnocení nejlepší varianty použit software Oracle Crystal Ball, jenž umožní provedení simulace Monte Carlo, která je vhodným nástrojem, při řešení rozhodovacího problému Dopravního podniku města Hradec Králové, a. s. Na základě dosavadních informací o podniku, celosvětové ekonomické situaci a vývoji zejména v oblasti pohonných hmot, si dovoluji vyslovit hypotézu, že cíle, kterým je snížení nákladů při provozování městské hromadné dopravy lze docílit pomocí nákupu nového vozidla se specifickými vlastnostmi. Dále si dovoluji tvrdit, že nejlepší variantou bude nákup autobusu na elektrický pohon.

11

Teoretická část 1

Strategický management a řízení

Strategický management hraje důležitou roli v každém podniku a to zejména v oblasti jeho budoucího rozvoje a konkurenceschopnosti. Profesor Souček1 uvádí, že jde o proces tvorby a implementace rozvojových záměrů, které mají zásadní význam pro vývoj firmy. Obvykle mají dlouhodobý charakter a směřují k vytváření specifických předností firmy, čímž napomáhají k dosažení její celosvětové konkurenceschopnosti. Strategický management je řazen mezi nejsložitější, nejobtížnější a nejrizikovější části řízení podniku. A to i díky tomu, že se jedná o neustále probíhající proces obsahující vytváření a formulaci strategie, její implementaci, hodnocení a kontrolu. Podle Součka2 je strategie základním stavebním kamenem celého strategického managementu. Jedná se totiž o dlouhodobý rámec, který sjednocuje ve firmě její hlavní cíle, priority a aktivity, přizpůsobuje zdroje firmy měnícímu se okolí, zejména zákazníkům, a uspokojuje očekávání zainteresovaných skupin. Součástí strategického managementu je bezpochyby i strategické řízení. To je v knize autorky Grasseové3 charakterizováno jako řízení realizované vrcholovými manažery zahrnující činnosti zaměřené na udržování dlouhodobého souladu mezi posláním organizace, jejími strategickými cíli a disponibilními zdroji a rovněž mezi organizací a vnějším prostředím, v němž organizace působí. Z uvedené definice je patrné, že se jedná o proces s několika fázemi, mezi které řadíme i manažerské rozhodování.

2

Rozhodování

Rozhodnutí není jednoduchou, jednotnou událostí, ale výsledkem komplexního sociálního procesu obecně probíhajícího po delší dobu4. Rozhodování tedy představuje cestu jednotlivých voleb uskutečněných rozhodovateli vedoucích k dosažení strategických cílů,

1

SOUČEK, Z., 2003, s. 25. SOUČEK, Z., 2003, s. 25. 3 GRASSEOVÁ, M., DUBEC, R., ŘEHÁK, D., 2010, s. 16. 4 HERBERT A. S., 1965, s. 31-37. 2

12

tudíž je základem strategického managementu. James H. Donnell5 v knize Management uvádí, že jde o sekvenční proces analyzování a uvažování, jehož výsledkem je rozhodnutí. V zájmu všech rozhodovatelů podniku, a to jak na operativní, tak i na strategické úrovni, je třeba vybírat takové varianty, které pomohou podniku v jeho růstu, stabilizaci či konkurenceschopnosti. Pro shrnutí lze použít myšlenku profesora Blažka6, že rozhodování je volba mezi více variantami chování vedoucí k naplnění určitého cíle. Jak bylo naznačeno, rozhodování probíhá na všech stupních managementu. Důkazem toho je i poznatek Vassilise7, který ve svém článku uvádí, že formální uspořádání firmy (její struktura) má vliv na lidskou interakci a tím jde o nástroj sloužící k zlepšení manažerských rozhodnutí. S ohledem na strukturu společnosti se pak v praxi využívá dvou termínů rozhodnutí programová a neprogramová8. První z nich jsou typická na úrovni operativního managementu, mají spíše nižší význam pro budoucnost podniku, vyskytují se mnohem častěji, a tudíž jsou lépe strukturovaná. Oproti tomu neprogramová rozhodnutí jsou převážně řešena top managementem, jsou velmi úzce svázána s perspektivou společnosti, vyskytují se méně, často nejsou k dispozici veškeré potřebné podklady pro správné rozhodnutí a výsledek jejich řešení má velký význam na další fungování podniku.

2.1 Rozhodování za jistoty V reálném světě existuje jen málo situací, které jsou řazeny do rozhodování za jistoty. Jako názorný příklad lze uvést to, že se rozhodujeme, kterým autobusem pojedeme domů. Víme, že první odjíždí v 10:15 a doma budeme v 12:17 nebo máme druhou variantu, kdy autobus odjíždí v 12:15 a doma budeme až v 14:30. Z uvedeného příkladu je patrné, že známe výsledek rozhodnutí ještě před jeho realizací (pro lepší názornost se nebere v úvahu zpoždění a náhlé okolnosti). Podle Vebera9 se o rozhodování za podmínek jistoty jedná v situaci, kdy rozhodovatel s jistotou ví, který stav světa nastane a jaké budou důsledky variant. V reálném světě a obzvlášť v podnikatelském odvětví takovýto typ rozhodování neexistuje. Příčinou je hlavně to, že rozhodnutí se tvoří pro budoucnost, která je založena na předpokladech z minulých let, a tudíž není stoprocentně známý jejich skutečný vývoj. Jako příklad lze uvést proměnlivost cen pohonných hmot, když je zahrneme jako kritérium pro rozhodování, tak

5 DONNELLY, J. H, GIBSON, J. L., IVANCEVICH, J. M., 1997. s. 166. 6 BLAŽEK, L., 2011. s. 86. 7 VASSILIS M. P., SPYROS, L., CHAMBER, D., 1998. s. 115-147. 8 DONNELLY, J. H, GIBSON, J. L., IVANCEVICH, J. M., 1997. s. 165. 9 VEBER, J., 2000. s. 41.

13

nikdy s jistotou nemůžeme určit, jestli jejich cena opravdu bude stoupat či klesat přesně podle námi předpovídaného scénáře.

2.2 Rozhodování za rizika a nejistoty V průběhu neprogramového rozhodování se bere v úvahu mnoho veličin, které ovlivňují výsledek rozhodnutí. Jedná se zejména o informace o okolních stavech a důsledcích jednotlivých variant. Jako příklad sledovaných veličin lze uvést tržní poptávku, vývoj měnového kurzu, nákupní ceny surovin a mnohé další. Jak je patrné z uvedených příkladů, tak všechny tyto veličiny jsou pouze naším odhadem budoucnosti a nelze s naprostou jistotou říci, že jejich vývoj bude přesně takový, jaký je předpoklad, a proto je většina manažerských rozhodnutí prováděna za podmínek nejistoty či rizika. Profesor Jiří Fotr10 o podmínkách rizika mluví v momentě, když jsou známy budoucí situace (stavy světa) s důsledky variant při těchto stavech a zároveň je známa i pravděpodobnost s jakou jednotlivé stavy světa nastanou. Jedná-li se o podmínky nejistoty, lze říci, že není možné stanovit spolehlivě budoucí vývoj rizikových faktorů a ani nelze s určitostí předpovědět důsledky zvolení jednotlivých možných variant. Odchylky, které nastanou mezi předpoklady a skutečností se označují jako riziko.

2.3 Rozhodovací problém a proces Stephen P. Robbins a Mary Coulter11 píší, že slovo problém je běžně využívané a představuje nějakou překážku, která ztěžuje dosažení požadovaného cíle. Pro oblast rozhodování, kde základním atributem je proces volby, je však lepší definovat slovo problém podle Vebera12 a to jako situaci, kde existuje odchylka mezi žádoucím a skutečným stavem s tím, že důsledky odchylky mají negativní vliv. Výše zmíněný proces volby neboli rozhodovací proces je profesorem Duchoněm13 definován jako výběr z určité množiny alternativ předpokládaných budoucích strategií. Neboli, jak píše profesor Veber14, jedná se o proces, který řeší rozhodovací problémy, tj. problémy s více variantami řešení. Jde o sled více či méně na sobě závislých činností, které lze sloučit

10

FOTR, J., DĚDINA, J., HRŮZOVÁ, H., 2000. s. 20. ROBBINS, S. P., COULTER, M. K., 2009. s. 121. 12 VEBER, J., 2000. s. 34. 13 DUCHOŇ, B., ŠAFRÁNKOVÁ, J., 2008. s. 115. 14 VEBER, J., 2000. s. 34. 11

14

do dílčích skupin a ty se poté nazývají etapy. Jako základní etapy (fáze) rozhodovacích procesů profesor Blažek15 uvádí následující: 1) Fáze definování 2) Fáze analyzování 3) Fáze generování 4) Fáze klasifikace 5) Fáze hodnocení 6) Fáze rozhodnutí Podrobnější definování a vysvětlení jednotlivých etap je uvedeno dále v kapitole 3. Obrázek č. 1: Fáze rozhodovacího procesu

Zdroj: FOTR, Jiří a ŠVECOVÁ Lenka. 2010. str. 24.

2.3.1 Prvky rozhodovacího procesu Prvky mající význam pro rozhodovací procesy jsou cíl rozhodování, kritéria hodnocení, subjekt a objekt rozhodování, stavy světa a varianty rozhodování s jejich důsledky. Jednotlivé prvky jsou definovány níže16: 

Cíl rozhodování je určitý stav společnosti, kterého má být pomocí rozhodování dosaženo.

15 16

BLAŽEK, L., 2011. s. 94. FOTR, J., DĚDINA, J., HRŮZOVÁ, H., 2000. s. 15 – 18.

15



Kritéria hodnocení představují hlediska zvolená rozhodovatelem, která slouží k posouzení vhodnosti jednotlivých variant na základě možnosti jejich dosažení.



Váha kritéria vyjadřuje důležitost daného kritéria ve vztahu k ostatním kritériím.



Hodnota kritéria je kvantifikovaná velikost kritéria.



Subjektem rozhodování (rozhodovatelem) je myšlen subjekt, který provádí rozhodnutí, neboli volí variantu určenou pro realizaci.



Objekt rozhodování se chápe jako oblast organizační jednotky, ve které se formuloval problém, stanovil cíl i jeho řešení a proběhla volba.



Stavy světa (scénáře) jsou budoucí vzájemně se vylučující situace, které mohou po realizaci rozhodnutí nastat a které mají vliv na důsledky této varianty vzhledem k některým kritériím hodnocení.



Varianty rozhodování a jejich důsledky – varianta je možný způsob jednání rozhodovatele, který má vést k řešení problému. Jejími důsledky jsou myšleny předpokládané dopady mající vliv na firmu.



Faktor je veličina mající vliv na to, v jaké míře daná varianta dosáhne cíl.

Fáze rozhodovacího procesu

3

3.1 Fáze definování První fází rozhodovacího procesu je fáze definování, jejíž hlavní podstatou je definování cíle. Ve skutečnosti se však skládá ze dvou na sobě závislých částí. První je opravdu definování cíle neboli stavu, kterého má být dosaženo. Tou druhou je definování problémů, které dosažení žádoucích cílů brání. Při definování cíle se musí dbát na jeho správnou formulaci a to tak, aby byly splněny následující požadavky17:

17



Stanovení s ohledem na současný a budoucí stav objektu i prostředí



Orientování správným směrem



Dostatečné ambice pro využití disponibilních zdrojů



Reálnost, aby se zabránilo riziku nesplnění

BLAŽEK, L., 2011. s. 97.

16

K správné formulaci také dopomáhá použití zásad anglického akronymu SMART, který ukrývá následující náležitosti: Specific = specifický Measurable = měřitelný Acceptable = akceptovatelný Realistic = realizovatelný Timed = časově omezený, termínovaný Jelikož podniky mají obvykle složitou strukturu, tak se většinou vymezuje hned několik cílů najednou. Ty pak mohou mít hierarchické nebo rovnocenné vztahové uspořádání. Při hierarchickém uspořádání platí, že naplnění nižšího cíle vede k dosažení cíle vyššího. Ovšem při rovnocenném uspořádání se mohou vyskytnout níže zmíněné vztahy cílů18: 

Komplementární – naplňování jednoho cíle vede k naplňování cíle druhého



Konkurující – naplňování jednoho cíle brání v naplňování druhého cíle



Neutrální – naplňování jednoho cíle nemá vliv na naplňování cíle druhého

Jednotlivé vztahy mezi cíli jsou velmi důležité a to zejména pro rozhodování. Například víme-li, že podnik má stanoveny dva cíle, prvním je snížení celkových nákladů a druhým zvýšení propagace nového produktu, tak je zřejmé, že cíle si navzájem konkurují a tudíž podnik bude muset své cíle přehodnotit, což mu určitě zabere další čas, proto je nutné při stanovování cílů nezapomínat na jejich vzájemné vztahy a dopady. Finálním výstupem fáze definování by mělo být vymezení cíle, kterého má být dosaženo, a problému, který musí být na cestě k dosažení cíle řešen19.

3.2 Fáze analyzování Fází řadící se za definování je fáze analyzování, jedná se o fázi, kde hlavní náplní je shromažďování a vyhodnocování informací potřebných pro rozhodování. Aby byly informace využitelné, tak musí být splněny následující tři body20: 

Zajištění efektivního získávání informací



Určení vhodného rozsahu informací

18

BLAŽEK, L., 2011. s. 97. BLAŽEK, L., 2011. s. 100. 20 BLAŽEK, L., 2011. s. 100. 19

17



Provedení správné interpretace získaných informací

S efektivitou získávání informací jsou často spojovány následující problémy21: 

Irelevantnost – vypovídající hodnota informací nesouvisí s daným problémem



Nesprávnost či nepřesnost – data jsou zkreslena či upravena pro jiné účely



Nejednoznačnost – stěžuje interpretaci informací

Co se týče rozsahu informací, ten je závislý na nákladech pro jejich získání a na užitku, který nám interpretace informací přinese. Obecně platí, čím více informací, tím lépe, ale je nutné dodat, že tento obecný výrok platí pouze do bodu zlomu neboli optima. V optimu se situace mění a náklady na získávání dalších informací se stávají vyššími než velikost užitku, které nám dodatečné informace přinesou. Shrneme-li ještě poslední požadavek na informace, tak zjistíme, že interpretace informace je závislá na lidském úsudku, který nemusí být vždy správný. Tomu je tak zejména díky skutečnosti, že rozhodnutí se vytváří pro budoucnost, která je nám neznámá, ovšem informace, které nám jsou k dispozici, jsou založeny na minulých zkušenostech a poznatcích a následně přetvořeny do předpokladů, které nám slouží pro rozhodování. Proto je vhodné si při rozhodovacím procesu uvědomovat pravděpodobnostní charakter těchto předpokladů (informací). Při tvoření předpokladů a jejich pravděpodobností se můžeme setkat se dvěma přístupy22: objektivní vyjádření pravděpodobnosti a subjektivní vyjádření pravděpodobnosti. Objektivní vyjádření je založeno na informacích z minulých statistických údajů. Ty jsou ovšem často nedostatečné či mnohdy nedostupné, a proto se volí subjektivní vyjádření pravděpodobnosti, které je založeno na znalostech, informacích, odhadech a přesvědčení jedince, který danou pravděpodobnost vyjadřuje. Z toho je patrné, že platnost subjektivního vyjádření pravděpodobnosti je v časovém ohledu i z hlediska subjektu relativní. Jako výstup fáze analyzování uvádí profesor Blažek23 soubor relevantních, důvěryhodných informací, včetně jejich interpretace, připravených pro využití v dalších fázích rozhodovacího procesu.

