Русский   English
ДонНТУ   Портал магістрів

Реферат за темою випускної роботи

Зміст

Вступ

Будь–яке торгове підприємство в сучасних умовах є досить складний комплекс різного роду ланок, від злагодженої роботи яких залежить успіх підприємства в цілому. Одна з важливих складових успіху підприємства – ефективне прогнозування продажу. Правильно складений прогноз дозволяє більш ефективно вести процес обліку, перш за все, контролювати і оптимізувати витрати. Крім того, якщо мова йде про товар, це в першу чергу дозволяє скласти оптимальні запаси товару на складі.

1. Актуальність теми

Для управління підприємством необхідно вміти передбачати майбутнiй стан підприємства і середовища, в якій воно існує, вчасно попередити збої і зриви в роботі, тому стало актуальним питання про застосування прогнозування в діяльності даного підприємства.

Згідно експертних оцінок, якісне управління потоками товарів і цінова політика підприємства при використанні систем автоматизації дозволяє підвищити прибуток на 50–70% [1].

Підвищення прибутку відбувається за рахунок:

  1. зниження необхідності товарного запасу, що позбавляє від затоварення і звільняє оборотні кошти;
  2. підвищує ефективність закупівель;
  3. збільшує швидкість проходження товару по ланцюжку Постачальник–Склад–Покупець.

Таким чином актуальність даної теми полягає в тому що, при нинішньому нестабільному стані економіки багато підприємств, що займаються торговельною діяльністю, зазнають збитків через відсутність або завищеної кількості товару на складі. Виходячи з цього, можна зробити висновок, що управління товарообігом неможливо без сучасних автоматизованих засобів обліку і планування.

Підсистема, яка розробляється, надасть керівництву широкі можливості по оперативному контролю та управління торговими точками. Наприклад, вона дозволить оперативно визначити номенклатуру товарів, які користуються найбільшим попитом, з'ясувати, скільки їх залишилося в наявності і у якого постачальника найвигідніше купити наступну партію цього товару. Керівник зможе отримати інформацію про стан складських запасів і з продажу, як в аналітичному розрізі, так і в динаміці.

2. Мета і задачі дослідження та заплановані результати

Метою роботи є розробка комп'ютеризованої підсистеми управління товарообігом приватного підприємства з урахуванням прогнозування попиту, що дозволяє знизити витрати на закупівлю матеріалів.

Підсистема дасть можливість:

  1. забезпечити наявність товару в потрібній кількості;
  2. знизити рівень втрачених продажів;
  3. підвищити ефективність контролю з управління товарообігом.

Основні завдання дослідження:

  1. виконати аналіз функціонування підприємства на предмет управління товарообігом;
  2. провести аналіз існуючих методів складання плану закупівель;
  3. виконати аналіз, обґрунтувати і вибрати метод прогнозування попиту на товар.

Об'єкт дослідження: приватне підприємство з великими обсягами реалізації товару.

Предмет дослідження: організація управління товарообігом на приватному підприємстві з урахуванням прогнозування попиту.

В результаті розробки комп'ютеризованої підсистеми управління товарообігом приватного підприємства з урахуванням прогнозування попиту планується осягнення наступних наукових результатів:

  1. розробка алгоритму прогнозування попиту продажів на базі нейронних мереж;
  2. розроблена модель прогнозування дозволить прогнозувати закупівлі з точністю не менше 85%.

Теоретичну основу роботи склали праці вчених в сферах управлінського обліку і комп'ютерного моделювання, прогнозування попиту, таких як Бушуєва Л.І., Тихонов Е.Е., Костіна Л.М., Гареева Г.А.

3. Огляд існуючих систем

В даний момент на ринку програмних продуктів представлена величезна кількість систем бухгалтерського обліку, руху товарів і обліку продажів на підприємствах [1]. Всі ці продукти мають закінчений вигляд, але вони не пристосовані до конкретних умов окремо взятого підприємства.

Популярними розробками є:

  1. SAP WMS: Система управління складами;
  2. WMS–система RS–Balance 3;
  3. Система Парус–Підприємство 7.

SAP WMS: Система управління складами дозволить організувати роботу підприємства з урахуванням всіх факторів, що впливають на роботу складу.

Використання модуля SAP WMS дозволяє оптимізувати роботу керівників і менеджерів зі складської логістики, завдяки широкому спектру можливостей, що дозволяють:

  1. автоматизувати облік на складі в режимі реального часу;
  2. створити прозорий складський облік;
  3. збільшити продуктивність складського комплексу;
  4. виконувати моніторинг стану складського запасу;
  5. оптимізувати витрати на матеріально–технічні і кадрові ресурси [2].

