1 ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ В ДЕЯТЕЛЬНОСТИ МАРКЕТИНГОВЫХ ПОДРАЗДЕЛЕНИЙ
ОРГАНИЗАЦИЙ 6
1.1 Задачи планирования и прогнозирования спроса на выпускаемую
продукцию как важная составляющая деятельности маркетингового подразделения организации 6
1.2 Применение моделей искусственных нейронных сетей в
прогнозировании экономических показателей организации 8
1.3 Анализ существующих информационных систем и технологий в сфере
сетевой нейросимуляции задач прогнозирования спроса на выпускаемую продукцию организации 13
2 ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКАЯ ХАРАКТЕРИСТИКА АО
«СЛАВГОРОДСКАЯ ТИПОГРАФИЯ» 21
2.1 Общая характеристика АО «Славгородская типография» 21
2.2 Экономический и информационный анализ деятельности АО
«Славгородская типография» 24
2.3 Требования к информационной системе прогнозирования спроса 34
3 РАЗРАБОТКА И ОПИСАНИЕ ФУНКЦИОНИРОВАНИЯ
ИНФОРМАЦИОННОЙ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ СПРОСА 38
3.1 Разработка информационной системы прогнозирования спроса на
продукцию типографии 38
3.2 Эксплуатация разработанной информационной системы на реальных
данных 43
3.3 Оценка экономической эффективности предлагаемых решений 48
ЗАКЛЮЧЕНИЕ 54
СПИСОК ЛИТЕРАТУРЫ 56
ПРИЛОЖЕНИЕ 60
РЕФЕРАТ
На тему «Разработка информационной системы прогнозирования спроса на продукцию типографии (на примере АО “Славгородская типография”)».
Объект ВКР - маркетинговое подразделение АО «Славгородская типография».
Предмет ВКР - процесс прогнозирования спроса на выпускаемую полиграфическую продукцию типографии.
Цель ВКР - разработать информационную систему прогнозирования спроса на выпускаемую продукцию типографии на основе обучения нейронной сети анализу временных рядов.
Результат выпускной квалификационной работы - информационная система построения прогнозов продаж, использующая нейросетевую модель персептрона с двумя скрытыми слоями.
Задача обработки последовательностей и предсказание временных рядов являются важной темой для научных исследований, особенно для тех ученых, которые в своих работах используют методику моделирования поведения экономических показателей организации на основе нейронных сетей.
Обычно нейронная сеть может эффективно использоваться для классификации образов, но в основном для неструктурированных статических данных, не связанных временными ограничениями. В таком случае интересно понаблюдать, как нейронная сеть ведет себя при распознавании рядов динамики. Отметим, что динамика развития статистических рядов распределения во времени затрудняет распознавание. В результате нейронная сеть должна адаптироваться к этим изменениям или, по крайней мере, учитывать их в процессе обучения.
Предсказание рядов динамики является идеальным примером временных изменений. Временной ряд - это набор статистических данных, взятых за определенный диапазон времени (день, неделя, месяц и т.д.) о каком-либо исследуемом объекте или процессе. Временные ряды имеют сильную прямую зависимость от прошлых значений, в отличие от обычных не взаимосвязанных между собой данных.
Острая внутриотраслевая конкуренция вынуждает организации ориентироваться на потребности каждого отдельного клиента, поэтому ведущие предприятия уделяют особое внимание анализу предпочтений клиентов.
Как правило, маркетологи располагают огромным количеством данных, но вручную соотнести их и на этой основе построить прогноз значений будущих показателей спроса потребителей является трудоемкой и ресурсозатратной задачей.
Предметом выпускной квалификационной работы является процесс прогнозирования спроса на выпускаемую полиграфическую продукцию типографии.
Объектом исследования выпускной квалификационной работы выступает маркетинговое подразделение АО «Славгородская типография».
Основная цель ВКР - разработка информационной системы для прогнозирования спроса на выпускаемую полиграфическую продукцию типографии на основе обучения нейронной сети анализу временных рядов.