21

FOTR, J., DĚDINA, J., 1993. s. 28. FOTR, J., DĚDINA, J., HRŮZOVÁ, H., 2000. s. 60. 23 BLAŽEK, L., 2011. s. 102. 22

18

3.3 Fáze generování Na základě různých studií bylo prokázáno, že k dosažení cíle vede více než jedna možná cesta. Jednotlivé cesty, které vedou k dosažení podnikového cíle, se v manažerském názvosloví nazývají varianty chování. Tedy základním účelem této fáze je stanovení co nejširší škály variant. Při tvorbě variant se často vyskytují následující chyby, které uvádí Fotr24. První chybou je hledání variant a zároveň jejich hodnocení. Tímto způsobem dochází k vyloučení variant ještě v době, kdy nebyly zcela prozkoumány. Druhou chybou je jednostrannost zpracování variant, které znamená, že tvůrce variant se zaměřuje pouze na jeden úhel pohledu a tím se ochuzuje o další možnosti. Posledním problémem je princip satisfakce, který nastává v okamžiku, kdy se člověk spokojí s daným počtem variant, a to ještě v době, kdy nebyly prozkoumány veškeré možnosti. Výše zmíněné chyby se řadí mezi nejčastěji vyskytované, ale rozhodně nejsou chybami jedinými, takže v rámci této fáze je dobré nic neuspěchat a pro tvorbu variant využít některé z metod k tomu určených. Fotr25 ve své publikaci uvádí např.: brainstorming, morfologickou analýzu či rozhodovací stromy. Po skončení této fáze by měl být k dispozici dostatečně široký vějíř námětů, jak dosáhnou stanovený cíl, resp. jak řešit existující problém26.

3.4 Fáze klasifikace Fáze klasifikace je první fází v rámci rozhodovacího procesu, kde dochází ke snižování počtu jednotlivých variant vedoucích k cíli. K selekci se využívá vytřídění a utřídění jednotlivých možností tak, aby byly eliminovány nereálné postupy řešení, popřípadě podobná řešení spojena. Vhodnou metodou pro klasifikaci je metoda ďáblova advokáta27. Vybrané návrhy se následně propracovávají do konečných podob tak, aby výstupem fáze byl soubor variant připravených pro fázi hodnocení28.

24

FOTR, J., DĚDINA, J., HRŮZOVÁ, H., 2000. s. 60. FOTR, J., ŠVECOVÁ, L., 2010. s. 130. 26 BLAŽEK, L., 2011. s. 103. 27 Jedná se o metodu, kde se v rámci diskuze zpochybňují jednotlivé varianty. Více viz. PLAMINEK., J., 2008. s. 112. 28 BLAŽEK, L., 2011. s.. 104. 25

19

3.5 Fáze hodnocení Tato fáze je důležitým prvkem celého rozhodovacího procesu, protože zde dochází k hodnocení a porovnávání jednotlivých možných variant, které zůstaly z předchozích fází. Na základě výsledků z této fáze bude proveden finální výběr varianty za pomoci dříve specifikovaných kritérií, na jehož vysvětlení se nyní blíže zaměříme. Jak píše Fotr29, kritéria jsou úzce spojena s cílem a oblastí, ve které se daného cíle má dosáhnout, na základě tohoto vztahu se člení na kritéria výnosového typu a kritéria nákladového typu. Jak vyplývá z jejich označení, tak u výnosového typu jsou preferované vyšší hodnoty, kdežto u nákladového typu tomu je naopak. Další dělení je založeno na tom, zda lze kritéria vyjádřit slovně či ne. Označením číselně vyjádřitelných kritérií je pojem kvantitativní kritéria. Jejich opakem pak jsou kritéria kvalitativní. S ohledem na praktičnost a zkušenosti získané v praxi mnoha firem, lze konstatovat, že z hlediska ekonomického hodnocení jsou vhodnější kvantitativní kritéria. Je dobré ještě zmínit, že při rozhodování mezi jednotlivými variantami se málokdy stane, že hodnocení dosažení cíle pomocí zvolené varianty může být hodnoceno pouze na základě jednoho kritéria, proto se častěji setkáme s vícekriteriálním hodnocením. Aby bylo toto hodnocení co nejrealističtější, tak je dobré, aby byla jednotlivá kritéria volena s ohledem na jejich operacionalitu30, měřitelnost a neredundanci31. 3.5.1

Metody vícekriteriálního hodnocení

Přednostmi metod vícekriteriálního hodnocení variant podle Švecové32 je možnost posoudit varianty vzhledem k rozsáhlému souboru kritérií. Druhým bodem je, že rozhodovatel je nucen, aby explicitně vyjádřil subjektivní chápání důležitosti jednotlivých kritérií. A posledním,

ne

však

nejméně

důležitým

přínosem,

je

lepší

transparentnost

a reprodukovatelnost i pro ostatní subjekty, kterých se varianty nějakým způsobem dotýkají.

29

FOTR, J., DĚDINA, J., HRŮZOVÁ, H., 2000. s. 16. Jde o jednoznačnost a jasnost kritéria spojenou s plnou srozumitelností pro rozhodovatele. 31 Jde o stav, při kterém důsledky variant řešení vcházejí dohodnocení pouze jednou. 32 FOTR, J., ŠVECOVÁ, L., 2010. s. 163. 30

20

S ohledem na cíl práce a praktickou část jsou nejvyužívanější varianty pro vícekriteriální hodnocení pouze vypsány v následujícím obrázku. Jejich detailnější popis a použití je možno najít v knize Manažerské rozhodování – postupy, metody a nástroje33. Obrázek č. 2: Metody vícekriteriálního hodnocení

Zdroj: FOTR, J., ŠVECOVÁ, L. 2010. str. 179.

3.6 Fáze rozhodování Fáze rozhodování je fází, do které vstupuje více variant, ale jejím výsledkem je varianta pouze jedna, a to výsledná, lépe řečeno taková, která splňuje nejlépe všechny požadavky na dosažení cíle. Důležitým faktorem této etapy rozhodovacího procesu je kvalita vlastního rozhodování. Je potřeba docílit stavu, kdy kvalitnější rozhodování bude dlouhodobě přinášet uspokojivější výsledky než méně kvalitní rozhodování. Tohoto cíle lze podle Vágnera34 docílit tím, že si uvědomíme, co vše kvalitu našeho rozhodování ovlivňuje. Jako příklad následuje několik faktorů. 

Pečlivost, která byla dávána jednotlivým předcházejícím fázím rozhodovacího procesu



Množství a kvalita informací využitých k řešení problému



Míra využití vědomostí managementu podniku rozhodovatelem

Jsou li dodrženy veškeré zmíněné náležitosti, tak výsledkem rozhodovací fáze je nejlepší možná varianta vedoucí k cíli, kterou by podnik měl realizovat a uplatňovat na ni průběžnou kontrolu.

33 34

FOTR, J., ŠVECOVÁ, L., 2010. VÁGNER, I., 2000. s. 198 – 199.

21

3.6.1

Stanovení významnosti rizik

Při identifikaci rizik či rizikových faktorů je podle Fotra se Součkem35 cílem dospět k vyčerpávajícímu souboru faktorů, které by mohly ovlivnit míru dosažení stanovených cílů. Po fázi identifikace rizik přichází na řadu stanovení jejich významnosti. Pro tyto účely jsou využívány následující dvě metody – analýza citlivosti a expertní hodnocení36. Podstata analýzy citlivosti je v tom, že zjišťuje citlivost zvoleného kritéria finančního charakteru na možné změny hodnot faktorů rizika, které toto kritérium ovlivňují, nebo-li jde o to, že stanovuje odchylky rizikových faktorů, které jsou definovány pomocí rozdílů hodnot od hodnot plánovaných. Na základě toho, jestli se odchylka pohybuje v záporných či kladných hodnotách, se určuje, zda se jedná o odchylku pesimistickou či optimistickou. Další rozlišení je založeno na velikosti změny, kde v případě malého rozdílu označujeme rizikové faktory za málo důležité a při velkých změnách naopak za velmi důležité. Expertní hodnocení se využívá v případech, kdy kvantifikované vyjádření je velmi obtížné nebo je zcela nemožné. Nejvyužívanějším nástrojem v této oblasti je matice hodnocení rizik, která slouží jako východisko pro další kroky managementu37. Matice je založena na dvou typech hodnocení poskytnutých pracovníky, kteří nejlépe rozumí oblasti, kam jednotlivé rizikové faktory spadají. První typ hodnocení je pravděpodobnost výskytu rizika a druhý je intenzita dopadu a to jak pozitivní, tak i negativní. Nevýhodou této metody může být až přílišná subjektivita experta či jeho nedostatečná znalost prostředí. Dalším přístupem využívaným v oblasti expertních hodnocení zejména v oblasti rozdělení pravděpodobností pro potřeby simulace je postup, kde dochází k dekompozici rozhodovacího problému,

následně

se

k

jednotlivým

rizikovým

faktorům

přiřadí

vhodný

typ

pravděpodobnostního rozložení a specifikují se odhady jejich parametrů. V rámci simulace se nejvíce používají expertní odhady minima, maxima a nejpravděpodobnější hodnoty. Základní typy pravděpodobnostního rozdělení38:



Rovnoměrné rozdělení – toto rozdělení je vhodné využít za situace, kdy známe maximální a minimální hodnoty, ale neumíme určit, která je pravděpodobnější.

35

FOTR, J., SOUČEK, I., 2011. s. 152. FOTR, J., SOUČEK, I., 2011. s. 158. 37 FOTR, J., SOUČEK, I., 2005. s. 148. 38 HNILICA, J., FOTR, J., 2009. s.101 – 103. 36

22

V rozložení se s opatrností předpokládá stejná pravděpodobnost výskytu. Jde tedy o rozložení, které umožňuje pracovat s intervalem hodnot a ne pouze bodovými odhady. Je ovšem vhodné ho s přibývajícími informacemi nahradit přesnějším rozložením. 

Trojúhelníkové rozdělení – se využívá v momentech, kdy jsme schopni určit minimální, maximální a nejpravděpodobnější hodnotu neboli oproti rovnoměrnému rozdělení tedy umíme určit nejpravděpodobnější hodnotu intervalu. Nedostatkem tohoto rozdělení je to, že přisuzuje větší význam krajním hodnotám než je tomu u ostatních rozdělení.



BetaPERT rozdělení – toto rozdělení je založeno na základech trojúhelníkového rozdělení, takže opět potřebujeme znát minimální, maximální a nejpravděpodobnější hodnotu. Avšak oproti trojúhelníkovému rozdělení hodnoty jsou více koncentrovány kolem nejpravděpodobnější hodnoty a pravděpodobnost krajních bodů klesá více než lineárně.

3.6.2 Vztah rozhodovatele k riziku Dříve než přistoupíme k definování a bližšímu vysvětlení vztahu, který může mít rozhodovatel k riziku, je nutné vysvětlit dva pojmy a to subjektivní pravděpodobnost a objektivní pravděpodobnost. Mluví – li se o objektivní pravděpodobnosti, pak se myslí pravděpodobnost, která je vyčíslena na základě výsledků dlouholetých experimentů či je vypočtena z minulých statistických údajů. Jak již bylo uvedeno v předchozích částech, tak manažerské rozhodování je velice složitý proces s cíli v budoucnosti, a proto se častěji využívá pravděpodobnosti subjektivní. Ta je Fotrem39 definována jako míra osobního přesvědčení subjektu (manažer, expert) ve výskyt určitého jevu či události. Postoj rozhodovatele k riziku si lze vysvětlit na následujícím příkladě40. Předpokládejme výběr ze dvou variant. První vede s pravděpodobností 50 % k zisku 10 mil. Kč a opět s 50 % pravděpodobností k nulovému zisku, a druhá varianta vede se 100 % jistotou k zisku 5 mil. Kč. Po provedení výpočtu zjistíme, že očekávané hodnoty u obou variant se rovnají. A právě v této situaci postoj rozhodovatele k riziku ovlivní výběr varianty.

39 40

FOTR, J., ŠVECOVÁ, L., 2010. s. 218. FOTR, J., ŠVECOVÁ, L., 2010. s. 241.

23



Rozhodovatel s averzí k riziku – volí nejméně rizikové varianty (v našem případě druhou variantu)



Rozhodovatel se sklonem k riziku – volí varianty rizikové, které mají potenciál vyššího výnosu (v našem případě první variantu)



Rozhodovatel s neutrálním postojem k riziku – averze a sklon k riziku jsou v rovnováze (v našem případě jsou pro něj obě varianty stejně výhodné)

Jednotlivé případy je možno zobrazit v grafu, který je založen na předpokladu mezního užitku a jeho změně v závislosti na postoji rozhodovatele k riziku. Obrázek č. 3: Klesající funkce užitku u nákladového kritéria

Zdroj: FOTR, J., ŠVECOVÁ, L. 2010. str. 245.

Z obrázku plyne, že uživatel s averzí k riziku přisuzuje jakékoli hodnotě nákladového kritéria vyjma maxima a minima vždy větší užitek než uživatel se sklonem k riziku. Co se týče marginálního užitku, tak ten u rozhodovatele s averzí k riziku klesá (přírůstek kritéria o stejnou hodnotu vede k stále nižšímu přírůstku užitku, neboli se stává méně cenným). U rozhodovatele se sklonem k riziku je tomu přesně naopak a u rozhodovatele s neutrálním postojem k riziku je marginální užitek konstantní. Pro úplné pochopení obrázku je nutno uvést, že grafické zobrazení vyobrazuje jednorozměrnou funkci užitku, neboli vyobrazuje pouze postoj k riziku z hlediska daného kritéria hodnocení, nikoli celkový postoj rozhodovatele k riziku.

24

3.6.3 Pravidla rozhodování za rizika V praxi se určitě setkáme s mnoha pravidly, metodami, které lze využít pro rozhodování v rizikových situacích, ale jelikož to není hlavní náplní této práce, tak přiblížíme pouze vybraná pravidla. Pro rozhodování za rizika můžeme využít např.: pravidlo očekávané hodnoty41. Základem tohoto pravidla je výpočet očekávaných hodnot zvoleného kritéria hodnocení rizikových variant. Výsledné kritérium vybereme z hodnotově seřazených výsledků, ale musíme brát ohled na typ kritéria. Pro výnosové kritérium bude nejlepší nejvyšší varianta, kdežto pro kritérium nákladové ta nejnižší. Toto pravidlo může být doplněno ještě o rozptyl, který zachycuje odlišnou míru rizika jednotlivých variant. Dalším využitelným pravidlem je první pravidlo stochastické dominance 42, které je vhodné pro využití, když rozdělení pravděpodobnosti kritéria hodnocení je nesymetrické. V takovém případě ho může použít každý, kdo preferuje vyšší hodnoty výnosového kritéria před nižšími. Pravidlo je založeno na hustotě pravděpodobnosti a distribuční funkci rizikových variant. 3.6.4 Pravidla rozhodování za nejistoty Tato pravidla lze použít v situacích, kdy neznáme rozdělení pravděpodobnosti kritéria hodnocení rizikových variant. Mezi nejznámější patří: 

Pravidlo maximinu



Pravidlo maximaxu



Laplaceovo pravidlo



Hurwiczovo pravidlo



Savageovo pravidlo

Ze stejného důvodu jako v podmínkách rizika budou vysvětlena pouze dvě z nich. Pravidlo maximinu, které je typické pro pesimistický přístup rozhodovatele k riziku a Savageovo pravidlo, kde se využívá odchylek a následně i pravidla minimaxu43. O ostatních je možno se dočíst v publikaci profesora Fotra44.

41

FOTR, J., ŠVECOVÁ, L., 2010. s. 325. FOTR, J., ŠVECOVÁ, L., 2010. s. 335 43 KROPÁČ, J., 2004. s. 20. 44 FOTR, J., ŠVECOVÁ, L., 2010. 42

25

Základem pravidla maximinu45 je to, že pro každou rizikovou variantu se stanoví nejnižší hodnota kritéria přes jednotlivé rizikové situace. Varianty se následně uspořádají podle klesajících hodnot řádkových minim. Optimální variantou pak je ta, pro kterou nabývají řádková minima maximální hodnoty. Typickým uživatelem tohoto pravidla je rozhodovatel s averzí k riziku, protože se zde volí varianta, která vede při nejvíce nepříznivých okolnostech k nejvyššímu zisku. Další metoda Savageovo pravidlo je založeno na ztrátách, které mohou nastat tím, že volba rizikové varianty nebyla optimální vzhledem k rizikové situaci, která po této volbě nastala. Jednotlivé ztráty se stanoví jako rozdíl mezi optimální variantou za dané situace a ostatními variantami. Vyčíslené ztráty se uspořádají vzestupně podle dílčích maxim a následně se vybere ta s nejnižší hodnotou. Tato varianta je poté považována za variantu optimální.