WMS–система RS–Balance 3 призначена для автоматизації роботи складів різних видів діяльності: торгових, дистриб'юторських, розподільних, виробничих, складів сировини і матеріалів, а також для 3PL–операторів. Система розроблена на базі програмного комплексу RS–Balance 3, який за довгі роки успішної роботи зарекомендував себе як надійне рішення в сфері автоматизації бізнесу. Система RS–Balance 3 WMS дозволяє здійснювати управління складом, оптимізувати всі бізнес–процеси складу, підвищити ефективність використання складських площ, а також забезпечити високу продуктивність роботи складського персоналу і техніки [3].

Система Парус–Підприємство 7 використовується малими і середніми підприємствами, які займаються торгівлею, виробництвом, рекламою і т.д. Вона дозволяє автоматизувати торговельні процеси і складський облік, також бухгалтерський і кадровий облік. Система побудована за модульним принципом і являє собою набір модулів, кожен з яких призначений для автоматизації одного з основних видів діяльності підприємства і може працювати як в автономному режимі, так і спільно з іншими модулями комплексу.

Як видно з огляду вище розглянутих найпоширеніших систем, вони дозволяють виконувати весь спектр облікової діяльності, але при цьому вони складні в освоєнні і громіздкі, вимагають великих капіталовкладень, визначеного підбору потрібних модулів, придатних для даного підприємства, і точної настройки цих модулів. І саме ці недоліки даних систем заважають їх використанню для обліку продажів і переміщення товарів в умовах невеликого приватного підприємства. До того ж ці продукти вимагають серйозних доопрацювань з урахуванням специфіки підприємства, а це призведе в свою чергу до додаткових витрат.

4. Методи прогнозування

Для управління підприємством необхідно вміти передбачати майбутнiй стан підприємства і середовища, в якій воно існує, вчасно попередити збої і зриви в роботі, тому стало актуальним питання про застосування прогнозування.

Прогнозування – одна з основних складових управлінського процесу. Ігноруючи прогнозування і планування своєї роботи, керівник підприємства може зіткнутися з такими ситуаціями:

  1. товар знаходиться на складі, не приносячи прибуток, так як немає на нього попиту;
  2. відсутність товару через великий попит.

Будь–яка з цих ситуацій негативно позначиться на роботі підприємства в цілому.

В роботі розглянуті такі методи прогнозування як:

  1. регресійний аналіз;
  2. метод експоненціального згладжування;
  3. прогнозування за допомогою нейронних мереж.

Регресійний аналіз – статистичний метод дослідження впливу однієї або декількох незалежних змінних на залежну змінну [4].

Основна мета регресійного аналізу це визначення аналітичної форми зв'язку, в якій зміна результативної ознаки викликано впливом одного або декількох факторних ознак, а безліч всіх інших чинників, також виявляють вплив на результативну ознаку, приймається за постійні і середні значення.

Завдання регресійного аналізу [5]:

  1. Встановлення форми залежності. Щодо характеру і форми залежності між явищами, розрізняють позитивну лінійну і нелінійну і негативну лінійну і нелінійну регресію.
  2. Визначення функції регресії у вигляді математичного рівняння того або іншого типу і встановлення впливу пояснюють змінних на залежну змінну.
  3. Оцінка невідомих значень залежної змінної. За допомогою функції регресії можна відтворити значення залежної змінної всередині інтервалу заданих значень пояснюють змінних, або оцінити перебіг процесу поза заданого інтервалу. Результат являє собою оцінку значення залежної змінної.

Метод експоненціального згладжування був відкритий в середині XX століття Броуном і Холтом окремо один від одного. Він частіше застосовується для розробки середньострокових прогнозів. Даний метод підходить для прогнозування не більше ніж на один період вперед. Основні переваги методу простота обчислень і можливість обліку ваг вихідної інформації. Робоча формула методу експоненціального згладжування (рис. 1) [6]:

Формула методу експоненціального згладжування

Рисунок 1 – Формула методу експоненціального згладжування

де

t – період, що передує прогнозному;

t+1 – прогнозний період;

Ut+1 – прогнозований показник;

а – параметр згладжування;

Уt – фактичне значення досліджуваного показника за період, що передує прогнозному;

Ut – експоненціально зважена середня для періоду, що передує прогнозному.

При прогнозуванні за допомогою методу експоненціального згладжування основною проблемою є вибір значення параметра згладжування а (при різних значеннях а результати будуть різні), а також визначення початкового значення Uo.

Переваги даного методу:

Недоліки:

Одним з відомих методів прогнозування є прогнозування з використанням штучних нейронних мереж.

Штучні нейронні мережі – це математичні моделі, їх програмні реалізації, побудовані за принципом організації та функціонування біологічних нейронних мереж – мереж нервових клітин живого організму.

