Электронный каталог

Статья

Ценина, Е.В.
Разработка алгоритма машинного обучения для прогнозирования потребности в запасах готовой продукции / Ценина Е.В., Слепенкова Е.В. // РИСК: ресурсы, информация, снабжение, конкуренция (электронная версия). – 2023. – №3. – С.57-65. - 610488. – На рус. яз.

Субъективные и объективные методы прогнозирования потребности в запасах. Различные методы и модели для прогнозирования временных рядов, основанные на предположении, что будущие значения временных рядов зависят от предыдущих значений и их трендовых изменений. Особенности и ограничения использования методов прогнозирования на практике в производственных компаниях, чаще всего использующих два метода прогнозирования потребностей в запасах готовой продукции. Метод скользящего среднего, а также метод скользящего взвешенного среднего. Метод точного заказа. Использование торговыми компаниями метода экспоненциального сглаживания. Разработка алгоритма, способствующего увеличению точности прогноза, используя статистические модели с реализацией на языке программирования Python. Вывод о целесообразности использования методов машинного обучения и математико-экономического моделирования, которые позволяет получить более высокую точность прогноза, в сочетании с субъективным методом, позволяющим заложить в прогноз чрезвычайные факторы.


Ключевые слова = ЭКОНОМИЧЕСКИЕ НАУКИ. МАКРОЭКОНОМИКА. МИКРОЭКОНОМИКА
Ключевые слова = ПРОДУКЦИЯ
Ключевые слова = МЕТОДИКА
Ключевые слова = МЕТОДОЛОГИЯ
Ключевые слова = ОГРАНИЧЕНИЕ
Ключевые слова = ИСПОЛЬЗОВАНИЕ
Ключевые слова = ПРОГНОЗИРОВАНИЕ
Ключевые слова = ПРОГРАММИРОВАНИЕ
Ключевые слова = ПРОМЫШЛЕННАЯ ГРУППА
Ключевые слова = АЛГОРИТМ
Ключевые слова = ВРЕМЕННОЙ РЯД
Ключевые слова = МАШИННОЕ ОБУЧЕНИЕ
Ключевые слова = ЗАПАСЫ
Ключевые слова = МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
Ключевые слова = ПОТРЕБНОСТЬ