3.7 Model a simulace Jak bylo nastíněno v průběhu práce, tak rozhodování za rizika je velmi složitým procesem, který je ne vždy možno zachytit přesně se všemi detaily a právě proto se často využívá modelů a simulací. 3.7.1

Model

Podle inženýra Dlouhého46 je model zjednodušené zobrazení systému pomocí verbálních pravidel, matematických rovnic, obrázků či grafů. Jednodušeji řečeno jde o zjednodušení reality. Obrázek č. 4: Model jako zjednodušení reality

Zdroj: FÁBRY, J. 2011. s. 9.

45 46

FOTR, J., DĚDINA, J., HRŮZOVÁ, H., 2000. s. 187. DLOUHÝ, M., 2001. s. 6.

26

Při vytváření modelu je důležité brát ohled na47: 1. Přílišné zjednodušení modelu může vést ke zkreslení modelu a výsledky analýzy budou díky tomu nereálné. 2. Pokud se budeme snažit o zachycení veškerých detailů, povede to k neproveditelnosti analýzy. Proto je důležité při sestavování modelů vždy mít na zřeteli cíl, ke kterému je model určen a najít kompromis mezi věrnou kopií a proveditelností analýzy. Modely se v teorii často dělí na následující skupiny, které si blíže představíme48: 

Deterministické X Stochastické



Statické X Dynamické



Mikroekonomické X Makroekonomické

Z pohledu dostupných informací rozlišujeme deterministické a stochastické modely. O první skupinu se jedná v případě, že model má povahu zákonitostí, jež při dodržení určitých předpokladů a podmínek vždy platí, neboli jak uvádí Kritzman49, tak existuje fixní vtah mezi vstupy a výstupy. Příkladem může být např. zatmění měsíce, které je spjato s určitým chováním Země a pokud toto chování Země bude vykazovat, tak zatmění 100 % nastane. Oproti

tomu

v oblasti

stochastických

modelů

se

některé

hodnoty

řídí

zákony

pravděpodobnostního charakteru. V případě zohlednění ukazatele času rozdělujeme modely na statické a dynamické. O dynamické modely se jedná v případě, kdy důležitou roli zastává čas. Kdežto u statických modelů tomu tak není. Posledním námi zmíněným dělením je dělení podle velikosti systému, který popisují. Zde pak rozlišujeme modely mikroekonomické, týkající se především firem a domácností, a modely makroekonomické, které se zaměřují na oblast celého národního hospodářství.

47

FÁBRY, J., 2011. s. 9. FÁBRY, J., 2011. s. 13. 49 KRITZMAN, M., 1993. s. 17. 48

27

3.7.2

Simulace

Simulací rozumíme napodobování určitého systému a sledování jeho vývoje v čase. Podle definice Dlouhého50 se jedná o numerickou metodu studia složitých pravděpodobnostních dynamických systémů pomocí experimentování s počítačovým modelem. Celý proces simulace je často členěn do následujících částí51: 1. Stanovení cíle analýzy 2. Identifikace všech podstatných částí systému a probíhajících procesů 3. Vytvoření simulačního modelu 4. Ladění modelu 5. Spuštění simulace a analýzy výsledků 6. Provádění simulačních experimentů

4

Simulace metodou Monte Carlo

Z výše zmíněných poznatků je zřejmé, že pokud existuje více rizikových faktorů, tak bez ohledu na to, zda se jedná o diskrétní či spojité faktory, je vyhodnocení pomocí scénářů jako nástroje analýzy rizika velmi obtížné, téměř nereálné. A právě proto se v těchto případech využívá simulace Monte Carlo. Základy této metody byly položeny Stanislawem Ulamem a Johnem von Neumannem na sklonku 2. světové války. Jak uvádí Fotr52, tak se jedná o metodu, jejíž podstatou je generování velkého počtu scénářů a propočet kritérií hodnocení pro každý scénář, což pak umožní stanovit rozdělení pravděpodobnosti podle těchto kritérií pro posuzované rizikové varianty. Jako předpoklady pro využití této metody Blažek53 uvádí následující:

50



matematický vztah mezi faktory rizika a hodnotou kritéria



znalost horní a dolní meze neboli intervalu, kde se hodnota může vyskytovat



známost rozdělení pravděpodobnosti těchto hodnot

DLOUHÝ, M., 2001. s. 6. FÁBRY, J., 2011. s. 140. 52 FOTR, J., ŠVECOVÁ, L., 2010. s. 287. 53 BLAŽEK, L. 2011. s. 136. 51

28

U metody Monte Carlo využívané pro investiční projekty dochází často k identifikaci následujících kroků54: 

Tvorba finančního modelu a zpracování jeho programu



Určení klíčových faktorů rizika



Stanovení rozdělení pravděpodobnosti faktorů rizika



Stanovení statistické závislosti faktorů rizika



Realizace simulace a interpretace výsledků

4.1 Tvorba finančního modelu Jelikož v praktické části této práce se budeme pohybovat v oblasti financí, kde budeme chtít pomocí simulace vyhodnotit, která varianta vede ke snížení nákladů neboli navýšení hospodářského výsledku společnosti, tak i zde se budeme věnovat sestavení modelu z této oblasti. Jak je uvedeno v předchozí kapitole, tak prvním krokem v rámci simulace Monte Carlo je tvorba finančního modelu. Při zpracování modelu musíme mít na paměti vždy cíl, kterého chceme pomocí simulace dosáhnout, dále také to, že model bude zpracovávat celou dobu života projektu, a nesmíme také zapomenout zvážit míru agregovanosti modelu. Při sestavování modelu je důležité stanovit konečnou veličinu, která bude posuzována s ohledem na dosažení cíle. Jak uvádí Fotr55, tak ve většině finančních modelů je analyzován hospodářský výsledek, a tak tomu bude i v naší praktické části. Před tím, než začneme vytvářet finanční model, je vhodné si vytvořit kognitivní mapu, popřípadě i influenční diagram. Kognitivní (myšlenková) mapa56 nám pomáhá lépe si představit závislosti mezi jednotlivými proměnnými. V níže uvedeném obrázku šipky znázorňují směr závislosti a znaménka typ závislosti, kdy + označuje přímou závislost a – nepřímou.

54

HNILICA, J., FOTR, J., 2009. s. 71 - 72. FOTR, J., SOUČEK, I., 2011. s. 215. 56 FOTR, J., SOUČEK, I., 2011. s. 216. 55

29

Obrázek č. 5: Kognitivní mapa

Zdroj: FOTR, J., SOUČEK, I., 2011. s. 216.

4.2 Determinace klíčových faktorů V rámci této kapitoly, která popisuje další fázi simulace Monte Carlo, popíšeme jak správně určit klíčové faktory modelu. Podle Fotra57 klíčové faktory představují ty vstupní veličiny, které významně ovlivňují nejistotu výstupů simulace v podobě kritérií hodnocení. Z definice lze vyvodit, že se bude jednat zřejmě o takové faktory, které jsou značně nejisté, a na jejichž změny jsou výstupy simulace značně citlivé. Právě proto krok determinace klíčových faktorů navazuje na analýzu citlivosti. Je ovšem nutné zdůraznit, že konečné slovo o tom, které faktory budou zařazeny mezi klíčové, má autor modelu. Ten musí zohlednit právě množství těchto faktorů s ohledem na stanovený cíl a čas simulace.

4.3 Stanovení rozdělení pravděpodobnosti faktorů rizika V této části simulace jde o stanovení rozdělení pravděpodobnosti faktorů rizika sloužící k zobrazení nejistoty těchto faktorů. Rozdělení pak charakterizuje pravděpodobnost výskytu hodnot

faktorů

rizika

v rámci

určitého

intervalu

pravděpodobnostního rozložení lze využít dvou způsobů58: 

57 58

Zpracování statistických dat

FOTR, J., SOUČEK, I., 2011. s. 219 – 220. FOTR, J., ŠVECOVÁ, L., 2010. s. 288.

30

těchto

hodnot.

Pro

stanovení



Využití expertních odhadů

V reálném světě mnohdy nejsou historická data dostupná nebo jejich získání je velmi nákladné. Zde se pak přistupuje k tzv. subjektivnímu rozdělení pravděpodobnosti, které využívá osobní názory. Při této variantě se volí typ teoretického rozdělení a následně se odhadují jeho parametry.

4.4 Stanovení statistické závislosti faktorů rizika Z praxe je známo, že některé faktory rizika mohou záviset na jiných rizikových faktorech a proto je nelze generovat nezávisle na sobě. Statistická závislost faktorů může mít dvě formy59: 

Párová závislost – jedná se o závislost mezi dvěma faktory rizika. Jako příklad lze uvést provázanost teploty a prodeje zmrzliny. Čím vyšší je teplota, tím vyšší je prodej zmrzliny. Z uvedeného příkladu je zřejmé, že hodnoty musí být generovány společně, což umožňuje jejich koeficient korelace60.



Časová závislost – s časovou závislostí se setkáme pouze v případě dynamického kritéria. Jde o situaci, kdy hodnota vygenerovaná pro první období může ovlivnit hodnotu sledovaného kritéria v dalším období, jedná se např. o kritérium čisté současné hodnoty.

U obou typů závislosti se rozlišuje dále závislost přímá a nepřímá. O přímou závislost se jedná v případě, kdy vyšší hodnota jednoho faktoru se častěji vyskytuje s vyššími hodnotami druhého faktoru. Kdežto u nepřímé závislosti se vyšší hodnoty jednoho faktoru často vyskytují s nižšími hodnotami druhého faktoru. Stanovení korelačních koeficientů je pro simulaci podstatné, protože při špatném stanovení či jeho opomenutí můžeme získat nespolehlivé výsledky. Korelační koeficient lze sestavit pomocí korelační analýzy, která je založena na historických datech nebo obdobně jako u rozdělení pravděpodobnosti pomocí expertních názorů.

59

HNILICA, J., FOTR, J., 2009. s. 224. Jedná se o parametrický statistický test zjišťující, jak těsný je vztah proměnných a jaký má směr (kladný nebo záporný). 60

31

4.5 Realizace simulace a interpretace výsledků simulace Ještě před zahájením vlastní simulace je potřeba udělat finální krok, kterým je výběr výstupní veličiny. Ta má obvykle charakter nějakého kritéria hodnocení v podobě finančních ukazatelů. Co se týče vlastní realizace, tak ta je prováděna pomocí specializovaných programů61, které vše během několika minut nasimulují (vygenerují hodnoty rizikových faktorů na základě jim přiřazeného rozdělení pravděpodobnosti) a poskytnou výsledky, a to jak v grafické, tak číselné podobě.

4.6 Výhody a nevýhody simulace Monte Carlo Jako každá metoda, tak i simulace Monte Carlo je v reálném světě spojována s různými výhodami i nevýhodami. Jejím hlavním přínosem je to, že přispívá ke zvýšení kvality hodnocení a výběru finančních projektů. Nejčastěji uváděná pozitiva62: 

Zvažování kombinovaných dopadů rizik (jak negativních, tak pozitivních)



Možnost zjistit celkový rozsah možných výsledků projektu, čímž poskytuje celkový obraz o riziku projektu



Možnost stanovit kvantitativně pravděpodobnost dosažení/nedosažení stanovených cílů



Možnost stanovení významnosti rizik a tím umožnění vedení podniku orientovat se na tyto rizika

Nejčastěji uváděná negativa63: 

Pracnost a složitost při stanovování rozdělení pravděpodobnosti a závislosti faktorů



Nemožná předvídatelnost budoucího vývoje kritérií na podkladech z minulosti a současnosti

I přes to, že simulace Monte Carlo má svá negativa, tak se jedná o jednu z nejvyužívanějších metod v rámci hodnocení variant strategického rozhodnutí, a právě i z tohoto důvodu byla zařazena do této práce a bude následně využita i v následující praktické části.

61

V praktické části bude využit program Crystal Ball. FOTR, J., SOUČEK, I., 2011. s. 248. 63 FOTR, J., SOUČEK, I., 2011. s. 248. 62

32

Praktická část 5

Představení podniku

První obdoba dopravního podniku byla založena v říjnu 1928 pod názvem Autodráhy města Hradce Králové. V roce 1949 byly Autodráhy začleněny do Sdruženého komunálního podniku, kde setrvaly až do roku 1989, kdy se staly podnikem státním. V průběhu tohoto období byly přejmenovány na Dopravní podnik města Hradce Králové64. Posledním důležitým milníkem je pak datum 1. 9. 1997, kdy je podnik od státu převeden do akciové společnosti s jediným vlastníkem, kterým je Město Hradec Králové. Pro bližší poznání společnosti je zde uvedeno několik základních číselných údajů pro rok 2012: 

Počet zaměstnanců: 430



Základní kapitál: 713 004 000 Kč



Obrat: 366 128 000Kč



VH po zdanění: 1 016 000 Kč

5.1 Činnosti podnikání Dopravního podniku města Hradce Králové, a. s. Hlavní podnikatelskou činností podniku je provozování městské hromadné dopravy65 ve městě Hradci Králové a jeho přilehlém okolí. V oblasti této činnosti je podnik velmi omezen požadavky vlastníka a dále zákonem č. 111/1994 Sb., o silniční dopravě a zákonem č. 266/1994 Sb., o drahách. V návaznosti na tato fakta, je v oblasti své hlavní podnikatelské činnosti ztrátovým podnikem. Jelikož poskytování MHD patří mezi veřejné zájmy, tak ztráta vzniklá právě z této činnosti je krytá dotacemi od města a státu. Vedle městské hromadné dopravy DPMHK poskytuje i několik vedlejších činností, mezi které spadá66: 

Autoškola – činnost vyučování řízení motorových vozidel, školení řidičů



Externí opravy – činnost opravy motorových vozidel a mytí vozidel

64

Dále jen DPMHK. Dále jen MHD. 66 Převzato z výroční zprávy Dopravního podniku města Hradce Králové, a.s. 65

33



Výroba městského mobiliáře – činnost zámečnictví, provádění staveb, jejich změn a odstraňování, inženýrská činnost ve stavebnictví



Reklama – reklamní a propagační činnost



Služby KONDIC – činnosti provozování ubytovacího zařízení, provozování tělovýchovných zařízení a zařízení sloužících k regeneraci a rekondici, holičství, kadeřnictví, masérské služby



Prodej nafty – prodej nafty externím zákazníkům



Zájezdová doprava – smluvní nepravidelná přeprava



Provoz Terminálu Hromadné dopravy – zvyšuje komfort, informovanost, bezpečnost cestujících a dopravců provozujících městskou, příměstskou a dálkovou dopravu.



Provozování Turistického hradeckého vláčku

Pro lepší představu o výnosnosti jednotlivých činností jsou zde uvedeny následující dvě tabulky zachycující velikost tržeb za jednotlivé podnikatelské aktivity a celkové výsledky hospodaření za hlavní činnost a vedlejší činnosti jako celek. Tabulka č. 1: Tržby za vlastní výkony a za prodej zboží podle jednotlivých činností v tis. Kč Hlavní činnost: hromadná doprava Reklama Autoškola Výroba městského mobiliáře Externí opravy Zájezdová doprava KONDIC Čerpací stanice Terminál HD

2008 129 277 9 235 3 121 8 190 6 142 23 035 3 366 11 131 6 880

2009 121 310 8 695 3 206 5 271 6 599 21 243 2 323 8 862 13 933

2010 121 601 7 429 3 825 3 562 7 565 19 646 2 072 10 713 14 581

2011 120 883 6 781 3 650 1 595 6 617 21 823 1 925 11 545 15 343

2012 125 402 6 399 2 847 820 5 949 20 805 704 9 079 15 835

2011 297 298 296 429 -869 68 135 71 838 3 703 1 631 368 267

2012 304 303 300 722 -3 581 61 539 65 407 3 868 -1 016 366 128

Zdroj: Vlastní tvorba na základě finančních výkazů DPMHK, a. s.

