2025. — Т 17. — № s2 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://esj.today/12favn225.html

Полный текст статьи в формате PDF (объем файла: 568.4 Кбайт)

Ссылка для цитирования этой статьи:

Марков, А. Д. Адаптация методов статистического прогнозирования и машинного обучения в системе материально-технического обеспечения горно-металлургических предприятий / А. Д. Марков // Вестник Евразийской науки. — 2025. — Т 17. — № s2. — URL: https://esj.today/PDF/12FAVN225.pdf (дата обращения: 17.07.2025).

Адаптация методов статистического прогнозирования и машинного обучения в системе материально-технического обеспечения горно-металлургических предприятий

Марков Андрей Дмитриевич
ФГБОУ ВО «Финансовый университет при Правительстве Российской Федерации», Москва, Россия
E-mail: andrmar@bk.ru

Аннотация. Исследование посвящено проблеме повышения эффективности планирования потребности в материально-технических ресурсах (МТР) на предприятиях горно-металлургической отрасли. Рассмотрены специфические особенности функционирования системы материально-технического обеспечения в данном секторе, включая капиталоемкость оборудования, географическую удаленность производственных объектов, сезонность работ, изменчивость характеристик сырья и высокие требования к качеству материалов.

Проанализированы существующие подходы к прогнозированию потребности, включая качественные методы (экспертные оценки, метод Дельфи), количественные детерминированные (нормативный и аналитический) и стохастические методы (анализ временных рядов, регрессионный анализ, имитационное моделирование), а также методы машинного обучения. Определены возможности и ограничения применения каждого из подходов в условиях горно-металлургической отрасли.

Предложена классификация номенклатуры МТР на основе ABC-XYZ-FMR анализа, позволяющая дифференцировать методы прогнозирования в зависимости от критичности, стоимости, стабильности потребления и частоты использования конкретных позиций. Представлен сравнительный анализ различных методов количественного прогнозирования, включая экстраполяцию, регрессионный анализ, авторегрессионные модели и градиентный бустинг. Даны рекомендации по выбору оптимального метода для прогнозирования потребности в различных категориях МТР с учетом отраслевой специфики.

Разработан практический алгоритм внедрения методов статистического прогнозирования и машинного обучения в систему материально-технического обеспечения горно-металлургических предприятий. Сформулированы методические рекомендации по выбору и применению методов прогнозирования для различных категорий МТР.

Результаты исследования имеют практическую значимость для повышения эффективности управления запасами и снижения затрат в системе снабжения горно-металлургических предприятий за счет внедрения научно обоснованных методов прогнозирования потребности, адаптированных к отраслевой специфике.

Ключевые слова: статистическое прогнозирование; машинное обучение; материально-техническое обеспечение; горно-металлургические предприятия; управление запасами; планирование потребности; временные ряды; ARIMA; модели прогнозирования; оптимизация снабжения; цепочки поставок; операционная эффективность; анализ данных; регрессионные модели; алгоритмы классификации

Скачать