Нейросетевое моделирование динамически адаптируемого прогноза объемов сбыта многоассортиментной продукции : На примере реализации одежды "Глория Джинс"

• Автор: Солодовников, Виталий Витальевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Ростов-на-Дону
• Количество страниц: 131 с. : ил.

ВВЕДЕНИЕ
1 ОСОБЕННОСТИ СБЫТА МНОГОЛССОРТИМЕНТНОЙ ПРОДУКЦИИ НА ПРИМЕРЕ КОРПОРАЦИИ ГЛОРИЯ ДЖИНС.

1.1 Анализ особенностей сбыта многоассортиментрой продукции

1.2 Исследование предприятий рассматриваемого класса с позиции теории сложных систем.1

1.3 Анализ сбыта многоассортимеитной продукции корпорации Глория Джинс

2 ИССЛЕДОВАНИЕ СБЫТА МНОГОАССОРТИМЕНТНОЙ ПРОДУКЦИИ НА ОСНОВЕ МОДЕЛИ ВРЕМЕННЫХ РЯДОВ

2.1 Обзор литературы по численным методам исследования

сбыта продукции

2.2 Анализ методологии прогнозирования временных рядов

БоксаДженкинса

2.3 Разработка концептуального метода динамически адаптируемого прогноза объемов сбыта многоассортиментной продукции на основе модели временных рядов.
2.4 Исследование динамически адаптируемых моделей
прогнозирования сбыта многоассортиментной продукции
3 РАЗРАБОТКА НЕЙРОИМИТАТОРА ДЛЯ ДИНАМИЧЕСКОЙ АДАПТАЦИИ ПРОГНОЗА
3.1 Анализ методов исследования временных рядов с применением нейронных сетей.
3.2 Разработка алгоритма нейросстевого моделирования динамически адаптируемого прогноза объемов сбыта многоассортиментной продукции .
4 НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ ОБЪЕМОВ СБЫТА МНОГО АССОРТИМЕНТНОЙ ПРОДУКЦИИ
4.1 Подготовка данных для нейроимитационного моделирования временных рядов.
4.2 Нейроимитационное моделирование прогноза сбыта многоассортиментной продукции на примере данных
корпорации Глория Джинс
5 СОЗДАНИЕ ПРОГРАММНОГО КОМПЛЕКСА ЗОБАШБ ДЛЯ.
НЕЙРОИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
ЭКОНОМИЧЕСКИХ ВРЕМЕННЫХ РЯДОВ.
5.1 Анализ структуры хранилища данных корпорации Глория Джинс
5.2 Разработка структуры программного нейроимитатора.
5.3 Внедрение пользовательского интерфейса программного
нейроимитатора
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Преимущество прогноза сбыта на основе мнений торговых агентов заключается в том, что такой прогноз может быть дифференцированным: в разрезе товаров, территорий и покупателей. Недостатком указанного метода прогноза может быть вероятность неправильной оценки сбыта из-за неполноты знания торговыми агентами экономических факторов и планов компании. Прогнозирование сбыта продукции на основе мнений покупателей имеет недостаток - субъективный подход. Например, покупатель товара не может ответить с достаточной степенью точностью, какое количество этого товара он собирается приобрести в обозримом будущем. Среди неколичественных методов прогнозирования сбыта особое место занимает метод экспертных оценок Дельфи. Он получил широкое распространение в развитых странах. Этот метод заключается в том, что сбор мнений экспертов о возможных объемах сбыта определенного товара осуществляется путем письменного анкетного опроса в несколько туров. При этом каждый эксперт свой прогноз дает независимо от других. В процессе обработки результатов компетентность каждого специалиста можно оценить с помощью специального коэффициента. Количественным методом прогнозирования сбыта продукции являются: методы экстраполяции, корреляционного и регрессионного анализа, анализа временных рядов, метод Бокса-Дженкинса и др. С помощью корреляционного анализа можно отобрать факторы, влияющие на сбыт продукции, измерить степень связи между выбранными факторами и объемом сбыта и составить прогноз сбыта определенного товара в будущем периоде. Регрессионный анализ позволяет выразить факторы, влияющие на объем сбыта, в виде регрессионной модели и воспользоваться полученной моделью для прогнозирования сбыта продукции. Анализ временных рядов относится к статистическим методам прогнозирования, сущность которых состоит в том, чтобы на основе математических моделей сформировать прогнозы объемов сбыта продукции. Метод Бокса-Дженкинса получил широкое распространение в развитых странах для прогнозирования объемов сбыта. Он заключается в разработке и отборе на базе компьютерной техники той математической модели, которая наилучшим образом отражает результат прежних объемов сбыта. Любые прогнозы являются лишь рабочими гипотезами о тех или иных показателях развития в будущем, поэтому их достоверность полностью зависит от той информации, на которой они базируются. Прогноз объема сбыта служит составной частью плана сбыта [4-6]. Планирование объема сбыта многоассортиментной продукции, включающее маркетинговое исследование рынка, прогнозирование спроса покупателей на основе данных за предыдущие периоды и определяющее на будущее вероятностные характеристики процесса управления предприятием, позволяет получить такие показатели эффективности функционирования компании как: величину доходов, прибыль, уровень рентабельности. Современное предприятие - сложный для управления производственно — хозяйственный комплекс. С позиции теории сложных систем предприятие является технико - экономической системой, то есть сложной производственной системой, управляемой по технико - экономическим показате-лям[7-8]. Предприятие как ТЭС - совокупность техники, технологий, материальных, финансовых и трудовых ресурсов, находящихся в определённых организационных и экономических отношениях между собой и с внешним миром, предназначенная для целенаправленного производства конкурентоспособной продукции. Критерии управления предприятием как ТЭС - комплекс технико -экономических показателей. Цель управления (функционирования) ТЭС -достижение оптимальных ТЭП. Техноко - экономические процессы - совокупность процессов, протекающих в ТЭС. Технико - экономические показатели" - это система показателей работы предприятия, применяемая для анализа и оценки его производственно -хозяйственной деятельности, планирование организационного, технического и технологического уровней производства, рационального (эффективного) использования производственных фондов и трудовых ресурсов. На основе кибернетического подхода процесс управления предприятием может быть представлен в виде схемы (рисунок. I - время; Х„зм.