ДонНТУ   Портал магистров   ФКНТ   Кафедра АСУ

Перевозчиков Александр Андреевич

Факультет компьютерных наук и технологий

Кафедра автоматизированных систем управления

Специальность «Информационные управляющие системы»

Компьютеризированная система прогнозирования и планирования закупок сырья на предприятии пищевой отрасли

Научный руководитель: к.т.н., доц. Секирин Александр Иванович

Резюме Биография Реферат Библиотека Ссылки Отчет о поиске Индивидуальный раздел

Реферат по теме выпускной работы

Содержание

• Введение
• 1. Актуальность темы
• 2. Обзор существующих систем
• 3. Описание объекта исследований
• 4. Цели и задачи магистерской работы
• 5. Ожидаемые научные результаты
• 6. Обзор методов прогнозирования
• 7. Математическая постановка задачи прогнозирования
• Выводы
• Список источников

Вступ

В современных условиях хозяйственной независимости промышленных предприятий для многих из них стал весьма актуальным вопрос о применении прогнозирования в своей деятельности. При составлении плана производства важны не только возможности предприятия, но и спрос на выпускаемую продукцию. Сейчас, когда предприятия вынуждены работать по «рыночным законам», предприниматели хотят знать перспективы развития своего предприятия, взглянуть в будущее, чтобы оценить возможные пути развития, предугадать последствия тех или иных решений. Прогнозирование и планирование представляют собой мощный инструмент, позволяющий не только эффективно использовать возможности предприятия, но и минимизировать риски, связанные с закупкой сырья. В современных условиях практически невозможно встретить предприятие, не применяющее прогнозирование и планирование своего производства. Это обусловлено тем, что в процессе осуществления своей деятельности предприниматель может столкнуться с двумя ситуациями:

1. на товар нет спроса, и он находится на складе, не принося прибыль;
2. товар отсутствует ввиду большого спроса на него.

Любая из этих ситуаций пагубно сказывается на прибыльности, а учитывая рост конкуренции в условиях современного рынка, использование закупочной логистики становится обязательным условием эффективного функционирования предприятия.

1. Актуальность темы

Любая работа требует от человека осмысления целей, порядка действий и возможных результатов. Эта координация намечаемых мер, опосредованная планом, помогает добиться успехов с меньшими затратами по принципу «минимум средств – максимум результата». Экономические проекты и сделки, направленные на достижение поставленных целей (получение прибыли, рост рентабельности или завоевание рынка) требуют предварительного осмысления в виде составления прогноза, плана или программы действия как непременного условия обоснования замысла и надежности получения желаемого результата.Эффективная деятельность предприятий и фирм в условиях рыночной экономики в значительной степени зависит от того, насколько достоверно они предвидят дальнюю и ближнюю перспективу своего развития, то есть от прогнозирования.В современных условиях хозяйственной независимости промышленных предприятий для многих из них стал весьма актуальным вопрос о прогнозировании. При составлении плана производства важны не только возможности предприятия, но и спрос на выпускаемую продукцию. Сейчас, когда предприятия вынуждены работать по «рыночным законам», предприниматели хотят знать перспективы развития своего предприятия, взглянуть в будущее, чтобы оценить возможные пути развития, предугадать последствия тех или иных решений. Таким образом прогнозирование и планирование являются неотъемлемой частью любого современного производства, внедряется повсеместно и, фактически, являются критерием для поддержания конкурентоспособности предприятия на рынке.

2. Обзор существующих систем

В результате анализа были рассмотрены следующие системы для прогнозирования и планирования:

1. 1С: Управление торговлей 8 [6];
2. Regression Analysis and Forecasting [7];
3. GeneXproTools [8];
4. CatMV [9].

Cистема 1С: Управление торговлей 8 позволяет решать задачи по контролю срока поставки товаров, расходов денежных средств и своевременности оплаты поставщикам.Программа позволяет регистрировать расхождения при приеме товаров, анализировать причины сбоя поставок (отказа поставщиков от поставки товаров), учитывать дополнительные услуги и дополнительные расходы при поставке товаров.

