Вернуться в библиотеку
Доклад на ІІI Международной конференции студентов, аспирантов и молодых ученых "КОМПЬЮТЕРНЫЙ МОНИТОРИНГ И ИНФОРМАЦИОНЫЕ ТЕХНОЛОГИИ" май 2007г

КОМПЬЮТЕРИЗИРОВАННЯ СИСТЕМА ПРОГНОЗИРОВАНИЯ СПРОСА НА БЫТОВУЮ ТЕХНИКУ С ПОМОЩЬЮ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ
О.Ю. Орлова
Донецкий национальный технический университет

Проблема прогнозирования, вследствие быстрых, порой плохо предсказуемых изменений внешней среды, за последнее десятилетие стала особенно сложной. С учетом этих трудностей и критичности ошибок в прогнозах некоторые специалисты были вынуждены заговорить о тщетности прогнозирования.

Успешная деятельность предприятий невозможна без прогнозирования спроса: функционирование этих экономических объектов самым непосредственным образом ориентировано на удовлетворение спроса физических и юридических лиц на производимую продукцию. Однако на сегодняшний день не существует надежной методики количественной оценки наиболее существенных факторов, влияющих на спрос в этой сфере. Количественное определение спроса затрудняется из-за отсутствия концепции, адекватно объясняющей закономерности его возникновения и трансформации в условиях становления рыночных отношений; ограничивается слабой разработанностью подходящих методов и моделей для прогнозирования его динамики и структуры. Все это указывает на актуальность исследования и необходимость разработки методики прогнозирования спроса на продукцию.

Цель данного исследования состоит в обосновании и развитии теоретико-методических основ и разработке практических рекомендаций по управлению процессом прогнозирования спроса на бытовую технику с учетом специфики его функционирования в условиях растущей конкуренции.

Поставленная цель потребовала решения ряда взаимосвязанных задач, а именно:
1. Выявить основные проблемы и обосновать предпосылки совершенствования управления процессом прогнозирования спроса на рынке бытовой продукции;
2. Разработать концептуальную модель управления процессом прогнозирования спроса на рынке бытовой продукции для соответствующего предприятия;
3. Обосновать основные направления совершенствования управления процессом прогнозирования в контуре системы управления предприятием, производящим бытовую технику, с применением современных компьютерно-информационных технологий.

Задача прогнозирования потребительского спроса состоит в ежемесячном, а иногда и в ежедневном построении прогнозов спроса на каждый товар из всего ассортимента производимой продукции. Прогнозы спроса используются при планировании закупок, управлении ценами и ассортиментом. Данная прикладная задача имеет ряд существенных особенностей, накладывающих определённые ограничения на методы решения.

1. Количество прогнозируемых временных рядов имеет порядок 10⁵-10⁶.

2. Статистические характеристики временных рядов продаж существенно различны для разных товаров. Они могут быть дискретными или вещественными.

3. Прогнозируемые ряды не являются стационарными.

4. Завышение и занижение прогнозов приводят к различной величине потерь.

5. Требуется прогнозировать временной ряд спроса, хотя наблюдается временной ряд продаж.

Предложено использование генетических алгоритмов для построения системы прогнозирования спроса продукции, которые ранее в большей мере использовались лишь на финансовых рынках, страховых кампаниях и некоторых банках.

В некоторых случаях идентификации параметров функции спроса, использование генетических алгоритмов может быть более эффективным, чем в стандартном прогнозировании сезонного спроса.

Вид функции спроса должен быть выведен из внутреннего и внешнего окружения каждой фирмы. Невозможно предложить общую формулу функции спроса, применимую ко всем экономическим условиям различных фирм. В некоторых фирмах спрос может зависеть главным образом от одного фактора, но в других фирмах можно идентифицировать десятки важных факторов, влияющих на спрос.

Часто, в качестве первого приближения, принимают, что функция спроса является функцией времени (например линейная, логарифмическая, показательная и т.д) представляющей тренд спроса. Известно, что цена - один из наиболее важных факторов, влияющих на спрос почти всей продукции и услуг. Можно предложить комбинацию классического трендового подхода (то есть, спрос как функция времени) и экономической теоретической функции спроса (то есть, спрос как функция цены).

Главной задачей является определение фитнесс функции (F). Это должна быть мера “расстояния” между моделью с генерированными данными и собранными реальными данными. Например, одним из вариантов функции может выступать выражение:

где t - время; - реальные продажи во время t; р- цена; A - амплитуда колебания; B - коэффициент тренда; C - вертикальное смещение; w - частота (представляет периодичность); ф - горизонтальное смещение; e - ценовая эластичность. К примеру, пускай размер популяции - 60 особей, вероятность кроссенговера - 0,2, вероятность мутации - 0,05, число популяций - 500. Пусть мы продаем какую-то продукцию, объём продаж, которой приведен в таблице 1.

Таблица 1 - Продажа продукции и цена

Месяц	Продажи, тыс.	Цена
0	44,32	0,26677
1	46,59	0,26630
2	50,11	0,26318

Проведя эксперимент и получив популяции, получим результаты параметров, таблица 2.

Таблица 2 - Результаты эксперимента

Амплитуда A	Частота w	Эластичность е	Гор. смещение j	Вертик. смещение С	Фактор тренда В	Фитнесс F
1.22361	1.49169	0.76637	4.65005	47.46334	-0.28935	5.86275
3.40013	1.48192	0.02444	4.62659	47.46334	-0.25904	5.88233
2.52664	1.49853	0.21603	4.71261	47.39003	-0.33138	5.92691

В таблице 3 представлены реальные значения продаж и полученные путем проведения эксперимента.

Таблица 3 - Сравнение реальных продаж и просчитанных по эксперименту

Месяц	Эксперимент	Продажи	Ошибка
0	44101	44320	219
1	46698	46590	108
2	50206	50110	096

Можно выделить лишь две общие причины неудовлетворительных результатов прогноза, используя такой подход: не правильный вид функции спроса или не соответствующий метод идентификации параметров.

На начало