ДонНТУ   Портал магістрiв   ФКНТ   Кафедра АСУ

Перевозчиков Олександр Андрійович

Факультет комп'ютерних наук та технологій

Кафедра автоматизованих систем управління

Спеціальність Інформаційні управляючі системи та технології

Комп'ютеризована підсистема прогнозування та планування закупівель сировини

Науковий керівник: к.т.н., доц. Секирин Олександр Іванович

Резюме Біографія Реферат

Реферат за темою випускної роботи

Зміст

• Вступ
• 1. Актуальність теми
• 2. Огляд існуючих систем
• 3. Опис об'єкта досліджень
• 4. Цілі і завдання магістерської роботи
• 5. Очікувані наукові результати
• 6. Огляд методів прогнозування
• 7. Математична постановка задачі прогнозування
• Висновки
• Список джерел

Вступ

У сучасних умовах господарської незалежності промислових підприємств для багатьох з них стало досить актуальним питання про застосування прогнозування у своїй діяльності. При складанні плану виробництва важливі не тільки можливості підприємства, але і попит на продукцію, що випускається. Зараз, коли підприємства змушені працювати за «ринковими законами», підприємці хочуть знати перспективи розвитку свого підприємства, поглянути в майбутнє, щоб оцінити можливі шляхи розвитку, передбачити наслідки тих чи інших рішень. Прогнозування та планування представляють собою потужний інструмент, що дозволяє не тільки ефективно використовувати можливості підприємства, але й мінімізувати ризики, пов'язані із закупівлею сировини. У сучасних умовах практично неможливо зустріти підприємство, що не застосовує прогнозування і планування свого виробництва. Це обумовлено тим, що в процесі здійснення своєї діяльності підприємець може зіткнутися з двома ситуаціями:

1. на товар немає попиту, і він знаходиться на складі, не приносячи прибуток;
2. товар відсутній зважаючи на великий попит на нього.

Будь–яка з цих ситуацій згубно позначається на прибутковості, а враховуючи зростання конкуренції в умовах сучасного ринку,   використання закупівельної логістики стає обов'язковою умовою ефективного функціонування підприємства.

1. Актуальність теми

Будь–яка робота вимагає від людини осмислення цілей, порядку дій і можливих результатів. Ця координація намічуваних заходів, опосередкована планом, допомагає досягти успіхів з меншими витратами за принципом «мінімум засобів – максимум результату». Економічні проекти й угоди, спрямовані на досягнення поставлених цілей (отримання прибутку, зростання рентабельності або завоювання ринку) вимагають попереднього осмислення у вигляді складання прогнозу, плану або програми дії як неодмінної умови обгрунтування задуму і надійності отримання бажаного результата.Еффектівная діяльність підприємств і фірм в умовах ринкової економіки в значній мірі залежить від того, наскільки достовірно вони передбачають далеку і ближню перспективу свого розвитку, тобто від прогнозування.В сучасних умовах господарської незалежності промислових підприємств для багатьох з них став досить актуальним питання про прогнозування. При складанні плану виробництва важливі не тільки можливості підприємства, але і попит на продукцію, що випускається. Зараз, коли підприємства змушені працювати за «ринковими законами», підприємці хочуть знати перспективи розвитку свого підприємства, поглянути в майбутнє, щоб оцінити можливі шляхи розвитку, передбачити наслідки тих чи інших рішень. Таким чином прогнозування і планування є невід'ємною частиною будь–якого сучасного виробництва, впроваджується повсюдно і, фактично, є критерієм для підтримки конкурентоспроможності підприємства на ринку.

2. Огляд існуючих систем

В результаті аналізу були розглянуті наступні системи для прогнозування і планування:

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

Cистема 1С: Управление торговлей 8 дозволяє вирішувати завдання з контролю терміну поставки товарів, витрат коштів і своєчасності сплати постачальникам.Программа дозволяє реєструвати розбіжності при прийомі товарів, аналізувати причини збою поставок (відмови постачальників від поставки товарів), враховувати додаткові послуги та додаткові витрати при поставці товарів.