Regression Analysis and Forecasting использует спектр часто используемых статистических измерений для тестирования реальности анализа, результаты складываются в тексте для простоты использования. Как только отношения были определены, прогноз может быть составлен, основываясь на широком спектре используемых методологий. Понятное пошаговое использование позволяет разработать прогнозы для проектов во временной манере. Основной чертой множественного анализа и модели прогнозирования является: простота и гибкость ввода, с прикрепленными запросами справки; дружественное пользователю отображение результатов для не статистических; множественная и единственная регрессия в независимых переменных; и быстрый процесс прогнозирования с опциями использования трех многочленов, двух многочленов, экспоненциальных или линейных линий тренда на независимых переменных.

GeneXproTools может обрабатывать наборы данных с десятками тысяч переменных и извлекать наиболее нужные функции и их отношения. Это также очень дружественная пользователю программа, которая упрощает доступ ко всем типам данных, сохраненных из необработанных текстовых файлов в базах данных и Excel широкоформатных таблицах. Если вы хотите интегрировать сгенерированную модель с другими приложениями, то программа позволит вам перевести их на шестнадцать различных языков программирования, от основных языков, таких как: Java и c#, до специализированных языков, таких как: Matlab и VHDL.

Программа CatMV – это реализация Caterpillar–SSA метода анализа временных серий, которые могут содержать отсутствующие значения. Применяемые результаты приведут к извлечению дополнительных компонентов временной серии, таких как: тенденции и периодические компоненты, с одновременным заполнением отсутствующих данных. Данная программа позволяет выполнять прогнозирование для добавления отсутствующих значений после определенной точки временной серии.

После детального анализа каждой из этих систем было принято решение о нецелесообразности их использования, т.к. у них были выявлены следующие общие недостатки:

1. не объясняют полученных решений (неизвестно какие методы прогнозирования применялись);
2. зачастую не выполняют всех необходимых функций;
3. обладают относительно высокой стоимостью.

3. Описание объекта исследования

Объектом исследований выступает процесс управления закупками в условиях предприятия пищевой отрасли. Управление закупками на предприятии пищевой отрасли является особенно актуальным вопросом, т.к. правильно составленный план и прогноз с одной стороны позволяют минимизировать объемы хранимых товаров, что ведет к уменьшение затрат на хранение и, как следствие, повышению экономической эффективности предприятия, а с другой – позволяют избежать порчи самого товара (т.к. продовольственные товары требуют особых условий хранения).

4. Цели и задачи магистерской работы

Целью работы является создание компьютеризированной системы, позволяющей осуществлять прогнозирование спроса и, на основе прогноза, планирование закупок сырья на предприятии для оптимизации затрат, увеличения экономической эффективности предприятия и, как следствие, увеличения прибыли. Для достижения поставленной цели были поставлены следующие задачи:

1. анализ предметной области и существующих методов, моделей и алгоритмов прогнозирования и планирования;
2. разработка компонентов и обобщенной модели прогнозирования закупок;
3. определение точности и подбор эффективных параметров разработанной модели прогнозирования;
4. разработка модели планирования закупок с использованием данных прогнозирования;
5. разработка рекомендаций на основе моделей прогнозирования и планирования по повышению эффективности работы предприятия.

5. Ожидаемые научные результаты.

В результате разработки компьютеризированной подсистемы прогнозирования и планирования закупок сырья планируется достижение следующих научных результатов:

1. Разработанная модель прогнозирования позволnт прогнозировать закупки с точностью не менее 85%;
2. Разработанная модель планирования позволnт планировать закупки на период до 1 года с точностью не менее 85%.

6. Обзор методов прогнозирования

На современном этапе развития рыночной экономики существует множество методов, моделей, алгоритмов и пакетов уже готовых прикладных программ позволяющих осуществлять планирование и прогнозирование с заданной точностью. Рассмотрим основные из них. Нечеткая логика. Большинство методов прогнозирования не дают возможности работать с качественными показателями, в то время как теория нечеткой логики предоставляет удобный инструментарий для подачи экспертно установленных правил развития рынка в математической форме, обеспечивает автоматическое налаживание параметров модели с учетом количественных и качественных показателей [2]. Основными недостатками нечеткой логики являются:

1. отсутствие стандартной методики конструирования нечетких систем;
2. невозможность математического анализа нечетких систем существующими методами.

