ДонНТУ Портал магістрів Кафедра АСУ

• Автобіографія
• Індивідуальний розділ

Автореферат кваліфікаційної роботи магістра «Система підтримки прийняття рішень формування та регулювання цінової політики підприємства»

Вступ

Процес управління підприємством являє собою безперервну розробку управлінських рішень і застосування їх на практиці. Від ефективності розробки цих рішень у значній мірі залежить успіх справи. І перш ніж починати будь-яку справу, необхідно визначити мету своїх дій. У процесі виробництва керівникам підприємства дуже часто доводиться стикатися з критичними проблемами, і від того, на скільки оптимально прийняте рішення, буде залежати кінцевий фінансовий результат діяльності підприємства.

Потреба у вирішенні виникає тільки при наявності проблеми, яка у загальному вигляді характеризується двома станами - заданим (бажаним) і фактичним (прогнозованим), і саме прогнозування буде відправною точкою у процесі прийняття управлінського рішення. Неузгодженість між цими станами зумовлює необхідність вироблення - управлінського рішення і контролю за його реалізацією.

Основою успішного функціонування виробничого середовища є прийняття рішень, адекватних умовам, в яких функціонують об'єкти. Системи підтримки прийняття рішень, в яких сконцентровані потужні методи математичного моделювання, науки управління, інформатики, є інструментом, покликаним надати допомогу керівникам у своїй діяльності у динамічному світі, якій тільки ускладнюється [1,2].

1. Актуальність теми

Для підприємства питання формування та регулювання цінової політики відіграє величезну роль. Від того, як проводиться ціноутворення на підприємстві, залежить його прибуток. Крім того, в існуючих зараз умовах ринкової економіки ціна стала вагомим фактором у конкурентній боротьбі.

2. Зв`язок роботи з науковими програмами, планами, темами.

Кваліфікаційна робота магістра виконана протягом 2009-2010 рр. згідно з науковим напрямком кафедри «Комп`ютерна інженерія» Донецького національного технічного університету.

3. Цілі і завдання роботи

Метою роботи є створення системи підтримки прийняття рішення формування і регулювання цінової політики підприємства, а саме досягнення максимізації прибутку шляхом встановлення максимально можливих цін при максимальних продажах продукції на підприємстві.

Основними завданнями є:

• - аналіз літератури з систем підтримки прийняття рішення;
• - аналіз літератури з методів прогнозування та оптимізації;
• - вибір і обгрунтування методу формування та регулювання цінової політики підприємства.

Об'єктом дослідження є існуючі методи та моделі, які використовуються для автоматизованого формування та регулювання цінової політики.

4. Передбачувана наукова новизна

Передбачуваної науковою новизною є:

• - застосування методу аналізу і прогнозування динамічних рядів для автоматизованого формування та регулювання цінової політики підприємства;
• - досягнення максимізації прибутку шляхом встановлення максимально можливих цін при максимальних продажах продукції на підприємстві з урахуванням і регулюванням торгової надбавки.

5. Практична цінність результатів роботи

Практичне значення отриманих результатів полягає у високій затребуваності даного роду систем в бізнес-сфері як на національному рівні, так і в усьому світі.

6. Апробація

Апробацією результатів, отриманих на даний момент став виступ на I Міжнародній науково-технічній конференції студентів, аспірантів та молодих науковців «Інформаційні управляючі системи та комп'ютерний моніторинг - 2010», яка проходила у Донецькому національному технічному університеті, з доповіддю на тему «Система підтримки прийняття рішень формування та регулювання цінової політики підприємства».

7. Огляд існуючих розробок і досліджень за темою

Огляд існуючих методів. Сьогодні вченими розроблено безліч різних методів прогнозування, які по-різному комбінуються в рамках того чи іншого підходу. Так до методів прогнозування обсягів продажів відносяться: методи експертних оцінок і казуальні методи. Точковий прогноз обсягу продажів, який відноситься до методів експертних оцінок, містить найменший обсяг інформації, тому може бути помилковим. Складністю застосування казуальних методів є те, що застосування багатофакторного прогнозування вимагає розв'язання складної проблеми вибору факторів, яка не може бути вирішена чисто статистичними шляхом, а пов'язана з необхідністю глибокого вивчення економічного змісту розглянутого явища або процесу. Для вирішення поставленої задачі пропонується вибрати метод аналізу та прогнозування динамічних рядів.