Regression Analysis and Forecasting використовує спектр часто використовуваних статистичних вимірювань для тестування реальності аналізу, результати складаються у тексті для простоти використання. Як тільки відносини були визначені, прогноз може бути складений, грунтуючись на широкому спектрі використовуваних методологій. Ясна покрокове використання дозволяє розробити прогнози для проектів в тимчасовій манері. Основною рисою множинного аналізу та моделі прогнозування є: простота і гнучкість введення, з прикріпленими запитами довідки; дружнє користувачеві відображення результатів для НЕ статистичних; множинна і єдина регресія в незалежних змінних; і швидкий процес прогнозування з опціями використання трьох многочленів, двох многочленів, експоненційних або лінійних ліній тренда на незалежних змінних.

GeneXproTools може обробляти набори даних з десятками тисяч змінних і витягувати найбільш потрібні функції і їх відносини. Це також дуже дружня користувачу програма, яка спрощує доступ до усіх типів даних, збережених з необроблених текстових файлів в базах даних і Excel широкоформатних таблицях. Якщо ви хочете інтегрувати сгенерированную модель з іншими додатками, то програма дозволить вам перевести їх на шістнадцять різних мов програмування, від основних мов, таких як: Java і c #, до спеціалізованих мов, таких як: Matlab та VHDL.

Програма CatMV – це реалізація «Caterpillar»– SSA методу аналізу тимчасових серій, що можуть містити відсутні значення. Застосовувані результати приведуть до вилучення додаткових компонентів тимчасової серії, таких як: тенденції та періодичні компоненти, з одночасним заповненням відсутніх даних. Дана програма дозволяє виконувати прогнозування для додавання відсутніх значень після певної точки тимчасової серії.

Після детального аналізу кожної з цих систем було прийнято рішення про недоцільність їх використання, тому що у них були виявлені наступні загальні недоліки:

1. не пояснюють отриманих рішень (невідомо які методи прогнозування застосовувалися);
2. часто не виконують всіх необхідних функцій;
3. володіють відносно високою вартістю.

3. Опис об'єкта досліджень

Об'єктом досліджень виступає процес управління закупівлями в умовах підприємства харчової галузі. Управління закупівлями на підприємстві харчової галузі є особливо актуальним питанням, тому що правильно складений план і прогноз з одного боку дозволяють мінімізувати обсяги збережених товарів, що веде до зменшення витрат на зберігання і, як наслідок, підвищенню економічної ефективності підприємства, а з іншого – дозволяють уникнути псування самого товару (тому, що продовольчі товари вимагають особливих умов зберігання).

4. Цілі і завдання магістерської роботи

Метою роботи є створення комп'ютеризованої системи, що дозволяє здійснювати прогнозування попиту і, на основі прогнозу, планування закупівель сировини на підприємстві для оптимізації витрат, збільшення економічної ефективності підприємства і, як наслідок, збільшення прибутку. Для досягнення поставленої мети були поставлені такі завдання:

1. аналіз предметної області та існуючих методів, моделей і алгоритмів прогнозування і планування;
2. розробка компонентів і узагальненої моделі прогнозування закупівель;
3. визначення точності і підбір ефективних параметрів розробленої моделі прогнозування;
4. розробка моделі планування закупівель з використанням даних прогнозування;
5. розробка рекомендацій на основі моделей прогнозування і планування щодо підвищення ефективності роботи підприємства.

5. Очікувані наукові результати.

В результаті розробки комп'ютеризованої підсистеми прогнозування і планування закупівель сировини   планується досягнення наступних наукових результатів:

1. Розроблена модель прогнозування позволnт прогнозувати закупівлі з точністю не менше 85%;
2. Розроблена модель планування позволnт планувати закупівлі на період до 1 року з точністю не менше 85%.

6. Огляд методів прогнозування

На сучасному етапі розвитку ринкової економіки існує безліч методів, моделей, алгоритмів і пакетів вже готових прикладних програм дозволяють здійснювати планування і прогнозування з заданою точністю. Розглянемо основні з них. Нечітка логіка. Більшість методів прогнозування не дають можливості працювати з якісними показниками, в той час як теорія нечіткої логіки надає зручний інструментарій для подачі експертно встановлених правил розвитку ринку в математичній формі, забезпечує автоматичне налагодження параметрів моделі з урахуванням кількісних і якісних показників [2]. Основними недоліками нечіткої логіки є:

1. відсутність стандартної методики конструювання нечітких систем;
2. неможливість математичного аналізу нечітких систем існуючими методами.

