АНАЛИЗ И ПРОГНОЗИРОВАНИЕ ДИНАМИКИ СБЫТА ПАТОКИ ДЛЯ ПИЩЕВОГО ПРЕДПРИЯТИЯ

Введение 3
1. Обзор предметной области 5
1.1. Описание предприятия и продукции 5
1.2. Понятие прогнозирования объема продаж 5
2. Обзор литературы и анализ опыта 10
3. Обзор методов прогнозирования 13
3.1. Модель Хольта – Винтерса 13
3.2. Модель линейной регрессии 16
3.3. Модель SARIMAX 17
4. Программная реализация 19
4.1. Подготовка данных 19
4.2 Метод Хольта - Винтерса 25
4.3. Метод линейной регрессии 29
4.4. Метод SARIMAX 32
4.5. Сравнение эффективности методов прогнозирования 33
5. Заключение 34
6. Список литературы 35

Весь текст будет доступен после покупки

В настоящее время, в период бурной цифровизации и неустойчивой экономической ситуации, все больше предприятий испытывают трудности с реализацией своей продукции. Причинами выступают неимение стратегического планирования, применение устаревших методик прогнозирования продаж или их полное отсутствие, отсутствие должного подхода к современным технологиям. Цель решения подобных задач находится в прогнозировании и автоматизации принятия того или иного решения, в качестве рассматриваемых данных выступают огромные объемы накопленной прежде информации. Значительным составляющим эффективной деятельности коммерческой компании является составление качественного прогноза продаж. Одна из главных проблем в работе предприятия – это определение доли товара, которое нужно иметь на складе в настоящий и дальнейшие моменты времени. Точно составленный прогноз повышает эффективность ведения бизнеса порядком контроля и оптимизации расходов, что, в свою очередь, помогает сформировать оптимальные запасы продукции на складе. Таким образом в условиях рыночной экономики становится актуальным вопрос организации своевременного контроля и управления запасами материальных ресурсов на предприятии. Данные трудности не обошли и предприятия отрасли пищевой промышленности.
Рынок пищевой промышленности очень обширен, но, одним из ключевых его составляющих являются изделия, производящиеся на основе патоки.
Цель данной работы заключается в выявлении наиболее эффективного алгоритма прогнозирования объемов продаж предприятия ООО «Торговый Дом «Крахмалпродукт».
Для достижения поставленной цели были решены следующие задачи:
1) сделать обзор предметной области
2) проанализировать литературу, опыт прогнозирования продаж;
3) обосновать выбор методов прогнозирования продаж предприятия;
4) спрогнозировать объем продаж продукции предприятия в краткосрочном периоде.

Весь текст будет доступен после покупки

1. Обзор предметной области
1.1. Описание предприятия и продукции
Предметнои? областью курсовой работы является предприятие «Тор- говыи? Дом «Крахмалпродукт».
ООО «Торговыи? дом «Крахмалпродукт» более 20 лет обеспечивает сы- рьем кондитерские фабрики, хлебокомбинаты, молочные концерны, заводы по производству напитков и другие предприятия пищевои? промышленности России.
Главным направлением «Торгового Дома «Крахмалпродукт» является продажа крахмальнои? патоки и глюкозно-фруктозных сиропов [1].
За эти годы предприятие зарекомендовало себя как профессионального, стабильного и надежного поставщика в сфере обеспечения сырьем пищевых предприятии?.
Для предиктивного анализа были взяты данные по продажам патоки с начала 2015 года по начало 2021 года. Патока - продукт неполного кислотного (разбавленными кислотами) или ферментативного гидролиза крахмала. Образуется как побочный продукт при производстве сахара и крахмала. Выделяется два основных вида патоки — светлая патока (крахмальная, из кукурузного, картофельного и другого крахмала, вид инвертного сахара), и меласса, чёрная патока (свёкло-сахарная) [2].
Патока является прямым аналогом сахара, поэтому спрос может варьироваться в зависимости от цен на сахар. Применяется патока в пищевой промышленности: кондитерских изделиях, соусах, хлебобулочных изделиях, мороженном и даже в строительстве. Из этого можно сделать вывод, что продукция является достаточно востребованной на рынке.

Весь текст будет доступен после покупки

1) Торговый Дом "Крахмалпродукт" // http://tdkrahmalproduct.ru/ URL: http://tdkrahmalproduct.ru/ (дата обращения: 01.06.2022).
2) Патока // Википедия URL: https://ru.wikipedia.org/wiki/%D0%9F%D0%B0%D1%82%D0%BE%D0%BA%D0%B0 (дата обращения: 01.06.2022).
3) Spielmaker, K. J. On Shelf A On Shelf Availability: A Liter ailability: A Literature Review & Conceptual F view & Conceptual Framework amework // 2012. - №1. - С. 5.
4) Palak Mittal Sales Analysis and Prediction Using Python // Sales Analysis and Prediction Using Python. - 2020. - №10. - С. 54.
5) Jiantao Zhao and Chunwei Zhang Sales Forecast Based on ProphetSARIMA Combination Model // 2020. - С. 4.
6) Markos Papageorgiou Long-term sales forecasting using Holt–Winters and neural network methods // 2005
7) Метод Хольта // Студвуд URL: https://studwood.net/719129/ekonomika/metod_holta (дата обращения: 01.06.2022).
8) Анализ временных рядов // RSSI URL: http://www.iki.rssi.ru/magbase/REFMAN/STATTEXT/modules/sttimser.html (дата обращения: 01.06.2022).
9) Complete Guide To SARIMAX in Python for Time Series Modeling // analyticsindiamag URL: https://analyticsindiamag.com/complete-guide-to-sarimax-in-python-for-time-series-modeling/ (дата обращения: 01.06.2022).

Весь текст будет доступен после покупки