Модель оптимизации выпуска продукции машиностроительного предприятия в условиях неопределенности спроса
DOI:
https://doi.org/10.22213/2410-9304-2024-1-56-61Ключевые слова:
машиностроение, спрос, прогнозирование, план, оптимизация, модельАннотация
В статье разработана модель оптимизации плана выпуска продукции машиностроительного предприятия, учитывающая совокупность таких факторов, как финансовые возможности и производственная мощность предприятия, ограниченность ресурсов, а также неопределенность спроса в перспективе планирования на срок более трех месяцев. Учитываются особенности продукции машиностроительного завода, производящего оборудование и запасные части для предприятий нефтедобывающей отрасли, а также особенности его работы на рынке, состоящие в том, что такое предприятие может составлять прогноз продаж на 2-3 месяца вперед на основе фактического спроса по договорам тендеров. И это будет минимальный план, который необходимо выполнить производственному предприятию. Неопределенность спроса предлагается решить с помощью адаптивных методов прогнозирования на основе статистических данных, имеющихся на предприятии, о продажах за прошлые периоды. А именно, с помощью эконометрических моделей ARMA и ARIMA, которые разработаны для анализа временных рядов, не содержащих сезонную компоненту, поскольку спрос на продукцию машиностроительного предприятия не имеет сезонных колебаний. Модель ARMA использует комбинацию прошлых значений и белого шума для предсказания будущих значений и предполагает, что данные временных рядов являются стационарными, значит, их статистические свойства не будут меняться со временем. Модель ARIMA является расширением ARMA для нестационарных временных рядов и применяется для построения краткосрочных прогнозов, в которых период упреждения составляет от одного, нескольких месяцев до года. Математическая модель представляет собой задачу нелинейной условной оптимизации. Для решения этой задачи предложены различные методы, позволяющие в результате определить оптимальный план выпуска продукции, минимальную сумму кредита и количество ресурсов, необходимых для реализации этого плана.Библиографические ссылки
Macedo L. L., Godinho P., Alves M. J. A Comparative Study of Technical Trading Strategies Using a Genetic Algorithm // Computational Economics. 2020. Vol. 55, No. 1. P. 349-381. - DOI 10.1007/s10614-016-9641-9.
Ефанов С. Д., Палинчак Н. Ф. Метод ветвей и границ как один из методов целочисленного программирования // Технологии физики, автоматизации и информатики. Актуальные исследования в современной науке: материалы научно-практической конференции студентов и аспирантов Липецкого государственного технического университета. Липецк. 30 апреля 2019 года. Липецк: Липецкий государственный технический университет. 2020. С. 25-29.
Климова Е. З., Крылова Т. В., Казначеева С. Н. Управление процессом прогнозирования продаж в организации // Естественно-гуманитарные исследования. 2023. № 3 (47). С. 413-417.
Петрусевич Д. А. Анализ математических моделей, используемых для прогнозирования эконометрических временных рядов // Российский технологический журнал. 2019. Т. 7, № 2 (28). С. 61-73. DOI 10.32362/2500-316X-2019-7-2-61-73.
Лобач В. И., Меркулов Р. И., Лобач С. В. Прогнозирование временных рядов на основе ARMA-моделей при наличии пропусков в наблюдениях // Экономика, моделирование, прогнозирование. 2020. № 14. С. 260-265.
Vintu D. GDP Modelling and Forecasting Using ARIMA. An Empirical Assessment for Innovative Economy Formation // European Journal of Economic Studies. 2021. Vol. 10, No. 1. P. 29-44. DOI 10.13187/es.2021.1.29.
Тарасова С. А. Фактор ценности информации в адаптивном прогнозировании временных рядов // Информационные технологии. 2022. Т. 28, № 4. С. 219-224. DOI 10.17587/it.28.219-224.
Зайцев М. А. Математические модели временных рядов, используемые в задачах прогнозирования // Сборник избранных статей научной сессии ТУСУР. 2019. № 1-2. С. 163-167.
Макарова Т. Н., Конобеева О. Е., Сотникова Е. А. Прогнозирование спроса на товары предприятия: методическое обоснование и практический опыт // Вестник ОрелГИЭТ. 2020. № 2(52). С. 31-40. DOI 10.36683/2076-5347-2020-2-52-31-40.
Arce P., Antognini J., Kristjanpoller W., Salinas L. Fast and Adaptive Cointegration Based Model for Forecasting High Frequency Financial Time Series /// Computational Economics. 2019. Vol. 54, No. 1. P. 99-112. DOI 10.1007/s10614-017-9691-7.
Суменков, М. С., Суменков, С. М., Новикова Н. Ю. Экономико-математический анализ оптимизации экономического плана по выпуску готовой продукции на предприятии // Экономические науки. 2019. № 171. С. 66-70. DOI 10.14451/1.171.66.
Рогулин Р. С. Построение нетривиальной экономико-математической модели для менеджмента производственных организаций // Российский экономический журнал. 2020. № 1. С. 108-116.
Воробьев М. С., Вахрушева Е. Н. Оптимизация выпуска продукции и прогнозирование объемов реализации продукции машиностроительного предприятия в условиях неопределенности спроса: обзор исследований // Информационные технологии в науке, промышленности и образовании. Молодежный научный форум: сборник трудов Всероссийской научно-технической конференции. Ижевск. 25-26 мая 2023 г. С. 169-174.
Алферьев Д. А., Кремин А. Е. Многоцелевая оптимизация программы выпуска продукции // Вестник университета. 2019. № 12. С. 92-101.
Бром А. Е., Королев С. А. Разработка алгоритма линеаризации оптимизационной задачи планирования производственной программы // Наука и бизнес: пути развития. 2021. № 11. С. 86-91.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Михаил Сергеевич Воробьев, Елена Николаевна Вахрушева, Сергей Валентинович Вологдин
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.