Для достижения основной цели ВКР необходимо последовательно решить следующие задачи:
• выделить особенности организации деятельности маркетингового подразделения типографии;
• выполнить бизнес-моделирование структуры отдела маркетинга;
• разработать требования к системе прогнозирования спроса;
• описать средства разработки, этапы разработки и процесс обучения искусственной нейронной сети;
• обосновать экономический эффект предлагаемых программных решений.
Чтобы предсказывать изменяющиеся данные, нейронная сеть должна найти способ включить все предыдущие значения или, по крайней мере, их выборку.
Предложенная нами модель основана на повторяющихся нейронных сетях и направлена на обнаружение долгосрочных зависимостей при прогнозировании.
Хотя эта модель может быть применена к любому виду обработки последовательности, она фокусируется на прогнозировании временных
Данный проект направлен на проектирование и разработку модели с использованием нейронных сетей и проведение экспериментальных тестов для прогнозирования временных рядов с использованием реальных данных.
В первом разделе ВКР представлены возможности использования нейросетевых моделей в деятельности маркетинговых подразделений организаций.
Во втором разделе ВКР описывается общая характеристика организации, бизнес-моделирование и разрабатываются технические требования к системе прогнозирования спроса.
В третьем разделе ВКР представлена разработанная система прогнозирования спроса, а также описаны способы реализации системы с использованием нейронной сети. Представлены результаты обучения и испытаний системы с реальными данными. Проведена оценка экономической эффективности предлагаемых решений.
В заключении делаются выводы о преимуществах использования модели многослойного персептрона в решении задач прогнозирования спроса на выпускаемую продукцию типографии и освещаются направления будущего развития системы.
Выпускная квалификационная работа содержит 21 рисунок, 6 таблиц, 17 формул и уравнений, 41 информационных источников и литературы. Работа представлена на 70 листах, включая приложение.
Важная отличительная особенность применения нейронных сетей в решении задачи прогнозирования это создание собственной, заранее неизвестной модели на основании предоставленных данных.
По завершению выпускной квалификационной работы были решены следующие задачи:
• определены особенности организации деятельности маркетингового подразделения типографии;
• выполнено бизнес-моделирование основных процессов
маркетингового подразделения типографии г. Славгорода;
• разработаны требования к системе прогнозирования спроса;
• описаны средства разработки, этапы разработки и обучения искусственной нейронной сети для решения задачи прогнозирования;
• обоснован экономический эффект предлагаемых программных решений.
АО «Славгородская типография» получит следующие экономические преимущества от внедрения системы:
• повышение качества финансового планирования;
• увеличение рационализации управления ассортиментом продукции и услуг;
• повышение эффективности системы планирования рекламных
кампаний организации;
• увеличение продаж;
• оптимизация товарных запасов.
качественные эффекты внедрения системы:
• возрастание инвестиционной привлекательности предприятия;
• формирование единой информационной среды.
Проект обеспечивает тщательное исследование обработки задач последовательности с акцентом на прогнозировании временных рядов с использованием модели персептрона с двумя скрытыми слоями.
Процесс обучения нейронной сети позволяет пользователю узнать насколько адекватным является прогноз, заданный системой, и изменять различные параметры, чтобы улучшить работу всей модели.
Предоставленная информационная система является полезным инструментом для любого специалиста в области маркетинга, который использует последовательности и хочет предсказать дальнейшие значения временного ряда. Разработанную информационную систему можно использовать в таких сферах как финансы, экономика, сельское хозяйство, прогнозирование погоды, химия и физика.
Возможным подходом к будущей работе будет сделать нейронную сеть адаптивной, попытавшись добавить или удалить определенные входные данные, которые вызывают увеличение ошибок. Также возможно динамическое изменение параметров, так что пользователю не придется вручную подстраиваться для поиска лучшей модели для задачи, а дать программе протестировать и научиться, экспериментируя. Для этого процесса может быть использована мета-нейронная сеть или какой-либо другой тип обучающего механизма.
Другой возможной будущей работой является попытка избежать насыщения и переобучения нейронной сети, используя условия регуляризации.
Информационная система также может быть улучшена путем добавления дополнительных опций в модуль регистрации или оценки, дополнительных функций активации, а так же различных функций для оценки производительности всей системы.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
