Разработка системы краткосрочного прогнозирования спроса на продукцию с использованием принципа самоорганизации

Отчет

по преддипломной практике

Тема проекта:

Разработка системы краткосрочного прогнозирования спроса на продукцию с использованием принципа самоорганизации

Выполнил: студент группы ПОВТ 2-05

Дудников Александр

Проверила: ст. преп. Стамкулова Г.К.

Введение

Описание проблемы

Решение задач краткосрочного прогнозирования вызывают особые затруднения, поскольку они требуют высокую точность. Широко известные методы статистического прогноза не обеспечивают достаточную точность прогнозирования в условиях быстро меняющихся условий рынка товаров и услуг. Поэтому необходимо разработать систему, которая будет осуществлять прогноз с использованием принципа самоорганизации, который отражает изменяющиеся во времени условия.

Только организация систем управления предприятием во взаимосвязи всех функций управления, включая прогнозирование, на основе информационно-аналитических аспектов является одним из важнейших направлений повышения эффективности деятельности предприятий в целом.

Цель проектирования.

Разработка системы прогнозирования временных рядов динамики, предназначенной для определения краткосрочного прогноза на примере решения задачи прогнозирования спроса.

Система должна обеспечивать:

•  получение будущих значений ряда с высокой точностью за счет применения принципа самоорганизации;

•  анализ результатов прогнозирования;

•  накопление статистических данных наблюдаемого показателя.

Задачи:

·  Разработать концептуальную и функциональную схемы работы системы;

·  Разработать базу данных, содержащую фактические и прогнозные данные;

·  Разработать пользовательский интерфейс системы прогнозирования;

·  Организовать защиту пользователей системы, используя аутентификацию;

·  Разработать программу, которая позволяет:

-  пополнять, изменять, просматривать введенные статистические данные;

-  выбирать метод прогнозирования;

-  выбирать критерий оценки качества прогноза;

-  получать прогнозные значения наблюдаемого показателя;

-  просматривать результаты прогнозирования (прогноз и ошибка на заданный период).

Актуальность проблемы

Современные условия на рынке управления и бизнеса характеризуются ужесточением конкурентной борьбы на рынках сбыта, трансформируются в конкуренцию организаций, в соперничество знаний и управление ими в целях достижения рыночного преимущества. А это предполагает применение гибких систем управления, которые помогают принять эффективные управленческие решения в условиях неопределенности. Развитие информационных технологий, средств связи и коммуникаций открыли новые направления эффективного и целенаправленного воздействия на организацию системы управления предприятиями. При решении тактических задач управления требуется знание прогнозных значений показателей на короткий период упреждения. Вот почему без систем прогнозирования невозможно обеспечить эффективного управления.

Обзор и анализ существующих программ

Статистическое прогнозирование по временному ряду стало неотъемлемым атрибутом экономической деятельности любой самостоятельной единицы, от мелкой фирмы до компаний – гигантов, которое использует компьютерные программы (приложения). Это позволяет автоматизировать большую часть операций при построении прогноза, а также позволяет избежать ошибок, связанных с вводом данных.

Наибольшее практическое распространение получили методы краткосрочного прогнозирования спроса, встроенные в общую систему автоматического контроля управления запасами.

Такие приложения могут быть как локальными (для использования на одном компьютере), так и Интернет - приложениями (доступными в виде веб - сайта, например). В качестве локальных приложений следует выделить такие программы, как ForExSal, ForecastPRO, Forecast Expert.

ForExSal - программа для прогнозирования продаж товаров с учетом факторов влияния, сезонности и трендов [10].

Достоинствами данной программы является то, что в ней реализованы методы прогнозирования временных рядов, предназначенные как для построения прогнозов отдельных независимых товаров, так и для построения прогнозов одновременно для многих товаров с учетом взаимного воздействия товаров друг на друга и влияния внешних факторов.

ForecastPRO – программный пакет, предназначенный для построения прогноза временного ряда для краткосрочного, среднесрочного прогнозирования. Продукт разработан для большего числа прогнозных работ таких как, объединенное прогнозирование, комплексных иерархии, взаимодействие с другими системами, поддержка множественных прогнозирующих баз и документирование, есть возможность моделирования продвижения товара и обычное моделирование, определять и регулировать иерархии [9]. Достоинствами данного программного продукта является многофункциональность.

Forecast Expert – используется для построения прогноза временного ряда с помощью параметрической модели Бокса-Дженкинса. Модель предусматривает для корректного прогноза не менее 30 наблюдений. Программный продукт предназначен для прогнозирования любого параметра, в отношении которого имеется должное количество замеров в конкретном промежутке времени.

Достоинствами данного программного продукта является:

−  Невысокие требования к уровню подготовки специалиста в области прогнозирования для работы с ПО (если такое вообще допустимо для специалиста в этой области).

−  Не требуется много времени на изучение пакета для начала работы с ним (около 1 часа).

Недостатками являются:

−  В описании системы приведены большие объемы информации о принципах построения статистических моделей, сущности метода Бокса-Дженкинса и множество сведений из учебника по статистики, но отсутствует информация о причинах выбора разработчиками ПО именно модели Бокса-Дженкинса для системы прогнозирования в пакете.

−  Избыточная требовательность к собираемым (подготавливаемым) для анализа данным, объясняемая сущностью применяемой в ПО модели Бокса-Дженкинса. Модель предусматривает для корректного прогноза не менее 30 наблюдений.