Регресійний аналіз. Застосовується переважно в середньостроковому прогнозуванні, а також в довгостроковому прогнозуванні. Середньо–і довгостроковий періоди дають можливість встановлення змін в середовищі бізнесу та обліку впливів цих змін на досліджуваний показник [1]. Найпростішим варіантом регресійній моделі є лінійна регресія. Цей варіант найчастіше використовується на практиці в силу своєї простоти. Основним недоліком нелінійних регресійних моделей є складність визначення виду функціональної залежності, а також трудомісткість визначення параметрів моделі. До недоліків також можна віднести те, що, як показує практика, більшість залежностей у прогнозуванні є нелінійними, що робить використання даного методу недоцільним.

Генетичні алгоритми (genetic algorithm, GA). Часто застосовується для вирішення завдань оптимізації, а також пошукових завдань. Однак деякі модифікації GA дозволяють вирішувати задачі прогнозування [3]. Алгоритм прогнозування на основі GA дозволяє приймати в розрахунок понад 15 зовнішніх факторів, використовуючи базовий GA.К основних достоїнств генетичних алгоритмів можна віднести:

1. можуть бути використані для широкого класу задач;
2. прості і прозорі в реалізації;
3. можуть бути використані в задачах з змінюється середовищем.

До недоліків генетичних алгоритмів відносять такі:

1. не гарантує виявлення глобального рішення за прийнятний час;
2. не гарантують і того, що знайдене рішення буде оптимальним рішенням;
3. у випадках, коли задача може бути вирішена спеціально розробленим для неї методом, практично завжди такі методи будуть ефективніше генетичних алгоритмів, як за швидкодією, так і за точністю знайдених рішень.

Нейронні мережі. Враховуючи недоліки попередніх моделей, найбільш зручними для прогнозування закупівель будуть нейронні мережі [5]. Існує безліч застосувань нейронних мереж для вирішення задачі прогнозування часових рядів. Зазвичай при прогнозуванні часових рядів використовуються багатошарові, найчастіше тришарові, нейронні мережі прямого поширення. Виглядає така мережа наступним чином. Якщо нам потрібен один вихід, то мережа має стуктуру, представлену на рис. 1.

Основними перевагами нейронних мереж є:

1. нелінійність. Нейронні мережі дозволяють отримати нелінійну залежність вихідного сигналу від вхідного;
2. адаптивність. Нейронні мережі мають здатність адаптувати свої синаптичні ваги до змін навколишнього середовища. Більше того, для роботи в нестаціонарної середовищі (де статистика змінюється з часом) можуть бути створені нейронні мережі, що змінюють синаптичні ваги в реальному часі;
3. відмовостійкість. Нейронні мережі, реалізовані на основі електронних компонентів, потенційно відмовостійкості, так як контекстна інформація розподілена по всіх зв'язках нейронної мережі.

Основний недолік нейронних мереж полягає в тому, що розробнику, заблоковано те, що відбувається всередині мережі [10]. Він формуємо входи, після цього розраховує виходи і просто зіставляє одне з іншим. Немає можливості детально і покроково простежити те, як отримані на виході значення були розраховані. Цей режим виконання обчислень у «чорному ящику» надзвичайно ускладнює процес інтерпретації результатів і модифікації мережі – неясно, що в ній потрібно змінити, щоб стало точніше.

7. Математична постановка задачі прогнозування.

Прогнозування закупівель сировини є невід'ємною частиною функціонування підприємства харчової промисловості. Це складний, багатофакторний процес, який включає в себе як аналіз ринку, так і аналіз самого підприємства, а також організацію виробництва і реалізації товару [4]. Основна мета прогнозування – це визначення тенденцій розвитку ринку і підприємства, в умовах постійно змінюють факторів, і складання плану, на основі отриманого прогнозу, який би дозволив збільшити ефективність роботи підприємства. Таким чином задача зводиться до отримання оптимальних кількісних величин товарів, які повинні бути закуплені, спираючись на значення відповідних факторів. У загальному вигляді це виглядає наступним чином:

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

де
• y – обсяг продукції,
• x – фактори, що впливають на обсяг продукції, що випускається;
• i – номер продукції;
• j – номер періоду часу, на основі якого складається прогноз;
• j+1 – номер періоду часу, для якого складається прогноз.

У загальному випадку прогнозована величина y може бути представлена ??як мінлива стану або вихідна величина деякої системи управління, на вхід якої подаються відповідні вхідні та керуючі величини u і яка знаходиться під дією відповідних перешкод s (рис. 2).

Резюме Біографія