Математична постановка задачі. Перед нами стоїть завдання максимізації прибутку підприємства. Для побудови її формальної схеми (моделі) введемо загальні позначення.

Буквою N позначимо безліч тих, хто приймає рішення (ОПР). Нехай N=1. Припустимо, що множина всіх стратегій ціноутворення ОПР попередньо вивчено і описано математично. Позначимо їх через X₁ , X₂ ,..., X_n. Після цього процес прийняття рішення всіма ОПР зводиться до наступного формального акту: ОПР вибирає конкретний елемент зі своєї допустимої множини рішень В результаті виходить набір х =(x₁ ,..., x_n) обраних рішень, який ми називаємо ситуацією.

Для оцінки ситуації х з точки зору вибору найкращої стратегії ціноутворення для максимізації прибутку будуються функції f₁ ,..., f_n, які ставлять у відповідність кожної ситуації х числові оцінки f₁(x) ,..., f_n(x) – доходи фірми в ситуації х. Тоді мета ОПР формалізується наступним чином: вибрати таке своє рішення , щоб у ситуації х =(х₁ ,...,х_n) число f_i(х) було якомога більшим. Припустимо нам вдалося математично описати всі ті умови, при яких відбувається прийняття рішення (опис зв'язків між керованими і некерованими змінними, опис впливу випадкових факторів, облік динамічних характеристик і т. д.). Сукупність усіх цих умов для простоти позначимо одним символом .

Таким чином, загальна схема завдання прийняття рішення може виглядати так:

N; X₁,...,X_n; f₁(x),...,f_n(x); (1)

Конкретизуючи елементи моделі, уточнюючи їх характеристики і властивості, можна отримати той чи інший конкретний клас моделей прийняття рішення. За допомогою даної схеми можна написати екстремальну задачу двох видів:

- максимізація прибутку. (2)

У екстремальній задачі явно враховується фактор часу, тому вона називається завданням оптимального управління.

У разі завдання максимізації прибутку елементи моделі (1) залежать явно від часу, тобто процес прийняття рішення являє собою багатоетапний дискретний або безперервний у часі процес, тому завдання називається динамічним. Також елементи моделі (1) не містять випадкових величин і імовірнісних явищ, тому завдання називається детермінованим.

Оптимізація. Складемо опис «Завдання формування та регулювання цінової політики підприємства».

Припустимо, що підприємство може витратити готівковий капітал K в наступному кварталі на закупівлю товару N видів, потрібно визначити відповідні частки витрат.

Нехай x_j, j= 1,N – величина капіталу, витраченого на товар j-го виду. Тоді на змінні накладаються наступні обмеження:

Припустимо, що фірма має статистичні дані про прибутковість від продажівr_j(t), j= 1,N, t= 1,T, для кожного виду товару за Т періодів, починая з t₀. Прибутковість r_j(t) визначається як дохід за період t на одну грошову одиницю витрат на товар j. Величину r_j(t) можна визначити з співвідношення

с _j(t) - ціна товару j-го типу на початок періоду t;

d _j(t) - сумарний прибуток, отриманий за період t.

Значення r_j(t) непостійні і можуть сильно коливатися від періоду до періоду. Ці значення можуть мати будь-який знак або бути нульовими. Для оцінки доцільності витрат на покупку товару j-го виду слід обчислити середню або очікувану прибутковість M_jвід товара виду j.