Здібності нейронної мережі до прогнозування безпосередньо випливають з її здатності до узагальнення і виділення прихованих залежностей між вхідними та вихідними даними. Після навчання мережа здатна передбачити майбутнє значення якоїсь послідовності на основі декількох попередніх значень і (або) якихось існуючих зараз чинників. Слід зазначити, що прогнозування можливо тільки тоді, коли попередні зміни дійсно в якійсь мірі визначають майбутні [7].

5. Аналіз статистичних даних для системи прогнозування

В даній магістерській роботі в якості досліджуваних даних були розглянуті дані, що відображають обсяги продажів будівельних матеріалів за 2015 – 2016 роки. На основі цих даних були побудовані тимчасові ряди (рис. 2) [8]. Часовий ряд – це послідовність упорядкованих у часі числових показників, що характеризують рівень стану і зміни досліджуваного явища [9].

Графік продажів за 2015–2016 роки

Рисунок 2 – Графік продажів за 2015–2016 роки

Мета аналізу часового ряду – опис характерних особливостей ряду, для подальшої побудови моделі ряду для передбачення майбутніх значень на основі минулих спостережень.

Для цього використовувався апарат кореляційного аналізу. Кореляція – взаємозв'язок двох або більше величин, при цьому зміни значень однієї з величин супроводжує зміни значень іншої величини [10].

Кореляційний аналіз дозволяє прийти до наступних висновків про поведінку часового ряду [8]:

  1. Якщо ряд містить тренд, то ступінь взаємної залежності між послідовними значеннями ряду і кореляція між ними дуже високі. При цьому коефіцієнт автокореляції значний для перших декількох зрушень ряду, а в подальшому зменшується до нуля.
  2. Якщо дія випадкової компоненти велике, то коефіцієнти автокореляції для будь–якого значення зсуву будуть близькі до нуля. Висока мінливість ряду, що є наслідком впливу випадкової компоненти, призводить до зменшення взаємної зв'язку між послідовними значеннями ряду і, відповідно, до зменшення коефіцієнта автокореляції.
  3. Якщо ряд містить сезонну компоненту, то коефіцієнт автокореляції буде великим для значень зсуву, рівних періоду сезонної складової або кратних йому.

При аналізі часових рядів обчислюється автокорреляцiя ряду і будується автокореляційна функція (рис.3) .Для обчислення автокорреляции ряду, використовувалася його копія, зрушена в бік запізнювання на певну кількість відліків.

Автокорреляцiона функція часового ряду продажів

Рисунок 3 – Автокорреляцiона функція часового ряду продажів
(Анімація: кадрів 8; повторів не обмежено; розмір 25,4 КБ)

При аналізі автокореляційних функцій і візуальному аналізі часових рядів можна зробити висновки про наявність сезонної компоненти. Також спостерігається високий ступінь кореляції для деяких зрушень, що буде враховано при побудові прогнозуючої моделі.

Висновки

При виконанні магістерської роботи були розглянуті основні методи прогнозування, описані існуючі системи для управління товарообігом на підприємстві. Було виконано аналіз і попередня обробка статистичних даних для системи прогнозування продажів. Побудовано та досліджено тимчасові ряди продажів будівельних матеріалів за 2015 – 2016 рр. Так само проведені експериментальні дослідження з використанням даних, наданих приватним підприємством.

При написанні даного реферату магістерська робота ще не завершена. Передбачувана дата завершення: травень 2018 року. Повний текст роботи та матеріали по темі можуть бути отримані у автора або його керівника після зазначеної дати.

Перелiк посилань

  1. Безрукова Т.Л., Борисов А.Н., Шанин И.И. Совершенствование управления эффективным развитием экономической деятельности предприятий / Общество: политика, экономика, право – Научная электронная библиотека «Киберленинка».
  2. Система управления складами (WMS) [Электронный ресурс] // URL: http://www.itctg.ru/solutions/sap-wms
  3. Управление складом [Электронный ресурс] //URL: http://www.rs-wms.ru/system/
  4. Регрессионный анализ // Википедия. [2017-2017]. URL: https://ru.wikipedia.org/wiki
  5. Пример регрессионного анализа [Электронный ресурс] // URL: https://math.semestr.ru
  6. Прогнозирование на основе метода экспоненциального сглаживания [Электронный ресурс] // URL: http://www.ekonomika-st.ru/drugie/metodi
  7. Искусственная нейронная сеть // Википедия. [2017-2017]. URL: https://ru.wikipedia.org/wiki
  8. Вудвуд Е.Ю., доц. Васяева Т.А. Анализ статистических данных для системы прогнозирования продаж // Информатика, управляющие системы, математическое и компьютерное моделирование (ИУСМКМ – 2017). – Донецк, ДонНТУ – 2017, с. 247-254.
  9. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: Учебник. — М.: Финансы и статистика, 2001.
  10. Корреляция // Википедия. [2017—2017]. URL: http://ru.wikipedia.org