Tabulka č. 2: Náklady a výnosy hlavní činnosti a ostatních činností

MHD Ostatní činnosti CELKEM

v tis. Kč Náklady Výnosy67 Výsledek hospodaření Náklady Výnosy Výsledek hospodaření Výsledek hospodaření Celkový obrat

2008 343 512 320 066 - 23 446 51 956 65 602 13 646 - 70 372 398 300

2009 377 198 361 977 -15 221 44 066 57 182 13 116 -4 759 433 585

2010 224 185 235 428 11 243 44 066 57 182 13 116 12 457 306 819

Zdroj: Vlastní tvorba na základě finančních výkazů DPMHK, a.s.

67

Do výnosů jsou již započteny dotace poskytnuté na úhradu prokazatelné ztráty.

34

Data vyobrazená v tabulce dokazují, že podnik se sice pohybuje v kladných číslech, ale při detailnějším pohledu je patrné, že rentabilita obratu je nízká, což svědčí o tom, že podnik nedokáže efektivně využít svou majetkovou bázi.

6

Fáze rozhodovacího procesu

6.1 Fáze definování Rozhodovací problém, kterému v současnosti čelí DPMHK, spadá do kategorie špatně strukturovaných problémů. Jeho řešení je v kompetenci vedení společnosti s tím, že finální schválení bude probíhat i za účasti zástupců města Hradce Králové, jakožto jediného vlastníka společnosti. Rozhodovací problém se nachází ve finanční oblasti a jeho záměrem je docílit nižší závislosti na dotacích v oblasti provozování MHD a tím tak přispět hlavnímu strategickému cíli podniku, kterým je zvýšení celkové ziskovosti MHD. Tato oblast je specifická zvláště díky velkému počtu omezení a to nejen zákony, ale i dohodami mezi dopravcem a městem. Proto k dosažení tohoto cíle bude potřeba zvážit mnoho faktorů z různých oblastí podniku, které mohou mít vliv na dosažení stanoveného cíle. S ohledem na jednotlivé poznatky o fungování podniku, jeho organizační struktuře a možnostech, byl jako hlavní kritérium hodnocení vybrán kvantitativní ukazatel – Náklady na místokilometr u MHD. Tento ukazatel zohledňuje obsazenost (kapacitu) vozu a ujeté kilometry, umožňuje tak vyhodnotit veškeré nákladové položky, které se mění s jednotlivými variantami. Ukazatel se u stávajících vozidel pohybuje na úrovni 0,50 Kč/km, takže jakákoli nižší hodnota bude pro podnik znamenat úspory. Avšak varianta s nejnižší dosaženou hodnotou bude nejvýhodnější, jelikož bude nejvíce přispívat k dosažení celopodnikového cíle.

6.2 Fáze analyzování V této části bude provedena zkrácená finanční analýza, která se zaměří hlavně na oblasti, které jsou důležité z hlediska řešeného problému. Bude se jednat zejména o oblast výkonové spotřeby, která již z předchozích analýz vyšla jako vhodná položka pro redukci z pohledu nákladů. Dále se zaměřím na oblast osobních nákladů, cen a spotřeby pohonných hmot, s tím, že celkový pohled na podnik, mi ještě pomůže doplnit přehled o době využitelnosti jednotlivých vozidel a analýza výnosových položek.

35

Jak jsem uvedla výše, tak podstatou problému je snížení závislostí na přijímaných dotacích sloužících na pokrytí ztráty z provozování MHD. Dotace s tím spojené jsou získávány na základě smlouvy na veřejné služby a úhradu prokazatelné ztráty z provozu městské hromadné dopravy. Smlouva je uzavřena mezi Statutárním městem Hradec Králové a Dopravním podnikem města Hradce Králové, a.s. na období několika let. Každý rok je k této smlouvě uzavřen dodatek, který předem stanovuje výši dotace na krytí ztráty. Výše této sumy je fixně vázána na předem stanovené ujeté kilometry, které vychází z poznatků jízdních řádů. Vývoj obdržených dotací a tržeb za prodej vlastních výrobků a služeb je zobrazen na následujícím grafu. Graf č. 1: Vývoj dotací a tržeb za prodej vlastních výrobků a služeb

Tržby X Dotace 180 000 160 000 140 000 Tržby za prodej vlastních výrobků a služeb

tis. Kč

120 000 100 000 80 000

Dotace

60 000 40 000 20 000 0 2008

2009

2010

2011

2012

Zdroj: Vlastní tvorba na základě finančních výkazů D PMHK, a.s.

Z grafu je vidět téměř stagnující trend v tržbách za prodej vlastních výrobků a služeb, které jsou v tomto případě synonymem pro tržby z provozování MHD68. Naproti tomu u dotací je možno zaznamenat trend rostoucí, s tím, že je nutné také zmínit fakt, že jejich výše přesahuje ve všech letech hodnotu tržeb. Lze tedy shrnout, že vyobrazená data dokumentují situaci, kdy podnik drží příjmy z oblasti MHD na stejné úrovni, ale zároveň zvyšuje využití dotací, čímž na nich prohlubuje svou závislost. Zde je nutné uvést poznámku, že tomu je tak, hlavně díky zvyšování výdajů v oblasti nákladů způsobené zejména zdražováním pohonných hmot. Na tuto situaci se DPMHK, a. s. snaží reagovat zvyšováním jízdného, které ovšem nelze kvůli

68

Konkrétně jsou zde zahrnuty tržby za jízdné, pokuty a vydané městské karty.

36

negativním ohlasům provádět každoročně. Proto v rámci rozebíraného období bylo provedeno navýšení cen pouze mezi roky 2010 a 2011, kdy se jízdné v průměru navýšilo o 9 %. Další navýšení proběhlo na začátku letošního roku 2014, kdy byly navýšeny o 2 - 3 Kč jednotlivé papírové jízdenky s tím, že ostatní tarify zůstaly na nepozměněné úrovni. Nyní se ještě detailněji podívám na složení tržeb MHD, které mi pomohou dokreslit celkový pohled na situaci podniku a lépe tak pochopit jednotlivé procesy a jejich vztah k nákladové oblasti a cíli práce. Z podkladů a pohovorů poskytnutých vedením firmy vyplynulo, že tržby jsou závislé na ročním objemu prodaných jízdenek a jejich ceně. S tím, že mezi oběma veličinami je silná korelace – změní-li se cena, mění se i objem prodeje jízdenek. Bohužel DPHMK tuto korelaci nijak nesleduje a v praxi využívá pouze odhadů založených na zkušenostech expertů. Proto jsou zde uvedeny pouze základní tarify jízdného a jejich objem prodeje v roce 2012. Tabulka č. 3: Tarify jízdného a objem jejich prodeje v roce 2012 Typ jízdenky69

Objem prodeje v ks

Tržby v Kč (bez DPH)

Měsíční

54 204

16 158 331

3 – měsíční

12 509

9 112 474

Roční + 10-ti měsíční

9 340

18 844 220

Jednotlivé papírové jízdenky

-

17 423 443

Jízdenky u řidiče

-

20 484 193

SMS jízdenky

-

1 388 951

Úhrady z elektronické peněženky

-

29 914 702

Zdroj: Vlastní tvorba na základě finančních výkazů D PMHK, a.s.

Potom, co jsem rozebrala oblast příjmů, se nyní podívám na oblast výdajů. Již na základě rozhovorů s vedením podniku a také z poznatků dříve vypracovaných finančních analýz, se jako nejvhodnější oblastí pro redukci nákladů jeví oblast výkonové spotřeby, kterou dále blíže analyzuji.

69

V tabulce jsou sečteny prodeje jak plného, tak zlevněného jízdného, a to z obou jízdních pásem.

37

Následující graf zachycuje vývoj nákladů na MHD v posledních pěti letech. Když pominu výkyvy v letech 2008 a 2009, které byly způsobeny vytvořením a následným rozpuštěním rezervy na obchodování s dluhopisy, tak lze sledovat stagnující trend ve vývoji nákladů s výkyvem v roce 2010, který byl zapříčiněn rozpuštěním rezervy k bankovní záruce ve sporu se společností Strabag a. s., která stavěla Terminál hromadné dopravy. Celkové náklady vynaložené na MHD jsou po celé sledované období tvořeny ze 45 % osobními náklady a z 30 % náklady z oblasti výkonové spotřeby. Graf č. 2: Vývoj nákladů na MHD

Náklady na MHD 400 000 350 000 300 000 tis. Kč

250 000

Náklady MHD

200 000 Náklady MHD bez dluhopisů

150 000 100 000 50 000 0 2008

2009

2010

2011

2012

Zdroj: Vlastní tvorba na základě finančních výkazů DPMHK, a.s.

Vezmou-li se v úvahu osobní náklady, lze zjistit, že během sledovaného období 2008 – 2012 se průměrná výše osobních nákladů pohybovala kolem částky 82 986 303 Kč včetně sociálního a zdravotního pojištění, z toho 65 % byly náklady na řidiče autobusů a zbylých 35 % tvořily náklady na řidiče trolejbusů. V průběhu téhož období se počet řidičů vychýlil od svého průměru 232 maximálně o 5 řidičů. Co se týče fluktuace, tak ta je u řidičů nejvyšší v prvních třech měsících po nástupu do zaměstnání. S ohledem na požadavek zachování obslužnosti města pomocí MHD, kterého není možno dosáhnout s nižším počtem řidičů, lze konstatovat, že snížení osobních nákladů je velmi obtížné.

38

Druhá položka, kterou je výkonová spotřeba, je pro snížení vhodnější a to zejména díky skladbě dílčích nákladů, které v ní lze najít. Průměrné procentní složení jednotlivých položek nákladů v rámci výkonové spotřeby je vyobrazeno v následujícím grafu70. Graf č. 3: Procentní skladba výkonové spotřeby

Složení výkonové spotřeby 2%

3%

12%

palivo pneu ostatní materiál 54%

27%

trakční energie režijní energie teplo

2% Zdroj: Vlastní tvorba na základě finančních výkazů DPMHK, a.s.

Je zřejmé, že největší položkou s 54 % je palivo, které je bezpochyby nejdůležitějším prvkem pro provozování MHD. Druhou položkou s 27 % jsou náklady na ostatní materiál, kam spadají náhradní díly. Trakční energie, která je využívána pro obsluhu trolejbusů, zaujímá se svými 12 % třetí místo. Ostatní položky jsou pro naši analýzu z pohledu velikosti zanedbatelné. Z poznatků této části lze shrnout, že nejvyšší podíl na nákladech výkonové spotřeby mají energie potřebné pro provoz MHD. Jak bylo uvedeno v části analýzy dotací, tak ujeté kilometry jsou určeny dohodou mezi městem a DPMHK na základě stanovených jízdních řádů, tudíž jejich změna je velmi obtížná. Totéž je možné říci i o spotřebě na kilometr, která závisí na typu vozidla a provozovatelem je ovlivnitelná pouze v době nákupu nového dopravního prostředku. Z tohoto důvodu největší vliv na výši nákladů v oblasti pohonných hmot a trakční energie má jejich cena, která je ovlivňována celosvětovým děním.

70

V grafu jsou vynechány náklady na vodu a plyn, které v průměru tvořily méně než 1 % výkonové spotřeby.

39

Z následující tabulky je patrný vývoj cen pohonných hmot a trakční energie. Je zde viditelný neustálý nárůst ceny nafty a kolísavý vývoj ceny trakční energie. U trakční energie je cena ovlivněna i skutečností, že DPMHK odebírá tuto energii ve spojení s dalšími subjekty města, čímž získává výhodnější cenu. Tabulka č. 4: Vývoj cen pohonných hmot a trakční energie 2008

2009

2010

2011

2012

Nafta (Kč/l)71

31,74

26,10

30,57

34,25

36,46

Trakční energie (Kč/kWh)72

2,60

3,05

2,96

3,05

2,74

Zdroj: Vlastní tvorba

Poslední oblastí, na kterou se v rámci analýzy MHD zaměřím, je využitelnost a nákup nových dopravních prostředků. DPMHK měl za posledních pět let v provozu průměrně 98 autobusů a 34 trolejbusů. Standardní doba využitelnosti jednoho stávajícího dopravního prostředku, aniž by byly výrazně zvýšeny náklady na jeho provoz, je 15 let a DPMHK ročně nakupuje průměrně 6 nových vozů MHD73. Co se týče pořizovacích cen jednotlivých vozidel, tak ty jsou odvozeny od typu vozidla a výrobce. DPMHK nakupuje vozy MHD od firem Škoda electric, Iveco Czech Republic a SOR Libchavy. Průměrná pořizovací cena autobusů je 5 500 000 Kč. U trolejbusů se pořizovací cena pohybuje okolo 9 700 000 Kč. Níže zobrazená tabulka zachycuje počty vozidel v jednotlivých letech. Tabulka č. 5: Počty dopravních prostředků v jednotlivých letech 2008

2009

2010

2011

2012

Autobusy

99

101

101

96

95

Trolejbusy

37

35

31

37

36

Celkem

136

136

136

133

131

Zdroj: Vlastní tvorba

Shrnutím základních a nejdůležitějších poznatků, získaných provedením finanční analýzy, jsem došla k závěru, že nejlepší oblastí vhodnou pro redukci závislosti na dotacích je opravdu

71

Jsou uvedeny roční průměrné ceny. Dostupné na: . 72 Uvedené ceny jsou ročními průměry využívanými DPMHK, a. s. v analyzovaných letech. 73 V průměrné hodnotě jsou zohledněny i výkyvy v nákupech z důvodu čerpání grantu na obnovu dopravních prostředků pro MHD.

40

výkonová spotřeba obsahující náklady na pohonné hmoty. S tím, že je vhodné ji spojit s oblastí obnovy vozového parku DPMHK, který v pravidelných intervalech přináší možnost změny v typu a značce dopravního prostředku.

6.3 Fáze generování V dalších částech práce se zaměřím hlavně na varianty vedoucí ke snížení nákladů na provozování MHD. K této skutečnosti jsem přistoupila po zjištění, že DPMHK nedisponuje žádnou evidencí z oblasti fluktuace cestujících v závislosti na změně ceny. Bez obdobné databáze je totiž nemožné určit přesný dopad změn v oblasti ceny jízdného na celkovou výši tržeb. A protože vytvoření takové databáze by trvalo několik let, rozhodla jsem se hledat místa k šetření v nákladových položkách, které také vedou ke zvýšení zisku z MHD a tudíž i ke snížení závislosti na dotacích. Na základě výše uvedených předpokladů a výsledků finanční analýzy se zaměřím zejména na hledání úspor v oblasti pohonných hmot a nákupu typově odlišných dopravních prostředků. V této oblasti se nám nabízí hned několik možných variant. Mezi základní varianty patří nákup autobusu na alternativní pohon jako je například CNG či elektrická energie. Další možností je nákup autobusu s nižší spotřebou nafty na 100 kilometrů. Konkrétní jednotlivé varianty jsou představeny v následujících podkapitolách. 6.3.1 Varianta 1 – Nákup SOLO74 autobusu na naftu s nižší spotřebou První variantou je nákup jiného typu SOLO autobusu, který i nadále bude využívat jako palivo naftu, ale jeho spotřeba na sto kilometrů bude nižší. Mezi výhody této varianty patří využitelnost již postavené čerpací stanice na pozemcích DPMHK a také kontaktů pro dodávání pohonných hmot pro tuto čerpací stanici. Naopak nevýhodou nejspíše bude vyšší pořizovací cena a zajisté nutnost změny dodavatele autobusu, čímž podnik ztratí výhody z dlouhodobé spolupráce s dodavatelskou firmou. Co se týče výhod a nevýhod spojených se skutečností, že se jedná o SOLO autobus, tak ty jsou následující. Mezi výhody se řadí nižší provozní náklady, naproti tomu negativem je nižší kapacita cestujících. Výše zmíněné vlastnosti spojené právě s délkou autobusu, lze ovšem zefektivnit při vhodném přiřazení autobusu na linku.