Недостатками всех вышеперечисленных программных продуктов является их высокая стоимость, а многие кыргызстанские предприятия и учреждения не могут их приобрести.

Обзор и анализ существующих методов прогнозирования

В зависимости от поставленных задач и требуемых результатов используются различные методы прогнозирования. Выделяют методы краткосрочного и среднесрочного прогнозирования :

·  Методы краткосрочного прогнозирования применяются в тех случаях когда:

1)  частота данных за рассматриваемый период не более года (недельные, месячные, квартальные и т. п.);

2)  прогноз делается для конкретного объекта отдельно и последовательно на каждый следующий момент времени;

3)  прогнозы строятся для большого числа объектов;

4)  если прогноз составляется для конкретного товара или рыночного продукта, в задачу прогнозирования также входит: а) анализ спроса с целью выработки политики в области управления запасами и производством соответствующего товара, б) анализ продаж с целью упорядочения торговых операций.

Очевидно, для подобного рода применений прогностические методы и модели (или набор моделей) должны быть:

1)  легкими в обращении – в смысле вычислений и затрат, связанных с хранением информации;

2)  гибкими и поэтому допускающими для самого широкого круга объектов применение различного набора связанных между собой типов прогностических моделей, эффективно работающих в самых разных ситуациях;

3)  достаточно полно автоматизированными и требующими по возможности минимального вмешательства человека;

4)  достаточно обоснованными в научном смысле, реализованными в виде программ на ЭВМ.

·  Среднесрочное прогнозирование, как правило, целесообразно в случаях, когда:

1)  имеются ежегодные данные и их можно взять из официальных источников;

2)  прогнозы являются одноразовыми, т.е. не повторяются и не подправляются (адаптируются) с поступлением новых данных;

3)  прогнозы осуществляются для временных рядов относительно малой длины;

4)  прогнозируется, например, динамика не отдельного объекта или спроса на некоторый товар, а процесса, имеющего общую природу, такого, как объем капиталовложений, прибыли или суммы продаж на некотором рынке товаров.

·  Адаптивное прогнозирование.

Необходимость в том, чтобы прогнозы были чувствительными к изменениям данных, очевидна. Более чувствительный прогноз, в конечном счете, приведет и к меньшей разнице между прогнозируемым и фактическим значениями, а значит, точность будет выше. Другое требование, по которому прогноз должен быть малочувствителен в условиях устойчивости (малого изменения данных), не так очевидно, поскольку в этом случае и высоко - и низкочувствительный прогноз приведет приблизительно к одним и тем же назначениям.

Первые адаптивные модели были разработаны в начале 50-х годов XX века [1]. В их основе лежит метод экспоненциального сглаживания, предложенный Р.Г. Брауном. В дальнейшем в развитие и совершенствование методов адаптивного прогнозирования большой вклад внесли Р. Вейд, Д. Мат, Дж. Бокс, Г. Дженкинс, П. Харрисон, Д. Вард, Г. Тейл, С. Вейдж, Р. Маркланд, П.Р.Уинтерс, Р.Ф. Майер, Й. А Мюллер, Д. Тригг, А. Лич, М.Л. Шоун, У. Чоу, С. Роберте, Р. Рид, А. Рао, А. Шапиро, Ю.П. Лукашин, Е.М. Левитский, А.Г. Иваненко, А.А. Френкель, Е.М. Четыркин, В.В. Венсель.

система прогнозирование спрос

Выбор и обоснование инструментального программного средства, используемого при решении задачи

Для реализации поставленной задачи необходимо средство, которое позволит разработать систему удобную и мощную, а также модифицируемую и отвечающую современным требованиям к программному обеспечению.

Для разработки системы прогнозирования я выбрал инструментальное средство разработки Microsoft Visual Studio 2008 (язык С#), Microsoft Access 2003. Microsoft Visual Studio 2008 является объектно–ориентированным средством разработки клиент – серверных, многоуровневых, а также WEB - приложений. Для реализации поставленных задач было необходимо использование стандартных элементов управления, таких как окна, формы, кнопки, через которые пользователь передает входные данные и получает результаты в виде выходных данных. Microsoft Visual Studio 2008 позволяет создавать библиотеки, а также подключать ранее созданные динамические библиотеки.

Предложен широкий спектр инструментальных средств, включающих простые в использовании графические инструменты, богатый набор экспертов для проектирования всех элементов интерфейса и данных, а также технологии для работы с базами данных, начиная с простых и заканчивая распределенными. Поддержка доступа к Microsoft Access, SQL Server, Oracle, Informix. Встроены драйверы для доступа к нескольким СУБД.

Описание используемых математических моделей

В большинстве приложений применяются два типа прогностических моделей: экспоненциальное сглаживание и регрессия. Методы, основанные на экспоненциальном сглаживании, предназначены для краткосрочного прогнозирования. Они применяются, как правило, к данным как, месячный спрос, сумма продаж за квартал и.т.д. Методы регрессионного выравнивания применяются в среднесрочном прогнозировании.

В системе выбраны следующие методы решения прогнозных задач: Метод простого экспоненциального сглаживания, адаптивное сглаживание прогноза Брауна, метод Тригга – Лича, самоорганизующийся метод прогнозирования. Данные методы были выбраны для краткосрочного прогнозирования по временному ряду.