Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
1 результатів
Результати пошуку
Документ Методика прогнозування потреб в матеріальних запасах на базі автомобільно-транспортного підприємства(Національний технічний університет "Харківський політехнічний інститут", 2020) Кожушко, Андрій Павлович; Крюкова, Тетяна ОлександрівнаРозвиток автомобільно-транспортного підприємства, в сьогоднішніх реаліях, напряму залежить від планування його фінансової діяльності, адже при зміні попиту на послуги, продукцію або при варіативності ринкової кон’юнктури варіюється і отримання прибутку. При формуванні плану розвитку підприємства важливу роль відіграє процес прогнозування кінцевого фінансового результату. Така ж тенденція простежується і при закупівельній роботі будь-якого підприємства. В процесі прогнозування в цілому та в окремих його напрямках виникає велика складність, що викликана рядом об’єктивних (а в деяких випадках і суб’єктивних) причин. Відомим фактом є те, що проведення прогнозу підвищує ефективність загального планування роботи, особливо в умовах коли прогнозні результати постійно корегуються з урахуванням змінного зовнішнього середовища та особливостей закупівельної діяльності. В зв’язку з цим виникає мета даної роботи – аналіз та узагальнення найпопулярніших методів прогнозування, а також запропонування комбінованого методу прогнозування, який базується на теорій оптимізації. При вирішенні поставленої мети використовувалась методика, яка ґрунтувалась на представленні математичних алгоритмів найпопулярніших методів прогнозування. На основі якої запропоновано комбінований метод прогнозування, який має можливість реалізовуватись за трьома підходами при визначенні вагових коефіцієнтів з залученням принципів теорії оптимізації. Як результат в матеріалах даної роботи показано прогнозні значення закупівельної діяльності з використанням регресійного аналізу, ковзаючої середньої та експоненціального згладжування. Як показали прогнозні значення, при використанні регресійного аналізу на місяць похибка становить 17%. При використанні методів екстраполяції (ковзаючої середньої та експоненціального згладжування) при прогнозуванні на 3 місяці похибка склала 7,5% та 4,2%, відповідно.