74

Jedná se o klasický třídveřový autobus.

41

6.3.2

Varianta 2 - Nákup KLOUB75 autobusu na naftu s nižší spotřebou

Druhá varianta se od první liší pouze typem nakupovaného autobusu, kde se v tomto případě jedná o kloubový autobus s vyšší kapacitou pro přepravované osoby, což je ovšem spojeno s vyššími provozními náklady, které je však opět možno eliminovat nasazením autobusu na více exponované linky MHD. Co se týče výhod a nevýhod spojených s palivem či pořizovací cenou, tak ty jsou stejné jako u první varianty. 6.3.3

Varianta 3 – Nákup SOLO autobusu na CNG

Třetí varianta se opět zaměřuje na nákup nového SOLO autobusu s tím, že by se tentokrát jednalo o vozidlo na CNG76. Výhodou této varianty je nižší cena plynu, nižší sazba u spotřební daně díky zákonu č. 261/2007 Sb., o stabilizaci veřejných rozpočtů a také možnost získání dodatečných dotací od plynárenských společností na pořízení nového vozidla. Nevýhodami je tankování u externího poskytovatele CNG, což sebou přinese nejen více ujetých kilometrů a nutnost přesného časového plánování, ale také náklady spojené s uzavíráním nové dodavatelské smlouvy a jistě i ztrátu z využití vlastní naftové stanice. Co se týče kladů a záporů spojených se skutečností, že se jedná o krátký autobus, tak ty jsou stejné jako v první variantě. Jsou zde nižší provozní náklady na kilometr a s tím spojená nižší kapacita autobusu. Vše je opět možné vyřešit pomocí nasazení autobusu na méně vytěžovanou linku. 6.3.4

Varianta 4 - Nákup KLOUB autobusu na CNG

Tato varianta je velmi podobná třetí variantě. Hlavním rozdílem je délka autobusu, která sebou opět přináší vyšší provozní náklady na kilometr, ale i vyšší kapacitu pro cestující. Ostatní výhody a nevýhody týkající se CNG pohonu zůstávají totožné s těmi u předchozí varianty. 6.3.5

Varianta 5 – Nákup elektrobusu

Poslední navrhovanou variantou je opět nákup autobusu s jiným typem pohonu, tentokrát jde o elektrický motor. Mezi výhody této varianty lze zařadit jeho ekologičnost, nižší provozní náklady a skutečnost, že elektřina je řazena mezi obnovitelné zdroje. Lze tedy uvést, že elektrobus spojuje výhody autobusu a trolejbusu. S trolejbusem má společný úsporný

75 76

Jedná se o kloubový autobus. Jedná se o stlačený zemní plyn využívaný jako palivo pro motorová vozidla.

42

provoz a šetrnost k životnímu prostředí při současné svobodě pohybu, kterou mají autobusy. Naproti tomu nevýhodami jsou nutnost instalace rychlonabíjecí stanice, aby elektrobus byl schopen zvládnout celodenní provoz bez omezení. Dále je to nutnost zaškolení mechaniků na nový typ vozidla a v neposlední řadě i vyšší pořizovací cena. Zde je však předpoklad, že v budoucnu s rozšířením výroby se bude pořizovací cena snižovat. S ohledem na kapacitu se jedná o krátký autobus typu SOLO, který je zatím jediným vyráběným typem. Jak je vidět, tak všechny výše zmíněné varianty jsou založeny na nákupu nového vozidla, které by pozitivním způsobem ovlivnilo náklady v oblasti výkonové spotřeby a následně tak přispělo k celkovému zvýšení zisku z provozování MHD. To, která varianta je pro dosažení daného cíle nejvhodnější, nám pomůžou stanovit následující části rozhodovacího procesu.

6.4 Fáze hodnocení 6.4.1 Faktory rizika Před samotnou fází hodnocení je nutné nejprve identifikovat, popsat jednotlivá rizika a určit vztahy mezi nimi. Seznam rizik uvádí následující tabulka. Tabulka č. 6: Rizikové faktory Rizikový faktor

Jednotka

Rizikový faktor

Spotřeba paliva na vozový kilometr

l(kg)/vzkm

Servisní náklady na vozový kilometr

Kč/vzkm

Cena paliva

Kč

Mzdové náklady na vozový kilometr

Kč/vzkm

Dynamika růstu ceny paliva

%

Režijní náklady na vozový kilometr

Kč/vzkm

Ujeté kilometry

tis. km

Kapacita autobusu

osoby

Pořizovací cena autobusu

tis. Kč

Dotace na pořízení autobusu

Jednotka tis. Kč

Zdroj: Vlastní tvorba na základě HNILICA, J., FOTR, J., 2009. s. 162.

Nyní následuje detailnější popis jednotlivých rizikových faktorů, který je proveden na základě minulých finančních rozborů podniku, jeho finančních výkazů a také na rozhovoru s ekonomickým náměstkem DPMHK a vedoucí ekonomického úseku. Pro upřesnění je potřeba dodat, že všechny uvedené hodnoty jsou bez daně z přidané hodnoty.

43

6.4.1.1 Faktory nákladového typu Spotřeba paliva na kilometr je nákladovým faktorem mající vliv na volbu varianty, a to hlavně kvůli faktu, že každá varianta se liší právě ve zvoleném palivu a tudíž i v jeho ceně. Proto se jednotlivé hodnoty pro faktor spotřeby paliva bude volit na míru dané variantě s ohledem na stanovené normy typu autobusu a zkušenosti zaměstnanců DPMHK. Přehled stanovených hodnot BetaPERT rozložení, které bylo vybráno na základě vývoje minulých podnikových dat, je uveden níže v tabulce. Pro variantu 5 je potřeba pro období šesti měsíců přičíst náklady 0,94 Kč/km, které jsou využity na topení, kde jako pohon slouží nafta. Tabulka č. 7: Hodnoty BetaPERT rozložení pro jednotlivé varianty Minimální hodnota

Nejpravděpodobnější hodnota

Maximální hodnota

Varianta 1

0,40 l/km

0,41 l/km

0,43 l/km

Varianta 2

0,50 l/km

0,51 l/km

0,54 l/km

Varianta 3

0,32 kg/km

0,35 kg/km

0,42 kg/km

Varianta 4

0,33 kg/km

0,45 kg/km

0,60 kg/km

Varianta 5

0,83 kWh/km + 6/12

0,91 kWh/km + 6/12 *0,94

0,94 kWh/km + 6/12

*0,94 Kč/km

Kč/km

*0,94 Kč/km

Zdroj: Vlastní tvorba

Servisní náklady na vozový kilometr jsou opět charakterizovány na základě jednotlivých variant, protože náklady na opravy a pneumatiky, které jsou v této položce zařazeny, se liší nejen podle typu paliva, ale i podle typu vozidla. Na základě zkušeností v podniku bylo zvoleno BetaPERT rozložení. Vstupní hodnoty pro naftové autobusy a elektrobus byly zvoleny na základě interních údajů DPMHK o servisních nákladech. Údaje pro CNG autobusy byly zadány podle poskytnutých informací od Dopravního podniku města Pardubic.

44

Tabulka č. 8: Hodnoty BetaPERT rozložení pro servisní náklady Minimální hodnota

Nejpravděpodobnější hodnota

Maximální hodnota

Varianta 1

3,47 Kč/km

5, 43 Kč/km

6,57 Kč/km

Varianta 2

4,35 Kč/km

8,22 Kč/km

11,35 Kč/km

Varianta 3

3,21 Kč/km

5,03Kč/km

5,92 Kč/km

Varianta 4

4,05 Kč/km

7,52 Kč/km

10,76 Kč/km

Varianta 577

1,64 Kč/km

2,74 Kč/km

5, 34 Kč/km

Zdroj: Vlastní tvorba

Režijní náklady na vozový kilometr skrývají hlavně náklady na mytí, energie, administraci a údržbu budov. U prvních čtyř variant se tyto náklady neliší, tudíž vstupní hodnoty BetaPERT rozložení budou pro všechny stejné, a to s minimem 11,25, maximem 12,80 a nejpravděpodobnější hodnotou 11,98. U varianty s elektrobusem jsou pro první dva roky navýšeny režijní náklady a to z důvodu větších administrativních nákladů na jejich evidenci. Hodnoty pro první dva roky budou oproti ostatním variantám navýšeny o 10%. U dalšího rizikového faktoru, kterým jsou mzdové náklady lze konstatovat, že se liší jen v závislosti na typu autobusu. Bude tedy rozlišována sazba pro SOLO a KLOUB. V DPMHK je využívána pro řidiče tarifní hodinová mzda, kterou podnik na základě ujetých kilometrů a dalších interních údajů přepočítává právě na náklad vedený v Kč/km. Tarif je meziročně zvyšován v průměru o tři procenta, která jsou stanovena v odborové smlouvě. Pro simulaci využijeme normálního rozložení, které nám pomůže zachytit drobné výkyvy ve mzdách během roku. Jako prvotní hodnoty budou využity údaje z roku 2013, které budou v souladu s předpokladem zvyšování mezd, ročně zvyšovány o 3 %. Tabulka č. 9: Hodnoty normálního rozložení mzdových nákladů Střední hodnota

Směrodatná odchylka

SOLO

9,87

±2%

KLOUB

9,92

±2%

Zdroj: Vlastní tvorba

77

Vypsané údaje odpovídají hodnotám ve zkušebním období tj. září 2013 – březen 2014.

45

6.4.1.2 Ostatní faktory Rizikový faktor ujetých kilometrů je závislý na podnětech města a jednotlivých cestujících, a to jak z důvodu změny linky, tak i změny jízdního řádu. S ohledem na varianty řešení problému, kde hodnotíme přínos jednoho nakoupeného autobusu a snažíme se eliminovat dopad negativních faktorů jednotlivých variant spojených s kapacitou autobusu, pro simulaci budeme předpokládat, že autobus je nasazen na pro něj nejvhodnější linku s ohledem na dojezdovou vzdálenost, vytíženost linky a omezení spojená s palivem78. Kloubové autobusy budou nasazeny na linku č. 23, která spojuje dvě předměstí a je tudíž nejexponovanějším spojem. Solo autobusy budou nasazeny na linku č. 25 a to hlavně kvůli lepšímu porovnání mezi variantami, jelikož elektrobus je zatím možno nejefektivněji využívat právě na této lince. S ohledem na nasazení autobusů na vhodné linky (schéma linek je v příloze č. 1) bude u každé varianty existovat jiný interval ročně ujetých kilometrů. U dopravních prostředků na CNG byl navýšen počet ročně ujetých km o 5 000 km, a to kvůli nutnosti dojíždět na čerpací stanici mimo areál DPMHK, a.s. Pro všechny simulace ovšem využijeme rovnoměrného rozložení, protože je velmi obtížné přesně odhadnout ročně ujeté kilometry, a to zejména kvůli výlukám, servisním prohlídkám, ale i díky měnícím se požadavkům města či cestujících. Tabulka č. 10: Hodnoty rovnoměrného rozložení pro jednotlivé varianty Minimální hodnota

Maximální hodnota

Varianta 1 + 5

210 000 km

218 000 km

Varianta 2

299 000 km

302 200 km

Varianta 3

215 000 km

223 000 km

Varianta 4

304 000 km

307 200 km

Zdroj: Vlastní tvorba

Cena paliva je rizikovým faktorem, který se u jednotlivých variant bude lišit výrazněji, a proto opět budeme rozlišovat jednotlivé základní hodnoty a typy využitého rozložení podle paliva využitého u dané varianty.

78

Tato skutečnost byla ovlivněna rozhovorem s vedením podniku, které uvažuje o nasazení elektrobusu právě na linku č. 25. U kloubových autobusů byla také vybrána konkrétní linka, a to s ohledem na vytíženost přepravní kapacity.

46



Varianta 1 a 2 - zde je palivem nafta, tudíž cena souvisí s celosvětovým vývojem ceny ropy, která je úzce spojena s predikcemi o zásobách ropy na jednotlivých nalezištích, ale i s politickým vývojem v zemích, kde ropná naleziště leží. Složení jednotlivých vlivů na cenu nafty a jejich trend je patrný na následujícím grafu79.

Obrázek č. 6: Faktory vývoje cen nafty

Zdroj: Převzato ze stránek České národní banky

S ohledem na vývoj grafu a současnou situaci pro výpočet v nultém roce stanovíme cenu nafty na úrovní průměrné ceny za rok 2013, která měla hodnotu 36,50 Kč, s tím, že nárůst zohledníme pomocí dynamiky růstu ceny. 

Varianta 3 a 4 – v tomto případě je palivem CNG, jehož cena je spojena s vývojem celosvětové ceny ropy, olejů, černého uhlí a také s vývojem kurzu amerického dolaru k české koruně80. Dalšími faktory ovlivňující cenu zemního plynu jsou zásoby zemního plynu a jejich poloha. Většina nalezišť zemního plynu se nachází na území Blízkého východu, Ruska a Norska, což znamená, že přístupnost k plynu je závislá na tamní politické situaci, která je v současné době velmi nevyzpytatelná a tudíž může negativně ovlivnit vývoj ceny CNG. Naproti tomu, co se týče zásob, tak zde je pozitivní předpoklad v jejich zvyšování, tudíž klesá tlak na zvyšování ceny CNG. Jako počáteční hodnota byla vybrána průměrná cena v roce 2013, jejíž hodnota byla

79

Dostupné na: . 80 Převzato ze stránek společnosti RWE.

47

24,90 Kč/kg, a která bude při simulaci násobena faktorem dynamiky růstu cen, tak aby byl zachován dosavadní vývoj v cenách. 

Varianta 5 – tady je pohonem trakční energie, jejíž vývoj je ovlivňován mnoha faktory např.: výrobní kapacitou, počasím, druhem paliva, politickým vývojem atd. Je však nutné zdůraznit, že vývoj cen se výrazně odlišuje stát od státu, v České republice v poslední době převládá klesající trend a cena se za posledních pět let pohybovala v rozmezí 2,74 – 3,05 Kč/kWh. Pro výpočet této varianty využijeme normální rozložení se střední hodnotou 2,77 Kč/kWh, což je hodnota na konci roku 2013, a směrodatnou odchylkou ± 10%.