Середній або очікуваний дохід E(x) від товарів визначається наступним чином:

Поряд із середнім (очікуваним) доходом найважливішою характеристикою є ризик, пов'язаний з витратами на товар. В якості запобіжного інвестиційного ризику можна розглядати величину відхилення прибутковості від її середнього значення за останні T періодів. Тоді оцінкою інвестиційного ризику для товару виду j є дисперсія, яка обчислюється за формулою

Крім того, курси деяких цінних паперів схильні до впливу спільних коливань (прикладами таких цінних паперів є акції нафтових і автомобільних компаній). Оцінкою інвестиційного ризику для пари видів цінних паперів, що належать до взаємопов'язаних областях економіки, є коваріація, яка обчислюється за формулою

Зауважимо, що при i=j ця величина зводиться до дисперсії паперів виду j.

Таким чином, як захід інвестиційного ризику закупівлі товарів може служити величина:

На підставі описаних характеристик - очікуваний дохід E(x) та інвестиційний ризик V(x) - розглянемо декілька моделей, які оптимізують завдання.

Модель 1. Максимізація очікуваного доходу при обмеженні на загальний обсяг витрат на товари.

Модель має вигляд:

Ця модель є моделлю лінійного програмування (ЛП). Оптимальне рішення x*={x*_j}, j= 1,N, E*=(E*_j) може бути знайдено симплекс-методом.

Закуплені товари можуть формуватися з урахуванням різних обмежень, пов'язаних з політикою фірми.

Модель 2. Мінімізація закупівельного ризику при заданому середньому доході.

Власники закупленого товару можуть бути зацікавлені в отриманні заданого очікуваного доходу R при мінімальному ризику. Оптимізаційна модель в цьому випадку має вигляд:

Дана модель є моделлю квадратичного програмування, так як цільова функція квадратична, а обмеження лінійні. Оптимальне рішення x*={x*_j}, j= 1,N, E*=(E*_j) може бути знайдено методом квадратичного програмування.

Топологія нейромережі і тимчасові ряди. В якості основного завдання обрана максимізація прибутку підприємства шляхом встановлення максимально можливих цін при максимальних продажах [8,11].

Для реалізації завдання будемо використовувати наступну схему:

Рисунок 7.1- Схема технологічного циклу передбаченнь ринкових часових рядів
(Анімація: обсяг - 30,3 КБ; розмір - 250x150; кількість кадрів - 5; затримка між кадрами - 250 мс;
затримка між останнім та першим кадрами - 100 мс; кількість циклів повторення - нескінченна)

Розглянемо метод занурення. Для динамічних систем доведена наступна теорема Такенса: якщо часовий ряд породжується динамічною системою, тобто значення X_t є довільна функція стану такої системи, існує така глибина занурення d (приблизно дорівнює ефективному числу ступенів свободи даної динамічної системи), яка забезпечує однозначне пророкування наступного значення часового ряду. Таким чином, вибравши досить велике d , можна гарантувати однозначну залежність майбутнього значення ряду від його d попередніх значень: X_t = f(X_t - d), тобто пророкування часового ряду зводиться до задачі інтерполяції функції багатьох змінних. Нейромережа далі може використовувати для відновлення цієї невідомої функції по набору прикладів, заданих історією даного тимчасового ряду [3,5].

Формування вхідного простору ознак. На рис. 7.1 видно, що збільшення ширини вікна занурення ряду призводить, врешті-решт, до зниження передбачуваності - коли підвищення розмірності входів вже не компенсується збільшенням їх інформативності.

Рассмотрим структуру свободной розничной цены.

Таблиця 1. Структура вільної роздрібної ціни

Вільна роздрібна ціна
Вільна відпускна ціна	Торгова надбавка	ПДВ торгівлі

Вільна роздрібна ціна товару, що реалізується з урахуванням посередника (оптового торговельного підприємства або постачальницько-збутової організації), включає вільну відпускну ціну без ПДВ, надбавки посередника (оптові надбавки) і ПДВ посередника (ціну закупівлі), а також торгову надбавки [6,7,10].

Вхідний простір ознак сформуємо наступним чином:

• 1. Середня норма прибутку
• 2. Попит на продукцію
• 3. Витрати
• 4. Ціни конкурентів
• 5.Середній достаток споживача
• 6. Курс долара
• 7. Сезонність
• 8. Циклічність
• 9. Вільна відпускна ціна

Для навчання нейромережі недостатньо сформувати навчальні набори входів-виходів. Необхідно також визначити помилку пророкувань мережі. Ефективне значення помилки, яка використовується за умовчанням в більшості нейромережевих додатків, не має великого "фінансового сенсу" для ринкових рядів.