Регрессионный анализ. Применяется преимущественно в среднесрочном прогнозировании, а также в долгосрочном прогнозировании. Средне– и долгосрочный периоды дают возможность установления изменений в среде бизнеса и учета влияний этих изменений на исследуемый показатель [1]. Самым простым вариантом регрессионной модели является линейная регрессия. Этот вариант чаще всего используется на практике в силу своей простоты. Основным недостатком нелинейных регрессионных моделей является сложность определения вида функциональной зависимости, а также трудоемкость определение параметров модели. К недостаткам также можно отнести то, что, как показывает практика, большинство зависимостей в прогнозировании являются нелинейными, что делает использование данного метода нецелесообразным.

Генетические алгоритмы (genetic algorithm, GA). Часто применяется для решения задач оптимизации, а также поисковых задач. Однако некоторые модификации GA позволяют решать задачи прогнозирования [3]. Алгоритм прогнозирования на основе GA позволяет принимать в расчет более 15 внешних факторов, используя базовый GA.К основным достоинствам генетических алгоритмов можно отнести:

1. могут быть использованы для широкого класса задач;
2. просты и прозрачны в реализации;
3. могут быть использованы в задачах с изменяющейся средой.

К недостаткам генетических алгоритмов относят следующие:

1. не гарантирует обнаружения глобального решения за приемлемое время;
2. не гарантируют и того, что найденное решение будет оптимальным решением;
3. в случаях, когда задача может быть решена специально разработанным для нее методом, практически всегда такие методы будут эффективнее генетических алгоритмов, как по быстродействию, так и по точности найденных решений.

Нейронные сети. Учитывая недостатки предыдущих моделей, наиболее подходящими для прогнозирования закупок будут нейронные сети [5]. Существует множество применений нейронных сетей для решения задачи прогнозирования временных рядов. Обычно при прогнозировании временных рядов используются многослойные, чаще всего трехслойные, нейронные сети прямого распространения. Выглядит такая сеть следующим образом. Если нам нужен один выход, то сеть имеет стуктуру, представленную на рис. 1.

Основными достоинствами нейронных сетей являются:

1. нелинейность. Нейронные сети позволяют получить нелинейную зависимость выходного сигнала от входного;
2. адаптивность. Нейронные сети обладают способностью адаптировать свои синаптические веса к изменениям окружающей среды. Более того, для работы в нестационарной среде (где статистика изменяется со временем) могут быть созданы нейронные сети, изменяющие синаптические веса в реальном времени;
3. отказоустойчивость. Нейронные сети, реализованные на основе электронных компонентов, потенциально отказоустойчивы, так как контекстная информация распределена по всем связям нейронной сети.

Основной недостаток нейронных сетей состоит в том, что разработчику, недоступно то, что происходит внутри сети [10]. Он формируем входы, после этого рассчитывает выходы и просто сопоставляет одно с другим. Нет возможности детально и пошагово проследить то, как полученные на выходе значения были рассчитаны. Этот режим выполнения вычислений в «черном ящике» чрезвычайно усложняет процесс интерпретации результатов и модификации сети – неясно, что в ней нужно изменить, чтобы стало точнее.

7. Математическая постановка задачи прогнозирования.

Прогнозирование закупок сырья является неотъемлемой частью функционирования предприятия пищевой промышленности. Это сложный, многофакторный процесс, который включает в себя как анализ рынка, так и анализ самого предприятия, а также организацию производства и реализации товара [4]. Основная цель прогнозирования – это определение тенденций развития рынка и предприятия, в условиях постоянно изменяющих факторов, и составление плана, на основе полученного прогноза, который бы позволил увеличить эффективность работы предприятия. Таким образом задача сводится к получению оптимальных количественных величин товаров, которые должны быть закуплены, опираясь на значения соответствующих факторов. В общем виде это выглядит следующим образом:

                                                     yⁱ_j+1 = f(x ⁱ_j1 , x ⁱ_j2 ,x ⁱ_j3 ... x ⁱ_jn ,y ⁱ_j ),

       где
• y – объем продукции,
• x – факторы, влияющие на объем выпускаемой продукции;
• i – номер продукции;
• j – номер периода времени, на основе которого составляется прогноз;
• j+1 – номер периода времени, для которого составляется прогноз.

В общем случае прогнозируемая величина y может быть представлена как переменная состояния или выходная величина некоторой системы управления, на вход которой подаются соответствующие входные и управляющие величины u и которая находится под действием соответствующих помех s (рис 2).

Резюме Биография Библиотека Ссылки Отчет о поиске Индивидуальный раздел