Dynamika růstu cen zobrazuje předpoklady pro zvyšování cen jednotlivých paliv. S ohledem na riziko bude tento faktor násoben hodnotou (1-w), kde w má pro varianty 3 - 5 normální rozložení se střední hodnotou 0 a směrodatnou odchylkou ± 10 %. Pro varianty 1 a 2 bude z důvodu nevyzpytatelnějších predikcí směrodatná odchylka na úrovni ± 20 %. Konkrétní hodnoty jsou zvoleny za pomocí minulého vývoje jednotlivých cen vyobrazeného na následujícím grafu. Graf č. 4: Vývoj cen jednotlivých druhů pohonných hmot

Zdroj: CNG +. Vývoj cen pohonných hmot

Vývoj CNG má po vyobrazenou dobu standardní tempo růstu ceny a je tudíž ponecháno na stejné úrovni i pro další období. U nafty je nejprve zřejmá rychle se zvyšující cena, která následuje po prudkém poklesu trvajícím od roku 2007. V roce 2012 se cena nafty dostane až na hodnotu 36 Kč/l kolem, které po zbytek analyzovaného období osciluje. Vývoj trakční 48

energie není v grafu vyobrazen, ale na základě smluvních cen DPMHK, a. s. a vývoji cen elektrické energie, byl vytvořen předpoklad i pro tuto variantu, který má mírně klesající trend. Jelikož vývoj cen je úzce spjat s mnoha faktory, které byly uvedeny výše, tak se při jejich predikci musí brát ohled na skutečnost, že pravděpodobnost uskutečnění predikcí je nízká a s delším časovým horizontem se ještě snižuje. Tabulka č. 11: Hodnoty růstu u jednotlivých pohonných hmot 1

2

3

4

5

Nafta

1%

1,5 %

1,5 %

2,5 %

2%

CNG

0,03 %

0,03 %

0,03 %

0,03 %

0,03 %

-3%

-2%

- 1,5 %

-1 %

-1 %

Elektřina Zdroj: Vlastní tvorba

Pořizovací cena autobusu neboli počáteční investice je fixním faktorem, který se výrazně liší, variantu od varianty, a tudíž u každé budeme využívat jiné vstupní hodnoty. Konkrétní hodnoty81 jsou vypsány v následující tabulce. S pořizovací cenou jsou úzce spjaty dotace poskytnuté státem nebo firmami na pořízení ekologických vozidel. Tyto dotace se mění podle typu paliva, proto u každé varianty uvádíme nejvyšší aktuálně možnou dotaci pro koupi daného typu vozidla. Náklady na nákup vozidla a i dotace budou rovnoměrně rozděleny na celou dobu využitelnosti vozidla na základě rovnoměrných odpisů, které podnik využívá. Tabulka č. 12: Pořizovací ceny autobusů jednotlivých variant a dotace na jejich nákup Pořizovací cena

Dotace na nákup vozidla

Varianta 1

4 300 000 Kč

-

Varianta 2

6 450 000 Kč

-

Varianta 3

5 500 000 Kč

200 000 Kč

Varianta 4

9 050 000 Kč

200 000 Kč

Varianta 582

8 000 000 Kč

-83

Zdroj:Vlastní tvorba

81

Jde o pořizovací ceny zjištěné v prezentaci firmy SOR Libchavy. Dostupné na: . 82 V pořizovací ceně je zahrnuta i cena jedné nabíjecí stanice potřebné pro dobíjení vozidel. 83 Lze získat dotaci pouze z Evropských fondů, ta je však nejistá. V zákonech ČR zatím elektrobus není zařazen mezi ekologicky šetrná vozidla, jejichž nákup by byl podporován dotacemi. Hlavním důvodem je, že se jedná o novinku.

49

Plánovací období neboli investiční doba byla stanovena na 15 let, a to zejména z důvodu, že DPMHK po toto období odepisuje nově pořízené dopravní prostředky MHD a využívá je pro podnikatelskou činnost. Kapacita autobusu je dána technickými parametry jednotlivých autobusů. Výrobce často nabízí možnost výběru ze dvou variant či drobnější úpravy dle požadavků podniku. Pro lepší a přesnější porovnání jednotlivých variant budeme obsazenost (kapacitu) autobusu brát pro všechny SOLO autobusy na úrovni 70 osob a pro autobusy typu KLOUB na úrovni 120 osob. K této skutečnosti bylo přistoupeno na základě zjištění, že v podniku používají právě výše zmíněná čísla k vyjádření nákladů na místokilometr a to u všech vozidel, aby bylo možno porovnat přesněji výhodnost používání jednotlivých vozidel. 6.4.2

Hodnocení jednotlivých variant

V rámci fáze hodnocení byl využit software Oracle Crystal Ball, který pomohl provést simulaci Monte Carlo, na základě jejichž výsledků budou jednotlivé varianty hodnoceny a následně i porovnávány tak, aby byla vybrána ta nejvhodnější pro dosažení stanoveného cíle. Při porovnávání bude brána v úvahu i skutečnost, že dosavadní celkové náklady jsou 0,50 Kč/místokm, což dohromady za 15 let činí 7,5 Kč/km. Celý model s konkrétními vzorci a propočty je součástí elektronické Přílohy A. S ohledem na zvolené kritérium - Náklady na místokilometr u MHD, která je nákladového typu, a vlastnosti programu, které jsou naopak strukturovány pro výnosové položky, je potřeba si uvědomit, že interpretace zejména u grafu citlivosti bude mít opačné tendence vyplývající přímo z obrázku. Pro lepší pochopení způsobu interpretace bude její postup detailněji uveden u první varianty. 6.4.2.1 Varianta 1 – Nákup SOLO autobusu na naftu s nižší spotřebou Tato varianta je charakterizována využitím krátkého autobusu na naftu. S tím jsou spojena rizika v nestabilním a těžce předvídatelném vývoji ropy, který je zohledněn pomocí normálního rozložení u rizikového faktoru dynamika růstu ceny paliva, kde je směrodatná odchylka oproti ostatním variantám navýšena na ± 20 %. Analýza citlivosti V1 V rámci simulace Monte Carlo byla pomocí softwaru Oracle Crystal Ball provedena i analýza citlivosti. Ta mi pomohla určit citlivost kritéria – náklady na místokilometr na jednotlivé 50

rizikové faktory. Pro každý faktor byl vypočítán 5 % a 95 % kvantil vlivu na hodnotu kritéria. V následujícím grafu je znázorněno pět nejvíce ovlivňujících faktorů pro první variantu. Délka obdélníku u jednotlivých rizikových faktorů udává velikost změny u celkové hodnoty kritéria (červené barvy pro pozitivní změnu a modré pro negativní). Konkrétně se jedná o servisní náklady, dynamiku ceny, režijní náklady, spotřebu paliva a mzdové náklady. Graf č. 5: Tornádo graf V1 V1 - CELKOVÉ NÁKLADY za 15 let

9,70

9,80

9,90

10,00

10,10

V1 - Servisní náklady 4,498497346

V1 - Dynamika ceny

10,20

10,30

6,039647392

0,256310313

-0,256310313 Downside

V1 - Režijní náklady

V1 - Spotřeba paliva

V1 - Mzdové náklady

11,6053077

0,404590831

9,844368969

12,39002512

Upside

0,419333701

9,895631031

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Následující tabulka doplňuje údaje tornádového grafu. Jsou zde zobrazeny hodnoty kritéria varianty v závislosti na změně jediného faktoru, které zpřesňují informace k faktorům, ke kterým je hodnotící kritérium nejvíce citlivé. Úplný rozsah celkových nákladů na místokilometr mezi kvantilem 5 % a 95 % je nejvyšší u servisních nákladů, kde dosahuje hodnoty 0, 33 Kč/místokm. Dalšími faktory s významnými rozsahy jsou dynamika ceny, kde je hodnota 0,29 Kč/ místokm, následují režijní náklady a spotřeba paliva. Téměř zanedbatelný je v tabulce poslední vyobrazený faktor – mzdové náklady, který dosahuje pouze hodnoty 0,01 Kč/místokm. 51

Druhá část tabulky označená jako input zobrazuje minimální a maximální hodnoty dosažené u jednotlivých vstupních hodnot v rámci simulace. Tabulka č. 13: Tabulka k tornádo grafu V1 V1 - CELKOVÉ NÁKLADY za 15 let Kvantily 5 % a 95 % Variable Downside Upside Range V1 - Servisní náklady 9,84 10,17 0,33 V1 - Dynamika ceny 10,16 9,88 0,29 V1 - Režijní náklady 9,93 10,10 0,17 V1 - Spotřeba paliva 9,96 10,09 0,13 V1 - Mzdové náklady 10,01 10,02 0,01

Input Minimální a maximální hodnoty Downside Upside Base Case 4,50 6,04 5,33 -0,26 0,26 0,00 11,61 12,39 11,99 0,40 0,42 0,41 9,84 9,90 9,87

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Další možností, jak graficky znázornit míru vlivu faktorů na kritérium je pomocí pavučinového grafu. Ten pomocí pěti bodů z intervalu 5 – 95 % a sklonu přímek jimi proložených zachycuje právě onen vliv na hodnotící kritérium, čím je křivka plošší, tím nižší vliv má dané kritérium. Co se týče směru sklonu, tak pozitivní sklon v rámci této simulace signalizuje, že snížení hodnoty rizikového faktoru bude mít pozitivní dopad na celkové hodnotící kritérium. Jedinou výjimku tvoří křivka dynamiky ceny, která nese charakteristiku výnosového typu, což znamená, že zaujímá opačný sklon než ostatní rizikové faktory. Výsledky pro první variantu jsou zachyceny v následujícím grafu. Graf č. 6: Pavučinový graf pro V1

V1 - CELKOVÉ NÁKLADY za 15 let 10,20

10,10 V1 - Servisní náklady V1 - Dynamika ceny

10,00

V1 - Režijní náklady V1 - Spotřeba paliva

9,90

V1 - Mzdové náklady 9,80 10,0%

30,0%

50,0%

70,0%

90,0%

Percentiles of the variables

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

52

Stejně jako to mu bylo u tornádového grafu, tak i pavučinový graf je doplněn tabulkou, která vyobrazuje hodnoty pro jednotlivé kvantily vyobrazené v pavučinovém grafu pomocí zvýrazněných bodů. Tabulka č. 14: Tabulka k pavučinovému grafu V1 Variable V1 - Servisní náklady V1 - Dynamika ceny V1 - Režijní náklady V1 - Spotřeba paliva V1 - Mzdové náklady

10,0% 9,84 10,16 9,93 9,96 10,01

V1 - CELKOVÉ NÁKLADY za 15 let 30,0% 50,0% 70,0% 9,94 10,02 10,09 10,08 10,02 9,96 9,98 10,02 10,05 9,99 10,02 10,05 10,01 10,02 10,02

90,0% 10,17 9,88 10,10 10,09 10,02

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Následující graf zachycuje příspěvek jednotlivých faktorů k celkovému rozptylu rozdělení kritéria. Konkrétně pro tuto variantu je patrné, že první dva faktory dosahují příspěvku k celkovému rozptylu 81,7 %. S ohledem na nákladové hodnotící kritérium je vhodné připomenout, že interpretace výsledků má opačné tendence. Neboli je potřeba graf interpretovat, jako by byl stranově převrácený. Konkrétně zde je interpretace následující: klesající servisní náklady budou mít pozitivní vliv a stejně tak u dynamiky ceny, kde nižší hodnoty budou mít pozitivnější dopad na hodnotící kritérium. Graf č. 7: Graf citlivosti jednotlivých faktorů V1

Zdroj:Vlastní tvorba na základě výstupu Crystal Bal l

53

Základní hodnota celkových nákladů na místokilometr za 15 let je 10,38 Kč/místokm. Co se týče interpretace grafu pravděpodobnostního rozdělení nákladů na místokilometr u první varianty, tak to je následující. Náklad na místokilometr v rámci varianty nabývá střední hodnoty

10,02

Kč/místokm,

mediánu

10,02

Kč/místokm,

směrodatné

odchylky84

0,18 Kč/místokm, variačního koeficientu85 0,0183, šikmosti - 0,0498 a špičatosti 2,87. Graf č. 8: Pravděpodobnostní rozdělení V1

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Celkové náklady u této varianty se vždy pohybují nad 7,50 Kč/místokm, takže je očividné, že tato varianta bude nákladnější než v současnosti podnikem praktikovaná varianta. 6.4.2.2 Varianta 2 - Nákup KLOUB autobusu na naftu s nižší spotřebou U této varianty je opět jako palivo využita nafta, takže i zde je oproti zbývajícím variantám navýšena odchylka u normálního rozložení rizikového faktoru dynamika růstu ceny paliva na ± 20 %. Významnou odlišností oproti první variantě je vyšší kapacita, sloužící pro výpočet místokilometrů, a to 120 osob. Dále je to také nasazení na jiné jízdní lince, která zvyšuje počet najetých kilometrů a zároveň nejvíce přibližuje využitelnost autobusu k optimu.

84 85

Směrodatná odchylka vyjadřuje rozptyl hodnot kolem střední hodnoty. Variační koeficient zachycuje a následně číselně vyjadřuje míru relativního rozptýlení dat.

54

Analýza citlivosti V2 U druhé varianty jako faktor s nejvyšším vlivem vyšly servisní náklady následované dynamikou ceny, která dosahuje stejných hodnot jako v první variantě, což je způsobeno tím, že zadávané hodnoty byly u obou variant shodné. Graf č. 9: Tornádo graf V2 V2 - CELKOVÉ NÁKLADY za 15 let

6,20

V2 - Servisní náklady

V2 - Dynamika ceny

6,40

6,60

6,80

7,00

6,30651767

7,20

9,8429747

0,256310313

-0,256310313 Downside

V2 - Spotřeba paliva

0,504489398

0,523355615

V2 - Režijní náklady

11,6053077

12,39002512

V2 - Mzdové náklady

9,894368969

Upside

9,945631031

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Tabulka č. 15: Tabulka k tornádo grafu V2 V2 - CELKOVÉ NÁKLADY za 15 let Kvantily 5 % a 95 % Variable Downside Upside Range V2 - Servisní náklady 6,51 6,95 0,44 V2 - Dynamika ceny 6,84 6,64 0,21 V2 - Spotřeba paliva 6,69 6,79 0,10 V2 - Režijní náklady 6,69 6,79 0,10 V2 - Mzdové náklady 6,73 6,74 0,01

Input Minimální a maximální hodnoty Downside Upside Base Case 6,31 9,84 8,13 -0,26 0,26 0,00 0,50 0,52 0,51 11,61 12,39 11,99 9,89 9,95 9,92

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

55

Faktor s nejvýraznějším vlivem v rámci kvantilu 5 – 95 % zobrazený ve výše vložené tabulce jsou servisní náklady s 0,44 Kč/místokm. Dalším významnějším faktorem je dynamika ceny s rozsahem 0,21 Kč/místokm. Ostatní faktory z tabulky již nedosahují výrazného vlivu na kritérium. Doplňující poznatky k analýze citlivosti přináší i následný pavučinový graf, který pomocí sklonu přímek zobrazuje míru vlivu jednotlivých faktorů. Graf č. 10: Pavučinový graf pro V2 V2 - CELKOVÉ NÁKLADY za 15 let 7,00

6,90

6,80

V2 - Servisní náklady V2 - Dynamika ceny V2 - Spotřeba paliva

6,70

V2 - Režijní náklady V2 - Mzdové náklady 6,60

6,50 10,0%

30,0%

50,0%

70,0%

90,0%

Percentiles of the variables

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Lepší představu o hodnotách jednotlivých bodů pomůže vytvořit následující tabulka. Tabulka č. 16: Tabulka k pavučinovému grafu V2 Variable V2 - Servisní náklady V2 - Dynamika ceny V2 - Spotřeba paliva V2 - Režijní náklady V2 - Mzdové náklady

10,0% 6,51 6,84 6,69 6,69 6,73

V2 - CELKOVÉ NÁKLADY za 15 let 30,0% 50,0% 70,0% 6,64 6,74 6,83 6,78 6,74 6,69 6,72 6,74 6,76 6,72 6,74 6,76 6,73 6,74 6,74

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

56

90,0% 6,95 6,64 6,79 6,79 6,74

Oproti první variantě se téměř zdvojnásobil příspěvek u servisních nákladů. Nyní dosahuje celých 77 % s tím, že pozitivního vlivu dosahuje svým snižováním. Dynamika ceny se naopak o polovinu snížila a má 16 %. Dohromady tedy první dva faktory zaujímají 93 %. Graf č. 11: Graf citlivosti jednotlivých faktorů V2

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

U druhé varianty nabývá náklad na místokilometr základní hodnoty 6,73 Kč/místokm, střední hodnoty

6,74

Kč/místokm,

mediánu

6,74

Kč/místokm,

směrodatné

odchylky

0,19 Kč/místokm, variačního koeficientu 0,0282, šikmosti - 0,0398 a špičatosti 2,62. Dále je patrné, že veškeré hodnoty se pohybují v intervalu s minimem v 6,03 Kč/místokm a maximem 7,36 Kč/místokm, z čehož vyplývá, že tato varianta dosahuje nižších celkových nákladů než dosavadní provoz MHD, a tudíž bude v závěrečné části práce porovnána s ostatními variantami, tak aby mohla být určena ta nejlepší.

