|
Материалы

Проблема прогнозирования объемов продаж нефтепродуктов на предприятии ТЭК


Анализ экономических и социальных факторов, в географии конкретного торгового предприятия, и экономические факторов, складывающиеся внутри предприятия - есть основная задача аппарата управления предприятия. Вследствие анализа и учета предыдущих факторов во временном ряду, на выходе получают прогноз объема продаж на заданный период. Эта информация является важнейшей для предприятий филиалов крупных нефтяных компаний в регионах, т.к. она отражает и объем закупок продуктов у головной компании производителя. Это, в свою очередь, высвобождает определенный объем средств для развития бизнеса, капиталовложений, поощрений и проч. Поэтому в организациях, целью которых является сбыт нефтепродуктов очень остро стоит вопрос перерасхода средств, и они готовы приобретать программные продукты, способные решить данную проблему.

Учетные информационные системы в том или ином виде работают в большинстве организаций. Но вопросы серьезного анализа данных и прогнозирования не решены практически нигде. Учетные системы ориентированы, в первую очередь, на поддержку оперативной деятельности, подготовку и печать документов. Анализ в них представлен, в лучшем случае, в виде генератора отчетов. Но когда на выходе требуется получить минимальный объем информации, представляющий максимальную ценность, вопросы глобальной обработки и анализа данных становятся, как нельзя, актуальны.

Кроме того, актуальность проблемы прогнозирования продаж заключается в том, что зная заранее продажи за следующий период, организация способна перенаправить высвобождаемые денежные потоки в необходимое русло. Это не только экономия средств, но и возможность получения новых видов прибыли.

 

Виды интеллектуальных систем для прогнозирования

В первом приближении существует две глобальных парадигмы прогнозирования. Одна из них основана на применении экспертных систем (ЭС), вторая – на нахождении зависимостей между настоящими и будущими значениями данных при помощи нейронных сетей (НС). Рассмотрим кратко свойства каждого подхода.

Экспертная система - это интеллектуальная программа, способная делать логические выводы на основании знаний в конкретной предметной области и обеспечивающая решение специфических задач. Для этого ее необходимо наделить функциями, позволяющими решать задачи, которые в отсутствие эксперта (специалиста в данной конкретной предметной области) невозможно правильно решить. Поэтому необходимым этапом в ее разработке является приобретение соответствующих знаний от эксперта. К экспертным системам предъявляются следующие требования:

1) Использование знаний, связанных с конкретной предметной областью;
2)        Приобретение знаний от эксперта;
3)        Определение реальной и достаточно сложной задачи;
4)        Наделение системы способностями эксперта.

Знания о предметной области, необходимые для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы. Главное достоинство ЭС - возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации  от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

Искусственные нейронные сети индуцированы биологией, так как они состоят из элементов, функциональные возможности которых аналогичны большинству элементарных функций биологического нейрона. Эти элементы затем организуются по способу, который может соответствовать (или не соответствовать) анатомии мозга. Несмотря на такое поверхностное сходство, искусственные нейронные сети демонстрируют удивительное число свойств, присущих мозгу. Например, они обучаются на основе опыта, обобщают предыдущие прецеденты на новые случаи и извлекают существенные свойства из поступающей информации, содержащей излишние данные.

1 2 3
Общее время работы: 16.088008880615 мс
Использование памяти: 658 КБ