При навчанні нейромережі дані розбиваються на три вибірки: навчальну, валідаційну й тестову. Перша використовується для навчання, друга - для вибору оптимальної архітектури мережі та/або для вибору моменту зупинки навчання. Нарешті, третя, яка взагалі не використовувалася в навчанні, служить для контролю якості прогнозу навченої нейромережі. В якості навчальної вибірки використовуються значення вхідних ознак [6].

8. Опис отримання та планованіх результатів

На даний момент була проаналізована література по системах підтримки прийняття рішень, методам пронозуваннія та оптимізації, був обраний метод реалізації розробки, описана математична постановка задачі, а також її оптимізація. В якості основної схеми реалізації розробки була обрана схема технологічного циклу пророкувань ринкових тимчасових рядів. На основі вивченої літератури була описана топологія нейромережі. Надалі планується реалізація системи підтримки прийняття рішення формування і регулювання цінової політики підприємства.

Висновки

В якості основного завдання формування і регулювання політики підприємства була прийнята максимізація прибутку шляхом встановлення максимально можливої цін при максимальних продажах. В результаті роботи був проведений аналіз літератури з систем підтримки прийняття рішення, методів прогнозування, оптимізації. Була сформульована математична постановка задачі, її оптимізація, обрана схема реалізація задачі, топологія нейромережі. Надалі планується реалізація розробки.

Література:

1. Гайдрик К.В. Системы поддержки принятия решений: эволюция концепции и некоторые перспективы. / К.В. Гайдрик - Кишинев, Молдова. Институт математики АН РМ, 1988. - 6 с.

2. Система поддержки принятия решений [Електронний ресурс] – Режим доступу до статті: http://ru.wikipedia.org/wiki/Система_поддержки_принятия_решений.html

3. Предсказание финансовых временных рядов. AB Forex. [Електронний ресурс] – Режим доступу до статті: http://www.abforex.ru/download/vremya_ab%20forex.rar

4. Новиков Д.А. Активный прогноз. / Д.А. Новиков, А.Г. Чхартишвили – М.: ИПУ РАН, 2002. – 101 с.

5. Сергей Шумский. Предсказание финансовых временных рядов [Електронний ресурс] – Режим доступу до статті: http://articles.mql4.com/ru/542

6. Прогнозирование цен с помощью нейросетей [Електронний ресурс] – Режим доступу до статті: http://articles.mql4.com/ru/395

7. Есипова В.Е. Цены и ценообразование. / В.Е. Есипова. – СПб: Питер, 2001. - 464 с.

8. Харчистов Б.Ф. Методы оптимизации: Учебное пособие. / Б.Ф. Харчистов – г. Таганрог: Изд-во ТРТУ, 2004. – 140 с.

9. Новиков Д.А. Механизмы функционирования многоуровневых организационных систем. / Д.А. Новиков – М.: Фонд "Проблемы управления", 1999. – 161 с.

10. Салимжанов И.К. Ценообразование: учебник. / И.К. Салимжанов. – М. : КНОРУС, 2007. – 304 с.

11. Бурков В.Н. Экономико-математические модели управления развитием отраслевого производства. / В.Н. Бурков, Г.С. Джавахадзе - М.: ИПУ РАН, 1997. – 64 с.

12. Лушин С.И. Ценность. Цена. Стоимость. / С.И. Лушин - М.: Юрист, 2001. - 80 с.

13. Корнеев С.В. Системы поддержки принятия решений в бизнесе. Журнал "Сети & Бизнес" (№6, 2005) [Електронний ресурс] – Режим доступу до статті: http://www.sib.com.ua/arhiv_2005/...

Важливе зауваження

При написанні цього автореферату магістерська робота ще не завершена. Остаточне завершення: 1 грудня 2010 р. Повний текст роботи та матеріали за темою можуть бути отримані у автора або його керівника після зазначеної дати.