57

Graf č. 12: Pravděpodobnostní rozdělení V2

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

6.4.2.3 Varianta 3 – Nákup SOLO autobusu na CNG Třetí varianta je charakteristická využitím CNG jako paliva. S tím se pojí skutečnost, že dynamika ceny je po celé období konstantní, což se u ostatních paliv říci nedá. Dalším důležitým faktorem jsou ujeté kilometry, kde je ročně interval navýšen o 5 000 km, kvůli nutnosti jezdit čerpat palivo mimo zázemí DPMHK, a. s. Před vlastní interpretací výsledků považuji za vhodné ještě připomenout, že jde o autobus typu SOLO na lince č. 25. Analýza citlivosti V3 I zde byl vypočítán 5 % a 95 % kvantil vlivu faktoru na hodnotu kritéria. Jako tři nejvýznamnější byly vyhodnoceny servisní náklady, spotřeba paliva a režijní náklady.

58

Graf č. 13: Tornádo graf V3 V3 - CELKOVÉ NÁKLADY za 15 let

7,90

8,00

8,10

8,20

8,30

V3 - Servisní náklady 4,182888274

V3 - Spotřeba paliva

V3 - Režijní náklady

8,40

5,512138534

0,333685093

0,381536325

11,6053077

12,39002512

V3 - Mzdové náklady

9,844368969

9,895631031

V3 - Dynamika ceny

0,128155157

-0,128155157

Downside

Upside

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Informace rozšiřující výsledky z tornádo grafu jsou v následující tabulce. Faktory s významným rozsahem jsou servisní náklady s 0,28 Kč/místokm, spotřeba paliva s 0,26 Kč/místokm a poslední faktor s vlivem, který stojí brát v úvahu, jsou režijní náklady s 0,17 Kč/místokm. Tabulka č. 17: Tabulka k tornádo grafu V3 V3 - CELKOVÉ NÁKLADY za 15 let Kvantily 5 % a 95 % Variable Downside Upside Range V3 - Servisní náklady 7,99 8,27 0,28 V3 - Spotřeba paliva 8,03 8,29 0,26 V3 - Režijní náklady 8,06 8,23 0,17 V3 - Mzdové náklady 8,14 8,15 0,01 V3 - Dynamika ceny 8,15 8,14 0,01

Input Minimální a maximální hodnoty Downside Upside Base Case 4,18 5,51 4,91 0,33 0,38 0,35 11,61 12,39 11,99 9,84 9,90 9,87 -0,13 0,13 0,00

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

59

Také opět využijeme pavučinového grafu pro zobrazení míry vlivu jednotlivých faktorů pomocí sklonu přímky. Graf č. 14: Pavučinový graf pro V3 V3 - CELKOVÉ NÁKLADY za 15 let 8,30

8,20

V3 - Servisní náklady V3 - Spotřeba paliva

8,10

V3 - Režijní náklady V3 - Mzdové náklady V3 - Dynamika ceny

8,00

7,90 10,0%

30,0%

50,0%

70,0%

90,0%

Percentiles of the variables

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Jednotlivé hodnoty bodů spojených přímkami jsou uvedeny níže v tabulce. Tabulka č. 18: Tabulka k pavučinovému grafu V3 Variable V3 - Servisní náklady V3 - Spotřeba paliva V3 - Režijní náklady V3 - Mzdové náklady V3 - Dynamika ceny

10,0% 7,99 8,03 8,06 8,14 8,15

V3 - CELKOVÉ NÁKLADY za 15 let 30,0% 50,0% 70,0% 8,08 8,14 8,20 8,09 8,14 8,20 8,11 8,14 8,18 8,14 8,14 8,14 8,14 8,14 8,14

90,0% 8,27 8,29 8,23 8,15 8,14

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Příspěvek jednotlivých faktorů k celkovému rozptylu rozdělení kritéria je zachycen níže. Je patrné, že první tři faktory pokrývají 99,8 %, na základě čehož může být usouzeno, že ostatní faktory této varianty nemají ani minimální vliv na rozptyl rozdělení kritéria

60

hodnocení. Zde stojí za povšimnutí, že první tři faktory napomohou k lepší variantě svým snížením. Graf č. 15: Graf citlivosti jednotlivých faktorů V3

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Základní hodnota této varianty je 7,94 Kč/místokm. Z pravděpodobnostního rozdělení lze vyčíst střední hodnotu 8,14 Kč/místokm, medián 8,14 Kč/místokm, směrodatnou odchylku 0,16 Kč/místokm, variační koeficient 0,0194, šikmost 0,0304 a špičatost 2,78. Graf č. 16: Pravděpodobnostní rozdělení V3

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

61

Jako u první varianty, tak i zde se celkové náklady vždy pohybují nad 7,50 Kč/místokm, takže je opět očividné, že tato varianta bude nákladnější než v současnosti podnikem praktikovaná. Tudíž lze tuto variantu vyloučit z dalšího porovnávání. 6.4.2.4 Varianta 4 - Nákup KLOUB autobusu na CNG Tato varianta má stejná specifika vázaná na CNG jako předchozí možnost. Jediným důležitým rozdílem je kapacita autobusu, která je spojena s faktem, že zde se jedná o kloubový autobus nejlépe využitelný na lince č. 23: Analýza citlivosti V4 Z výsledků simulace vyplynuly jako nejvíce významné spotřeba paliva a servisní náklady. Důkazem toho je jak následující graf, tak i tabulka vyobrazující rizikové faktory seřazené podle významu jejich rozsahu. Graf č. 17: Tornádo graf V4 V4 - CELKOVÉ NÁKLADY za 15 let

5,00

5,20

5,40

5,60

V4 - Spotřeba paliva 0,384846416

5,80

0,520856191

V4 - Servisní náklady 5,775317898

9,174386511 Downside

V4 - Režijní náklady

11,6053077

12,39002512

V4 - Dynamika ceny

0,128155157

-0,128155157

V4 - Mzdové náklady

9,894368969

9,945631031

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

62

Upside

Tabulka č. 19: Tabulka k tornádo grafu V4 V4 - CELKOVÉ NÁKLADY za 15 let Kvantily 5 % a 95 % Variable Downside Upside Range V4 - Spotřeba paliva 5,18 5,61 0,43 V4 - Servisní náklady 5,17 5,60 0,42 V4 - Režijní náklady 5,34 5,44 0,10 V4 - Dynamika ceny 5,39 5,38 0,01 V4 - Mzdové náklady 5,38 5,39 0,01

Input Minimální a maximální hodnoty Downside Upside Base Case 0,38 0,52 0,45 5,78 9,17 7,49 11,61 12,39 11,99 -0,13 0,13 0,00 9,89 9,95 9,92

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Pavučinový graf i zde zachycuje pět bodů z intervalu 5 – 95 %, kterými je proložena přímka, jejíž sklon značí vliv jednotlivých faktorů na hodnotící kritérium. Graf č. 18: Pavučinový graf pro V4 V4 - CELKOVÉ NÁKLADY za 15 let 5,70

5,60

5,50 V4 - Spotřeba paliva V4 - Servisní náklady

5,40

V4 - Režijní náklady V4 - Dynamika ceny

5,30

V4 - Mzdové náklady 5,20

5,10 10,0%

30,0%

50,0%

70,0%

90,0%

Percentiles of the variables

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Hodnoty kvantilů pro spojované body v pavučinovém grafu jsou vypsány v tabulce.

63

Tabulka č. 20: Tabulka k pavučinovému grafu V4 Variable V4 - Spotřeba paliva V4 - Servisní náklady V4 - Režijní náklady V4 - Dynamika ceny V4 - Mzdové náklady

10,0% 5,18 5,17 5,34 5,39 5,38

V4 - CELKOVÉ NÁKLADY za 15 let 30,0% 50,0% 70,0% 5,29 5,39 5,48 5,29 5,39 5,48 5,37 5,39 5,41 5,39 5,39 5,39 5,39 5,39 5,39

90,0% 5,61 5,60 5,44 5,38 5,39

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

U této varianty první dva faktory znázorněné v níže uvedeném grafu dohromady dávají téměř 98 % příspěvku k celkovému rozptylu kritéria a stejně jako u třetí varianty platí, že pro zlepšení je potřeba u všech rizikových faktorů zajistit jejich snížení. Graf č. 19: Graf citlivosti jednotlivých faktorů V4

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

64

Graf č. 20: Pravděpodobnostní rozdělení V4

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Hodnoty, které je možné vyčíst z výše vloženého grafu, jsou takovéto: základní hodnota 5,48 Kč/místokm, střední hodnota 5,39 Kč/místokm, medián 5,38 Kč/místokm, směrodatná odchylka 0,23 Kč/místokm, korelační koeficient 0,0425, šikmost 0,0285 a špičatost 2,66. Z grafu je dále patrné, že veškeré hodnoty se pohybují se 100 % jistotou v intervalu 4,73 – 6,14, který je menší než 7,50Kč/místokm. Na základě těchto výsledků i tuto variantu řadím mezi ty, které budou dále porovnány za účelem stanovení nejlepší možnosti. 6.4.2.5 Varianta 5 – Nákup elektrobusu Tato varianta je charakterizována využitím trakční energie jako pohonu vozidla. To se projevuje zejména u rizikového faktoru cena paliva, který zde jako u jediné varianty využívá pro odhad normálního rozložení se směrodatnou odchylkou ± 10 %. Druhým výrazněji se odlišujícím faktorem je spotřeba, ke které se přičítá hodnota 0,94 Kč/km pro období půl roku kvůli využívání nafty pro vytápění vozidla. Další značnou odlišností je fakt, že v pořizovací ceně je zahrnuta i nákupní cena dobíjecí stanice, která je potřebná pro provoz. Je tedy nutné zohlednit skutečnost, že při nákupu dalšího autobusu nasazeného na stejnou linku a při vhodném sladění provozního řádu by nebylo nutné další stanici kupovat, a tak by se náklady na provoz snížili. Ovšem za situace nasazení na jinou linku či nevhodném propojení provozu vozidla by se musela dokoupit další nabíjecí stanice a náklady by se nezměnili. Jelikož podnik zatím nemá další vhodnou linku, 65

kam by autobus mohl být bez koupě další nabíjecí stanice nasazen, tak v simulaci zůstanu u varianty, která zahrnuje ke každému autobusu i nákup nabíjecí stanice, což znamená, že náklady pro nákup každého vozidla jsou rovnocenné. Ostatní faktory jsou podobné zbylým variantám, avšak domnívám se, že je vhodné připomenout, že se jedná o autobus s kapacitou 70 osob nasazený na lince č. 25, s čímž je spojeno menší množství najetých kilometrů. Analýza citlivosti V5 Jako u tří již předešlých variant se na prvním místě objevují servisní náklady. Graf č. 21: Tornádový graf V5 V5 - CELKOVÉ NÁKLADY za 15 let

6,00

V5 - Servisní náklady

V5 - Režijní náklady

6,20

6,40

6,60

2,138999784

6,80

3,929570124

11,6053077

12,39002512 Downside

V5 - Cena paliva

2,641844843

V5 - Spotřeba paliva

0,873906757

0,926477342

V5 - Dynamika ceny

-0,128155157

0,128155157

2,898155157

Upside

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Následující tabulka zachycuje vliv výše vyobrazených faktorů rizika na hodnotu kritéria. Významného vlivu dosahují pouze servisní náklady s 0,38 Kč/místokm a režijní náklady s 0,17 Kč/km. 66

Tabulka č. 21: Tabulka k tornádový grafu V5 V5 - CELKOVÉ NÁKLADY za 15 let Kvantily 5 % a 95 % Variable Downside Upside Range 6,21 6,59 0,38 V5 - Servisní náklady 6,29 6,46 0,17 V5 - Režijní náklady 6,35 6,40 0,04 V5 - Cena paliva 6,36 6,39 0,03 V5 - Spotřeba paliva 6,37 6,38 0,01 V5 - Dynamika ceny

Input Minimální a maximální hodnoty Downside Upside Base Case 2,14 3,93 2,93 11,61 12,39 11,99 2,64 2,90 2,77 0,87 0,93 0,90 -0,13 0,13 0,00

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Pavučinový graf Varianty 5 opět graficky znázorňuje vliv rizikových faktorů na hodnotu kritéria. Sklon přímek je determinován propojením samostatných vypočtených kvantilů. Graf č. 22: Pavučinový graf V5 V5 - CELKOVÉ NÁKLADY za 15 let 6,60

6,50

V5 - Servisní náklady V5 - Režijní náklady

6,40

V5 - Cena paliva V5 - Spotřeba paliva V5 - Dynamika ceny

6,30

6,20 10,0%

30,0%

50,0%

70,0%

90,0%

Percentiles of the variables

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

U této varianty je důležité povšimnout si opačného směru u křivky dynamiky ceny oproti ostatním variantám. Tento fakt je důsledkem toho, že u elektrické energie je předpokládána klesající tendence ve výši její ceny. Lze tedy interpretovat jako, že větší změna (jedná se o větší snížení) bude mít pozitivnější vliv na hodnotící kritérium.

67

V následující tabulce jsou uvedeny vypočtené hodnoty jednotlivých kvantilů. Graf č. 23: Tabulka k pavučinovému grafu V5 Variable V5 - Servisní náklady V5 - Režijní náklady V5 - Cena paliva V5 - Spotřeba paliva V5 - Dynamika ceny

10,0% 6,21 6,29 6,35 6,36 6,37

V5 - CELKOVÉ NÁKLADY za 15 let 30,0% 50,0% 70,0% 6,30 6,38 6,46 6,34 6,38 6,41 6,37 6,38 6,38 6,37 6,38 6,38 6,37 6,38 6,38

90,0% 6,59 6,46 6,40 6,39 6,38

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Následující graf citlivosti zachycuje velmi výrazný význam servisních nákladů, které dosahují 83 %. Graf č. 24: Graf citlivosti jednotlivých faktorů V5

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Celkové náklady za období 15 let v rámci varianty dosahují základní hodnoty 6,32 Kč/místokm, střední hodnoty 6,39 Kč/km, mediánu 6,38 Kč/km, směrodatné odchylky 0,16 Kč/km, variačního koeficientu 0,0250, šíkmosti 0,2708 a špičatosti 2,61. Výše vypsané hodnoty dokazují situaci vyobrazenou na následujícím grafu, kde je zřejmé, že celý graf je mírně posunut vlevo. 68

Graf č. 25: Rozdělení pravděpodobnosti celkových nákladů pro V5

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

S pravděpodobností 100 % bude hodnota celkových nákladů za 15 let nižší než hodnota 7,50 Kč/km, kterou dosahuje DPMHK, a. s. v současné době. Minimum je na úrovni 5,98 Kč/km a maximum na 6,93 Kč/km. S ohledem na výše vypsané výsledky, bude tato varianta opět zařazena mezi varianty určené k dalšímu porovnání. 6.4.2.6 Porovnání variant V této subkapitole budou porovnány veškeré varianty mezi sebou na základě výsledků simulace. Nejprve je provedeno porovnání pomocí střední hodnoty a rozptylu, které zachycuje následující tabulka. Tabulka č. 22: Porovnání jednotlivých variant Střední hodnota

Rozptyl

(Kč/místokm)

(Kč/místokm)

Varianta 1

10,02

0,03

0,0183

Varianta 2

6,74

0,04

0,0282

Varianta 3

8,14

0,03

0,0194

Varianta 4

5,39

0,05

0,0425

Varianta 5

6,39

0,03

0,0250

Variační koeficient

Zdroj:Vlastní tvorba

69

Z výsledků je patrný již avizovaný fakt, že střední hodnota u Variant 1 a 3 překračuje hodnotu 7,50 Kč/místokm, kterou dosahuje DPMHK, a. s. v současnosti, a proto mohou být z dalších porovnání skutečně vyřazeny. Graf č. 26: Srovnání středních hodnot a rozptylů

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

Jak dokumentuje graf porovnávající střední hodnoty a rozptyl zbylých tří variant, tak Varianta 4 dosahuje výrazně nižší střední hodnoty, která je však oproti Variantám 2 a 5 doprovázena nejvyšším rozptylem. Rozložení hodnot Varianty 4 se jen mírně překrývá s Variantou 5 a vůbec s Variantou 2. Proto porovnání pomocí pravidel stochastické dominance níže dokazuje výhodnost Varianty 4. Tabulka č. 23: Distribuční funkce vybraných variant

Zdroj:Vlastní tvorba na základě výstupu Crystal Ball

70

Z grafu vyplývá, že distribuční hodnota Varianty 2 leží napravo od Varianty 5, která leží napravo od Varianty 4. Toto rozpoložení se shoduje se závěrem, že distribuční hodnota Varianty 2 je pro libovolnou hodnotu celkových nákladů menší respektive rovná odpovídající hodnotě varianty 5. Pravděpodobnost překročení dané hodnoty celkových nákladů Varianty 2 je v každém bodě vyšší než u Varianty 5. S ohledem na nákladový typ kritéria a výsledky simulace lze říci, že Varianta 5 stochasticky dominuje Variantu 2. Stejnou úvahu lze provést u Variant 5 a 4 s tím, že zde je závěrem stochastická dominance Varianty 4 nad Variantou 5.

6.5 Fáze rozhodování Z prvotního souboru pěti variant jsem na základě výsledků simulace a následného porovnání středních hodnot a rozptylu vyřadila dvě varianty, u kterých hodnotící kritérium převyšovalo celkové náklady dosahované podnikem v současnosti. U ostatních variant jsem využila pravidlo stochastické dominance, na jehož základě jsem Variantu 4 vyhodnotila pro podnik v současné době jako nejlepší, a tudíž bych DPMHK, a. s. doporučila nákup autobusu KLOUB na CNG. V případě požadavku ze strany podniku na nákup vozidla pouze pro kratší linky bych doporučila Variantu 5, která zahrnuje nákup elektrobusu s nižší kapacitou, a to na základě výsledků rozptylu a střední hodnoty, které vyšli v simulaci. Rozptyl dosáhl u všech variant stejné hodnoty, a tudíž rozhodnutí mohlo být provedeno pouze na základech výsledků středních hodnot. Nejnižší hodnoty dosáhla právě Varianta 5, a jelikož se jedná o nákladovou oblast, tak jde právě o nejlepší variantu. S ohledem na výsledky analýzy citlivosti v rámci simulace bych podniku doporučila sledovat vývoj ceny pohonných hmot u CNG, a to na základě vysoké závislosti Varianty 4 právě na tomto faktoru. Vysoká závislost na ceně pohonných hmot u Varianty 4 je také spojena s vysokou spotřebou vozidla této varianty. Dalším rizikovým faktorem, který by podnik neměl opomíjet, jsou servisní náklady, které v tornádovém grafu analýzy citlivosti u většiny variant zaujímají první místo, tedy mají velký vliv na celkové hodnotící kritérium. V neposlední řadě by měl podnik pozorovat novinky v oblasti dotací na nákup a rozšíření výroby vozidel s elektrickým pohonem, jelikož případné získání dotace může pozitivně ovlivnit již nyní dosti nízké náklady právě u tohoto typu vozidla.

71

Závěr V teoretické části této diplomové práce byly uvedeny základní teoretické poznatky potřebné pro důkladné pochopení dané oblasti. Údaje byly následně využity v praktické části, kde byl řešen rozhodovací problém společnosti Dopravní podnik města Hradec Králové, a. s. V rámci praktické části byla nejprve provedena základní finanční analýza podniku, která napomohla k lepší představě o stávající situaci společnosti a zároveň umožnila lepší pochopení podnikových procesů souvisejících s daným rozhodovacím problémem, jehož cílem bylo najít nejlepší variantu v oblasti nákupu dopravního prostředku tak, aby bylo dosaženo co nejnižších nákladů na místokilometr za celou dobu využitelnosti dopravního prostředku. Pro řešení problému bylo navrženo pět variant, u kterých byly na základě propojení s nákladovými složkami stanoveny rizikové faktory. U nich byly následně, za pomoci historických údajů podniku a expertních názorů odpovědných vedoucích, zjištěny vstupní hodnoty pro software Oracle Crystal Ball. Právě pomocí tohoto softwaru byla provedena na základě získaných dat a informací simulace Monte Carlo, která pro každou z variant vytvořila několik grafů a doplňujících tabulek, na jejichž podkladě bylo provedeno hodnocení jednotlivých variant a jejich následné porovnání. Poslední fází diplomové práce bylo učinění samotného rozhodnutí o nejlepší variantě. Z původních pěti variant byly dvě vyloučeny hned na začátku, protože překračovaly dosavadní náklady podniku, ostatní varianty byly ještě podrobeny pravidlu stochastické dominance. Na základě veškerých výsledků byla nakonec jako nejvhodnější varianta zvolena Varianta 4 (nákup autobusu KLOUB na CNG), která bude prezentována vedení podniku. Závěrem bych ještě vyhodnotila dopad výsledků na mnou v úvodu stanovené hypotézy. První hypotéza byla potvrzena, a to z důvodu toho, že Varianta 4 opravdu dosahuje nižších nákladů v oblasti provozování městské hromadné dopravy. Co se týče druhé hypotézy, tak ta byla vyvrácena na základě skutečnosti, že nákup vozidla na elektrický pohon dosahuje vyšších nákladů než varianta nákupu vozidla s pohonem na CNG.

72

Seznam použitých zdrojů [1] BLAŽEK, Ladislav. Management: organizování, rozhodování, ovlivňování. 1. vyd. Praha: Grada, 2011, 191 s. ISBN 9788024732756. [2] DLOUHÝ, Martin. Simulace pro ekonomy. Vyd. 1. Praha: Vysoká škola ekonomická v Praze, 2001, 126 s. ISBN 8024501554. [3] DONNELLY, James H, GIBSON James L a IVANCEVICH John M. Management. Vyd. 1. Praha: Grada, 1997, 821 s. ISBN 8071694223. [4] DUCHOŇ, Bedřich a ŠAFRÁNKOVÁ, Jana. Management: integrace tvrdých a měkkých prvků řízení. Vyd. 1. Praha: C.H. Beck, 2008, xii, 378 s. ISBN 9788074000034. [5] FÁBRY, Jan. Matematické modelování. 1. vyd. Praha: Professional Publishing, 2011, 180 s. ISBN 9788074310669. [6] FOTR, Jiří a DĚDINA, Jiří. Manažerské rozhodování. 1. vyd. Praha: Vysoká škola ekonomická v Praze, 1993, 170 s. ISBN 8070799390. [7] FOTR, Jiří, DĚDINA, Jiří a HRŮZOVÁ, Helena. Manažerské rozhodování. Vyd. 2. upravené a rozšířené. Praha: Ekopress, 2000, 231 s. ISBN 8086119203. [8] FOTR, Jiří a SOUČEK, Ivan. Investiční rozhodování a řízení projektů. 1. vyd. Praha: Grada Publishing, 2011, 408 s. ISBN 9788024732930. [9] FOTR, Jiří a SOUČEK, Ivan. Podnikatelský záměr a investiční rozhodování. 1. vyd. Praha: Grada, 2005, 356 s. ISBN 8024709392. [10]

FOTR, Jiří a ŠVECOVÁ, Lenka. Manažerské rozhodování: postupy, metody a

nástroje. 2., přeprac. vyd. Praha: Ekopress, 2010, 474 s. ISBN 9788086929590. [11]

GRASSEOVÁ, Monika, DUBEC, Radek a ŘEHÁK, David. Analýza v rukou

manažera: 33 nejpoužívanějších metod strategického řízení. Vyd. 1. Brno: Computer Press, 2010, 325 s. ISBN 9788025126219. [12]

HERBERT A. Simon. Administrative Decicion Making. Public Administration

Review, Vol. 25, No. 1, Twenty-Fifth Anniversary Issue (Mar.,1965), p 31-37. [13]

HNILICA, Jiří a FOTR, Jiří. Aplikovaná analýza rizika ve finančním managementu a

investičním rozhodování. 1. vyd. Praha: Grada, 2009, 262 s. ISBN 9788024725604. [14]

KRITZMAN, Mark. About Monte Carlo Simulation. Financial Analysts Journal;

Nov/Dec 1993; 49, 6; p 17-20. [15]

KROPÁČ, J.: Pravděpodobnostní statistika. Skripta Fakulty podnikatelské VUT

v Brně, vydalo Akademické nakladatelství CERM, s.r.o. Brno 2004.

73

[16]

PLAMÍNEK, Jiří. Řešení problémů a rozhodování: jak přinutit problémy, aby

pracovaly ve váš prospěch. 1. vyd. Praha: Grada, 2008, 144 s. ISBN 9788024724379. [17]

ROBBINS, Stephen P a COULTER, Mary K. Management. 10th ed. Upper Saddle

River: Pearson Prentice Hall, 2009, xiv, 565 s. ISBN 9780132090711. [18]

SOUČEK, Zdeněk. Úspěšné zavádění strategického řízení firmy. 1. vyd. Praha:

Professional Publishing, 2003, 213 s. ISBN 8086419479. [19]

VÁGNER, Ivan. Management z pohledu všeobecného a celostního. 1. vyd. Brno:

Masarykova univerzita, 2000, 300 s. ISBN 8021024593. [20]

VASSILIS M. Papadakis, SPYROS Lioukas and CHAMBER David. Strategic

Decision-Making Processes: The Role of Management and Context. Strategic Management Journal, Vol. 19, No. 2 (Feb., 1998), p. 115-147. [21]

VEBER, Jaromír. Management: základy, prosperita, globalizace. Vyd. 1. Praha:

Management Press, 2000, 700 s. ISBN 8072610295. [22]

Bus portál. Elektromobilita v městské hromadné dopravě. [online] 2014 [cit. 2014-02-

16]. Dostupné na: . [23]

CNG +. Vývoj cen pohonných hmot. [online] 2014 [cit. 2014-03-12]. Dostupné na:

[24]

Crystal Ball 7.2.2. User Manual. [online] 2014 [cit. 2014-03-29]. Dostupné na:

[25]

Česká národní banka. Faktory vývoje maloobchodních cen pohonných hmot. [online]

2014 [cit. 2014-02-25]. Dostupné na: [26]

Český statistický úřad. Indexy spotřebitelských cen (životních nákladů). [online] 2014

[cit. 2014-02-11]. Dostupné na: < http://www.czso.cz/csu/2013edicniplan.nsf/publ/710113-m01_2013 >. [27]

Dopravní podnik města Hradce Králové. O společnosti - výroční zprávy. [online] 2014

[cit. 2014-01-15]. Dostupné na: . [28]

RWE. Jaké faktory ovlivňují ceny zemního plynu pro zákazníky v ČR? [online] 2014

[cit. 2014-03-12]. Dostupné na: < http://www.rwe.cz/cs/caste-dotazy/ >.

74

Seznam grafů Graf č. 1: Vývoj dotací a tržeb za prodej vlastních výrobků a služeb ......................................36 Graf č. 2: Vývoj nákladů na MHD ...........................................................................................38 Graf č. 3: Procentní skladba výkonové spotřeby ......................................................................39 Graf č. 4: Vývoj cen jednotlivých druhů pohonných hmot ......................................................48 Graf č. 5: Tornádo graf V1 .......................................................................................................51 Graf č. 6: Pavučinový graf pro V1 ............................................................................................52 Graf č. 7: Graf citlivosti jednotlivých faktorů V1 ....................................................................53 Graf č. 8: Pravděpodobnostní rozdělení V1..............................................................................54 Graf č. 9: Tornádo graf V2 .......................................................................................................55 Graf č. 10: Pavučinový graf pro V2 ..........................................................................................56 Graf č. 11: Graf citlivosti jednotlivých faktorů V2 ..................................................................57 Graf č. 12: Pravděpodobnostní rozdělení V2............................................................................58 Graf č. 13: Tornádo graf V3 .....................................................................................................59 Graf č. 14: Pavučinový graf pro V3 ..........................................................................................60 Graf č. 15: Graf citlivosti jednotlivých faktorů V3 ..................................................................61 Graf č. 16: Pravděpodobnostní rozdělení V3............................................................................61 Graf č. 17: Tornádo graf V4 .....................................................................................................62 Graf č. 18: Pavučinový graf pro V4 ..........................................................................................63 Graf č. 19: Graf citlivosti jednotlivých faktorů V4 ..................................................................64 Graf č. 20: Pravděpodobnostní rozdělení V4............................................................................65 Graf č. 21: Tornádový graf V5 .................................................................................................66 Graf č. 22: Pavučinový graf V5 ................................................................................................67 Graf č. 23: Tabulka k pavučinovému grafu V5 ........................................................................68 Graf č. 24: Graf citlivosti jednotlivých faktorů V5 ..................................................................68 Graf č. 25: Rozdělení pravděpodobnosti celkových nákladů pro V5 .......................................69 Graf č. 26: Srovnání středních hodnot a rozptylů .....................................................................70

75

Seznam tabulek Tabulka č. 1: Tržby za vlastní výkony a za prodej zboží podle jednotlivých činností ............. 34 Tabulka č. 2: Náklady a výnosy hlavní činnosti a ostatních činností ....................................... 34 Tabulka č. 3: Tarify jízdného a objem jejich prodeje v roce 2012 ........................................... 37 Tabulka č. 4: Vývoj cen pohonných hmot a trakční energie .................................................... 40 Tabulka č. 5: Počty dopravních prostředků v jednotlivých letech............................................ 40 Tabulka č. 6: Rizikové faktory ................................................................................................. 43 Tabulka č. 7: Hodnoty BetaPERT rozložení pro jednotlivé varianty ....................................... 44 Tabulka č. 8: Hodnoty BetaPERT rozložení pro servisní náklady ........................................... 45 Tabulka č. 9: Hodnoty normálního rozložení mzdových nákladů ............................................ 45 Tabulka č. 10: Hodnoty rovnoměrného rozložení pro jednotlivé varianty ............................... 46 Tabulka č. 11: Hodnoty růstu u jednotlivých pohonných hmot ............................................... 49 Tabulka č. 12: Pořizovací ceny autobusů jednotlivých variant a dotace na jejich nákup ........ 49 Tabulka č. 13: Tabulka k tornádo grafu V1 .............................................................................. 52 Tabulka č. 14: Tabulka k pavučinovému grafu V1 .................................................................. 53 Tabulka č. 15: Tabulka k tornádo grafu V2 .............................................................................. 55 Tabulka č. 16: Tabulka k pavučinovému grafu V2 .................................................................. 56 Tabulka č. 17: Tabulka k tornádo grafu V3 .............................................................................. 59 Tabulka č. 18: Tabulka k pavučinovému grafu V3 .................................................................. 60 Tabulka č. 19: Tabulka k tornádo grafu V4 .............................................................................. 63 Tabulka č. 20: Tabulka k pavučinovému grafu V4 .................................................................. 64 Tabulka č. 21: Tabulka k tornádový grafu V5 .......................................................................... 67 Tabulka č. 22: Porovnání jednotlivých variant ......................................................................... 69 Tabulka č. 23: Distribuční funkce vybraných variant .............................................................. 70

76

Seznam obrázků Obrázek č. 1: Fáze rozhodovacího procesu ..............................................................................15 Obrázek č. 2: Metody vícekriteriálního hodnocení ..................................................................21 Obrázek č. 3: Klesající funkce užitku u nákladového kritéria ..................................................24 Obrázek č. 4: Model jako zjednodušení reality ........................................................................26 Obrázek č. 5: Kognitivní mapa .................................................................................................30 Obrázek č. 6: Faktory vývoje cen nafty ....................................................................................47

77

Seznam použitých zkratek CNG

Stlačený zemní plyn využívaný jako palivo

DPMHK

Dopravní podnik města Hradec Králové, a. s.

KLOUB

Kloubový autobus

MHD

Městská hromadná doprava

místokm

Místokilometr

SOLO

Klasický krátký autobus

78

Seznam příloh Příloha A: Model simulace Monte Carlo (elektronicky)

79