В статье авторы отмечают важность прогнозирования расхода запасных частей к автомобилям, эксплуатирующимся в автотранспортных предприятиях, ввиду большой разномарочности и вероятностного характера потоков заявок. Своевременное определение предстоящего объема заказов на запасные части для парка автомобилей снижает издержки на содержание запасов и предотвращает дефицит, приводящий к простоям автомобилей. Авторы предлагают для прогнозирования расхода использовать известные методы прогнозирования случайных процессов. Для выбора и обоснования наиболее эффективного метода с целью прогнозирования спроса на запасные части в условиях автотранспортных предприятий предлагается проведение экспериментальных исследований применительно к потокам заявок, имеющих место при функционировании автотранспортных предприятий. Судя по закономерностям изменения потоков заявок, наиболее адекватными для решения поставленной задачи являются математико-статистические методы прогнозирования случайных процессов. В статье предлагается провести исследование применимости трех известных методов краткосрочного прогнозирования, в числе которых метод экстраполяции рядов динамики, экспоненциального сглаживания и метод скользящих средних. Авторами были рассчитаны прогнозы числа ремонтов и запасных частей по 20 наименованиям для автомобилей КамАЗ-5320 и 15 наименованиям для автомобилей ЗИЛ-5301 автотранспортного предприятия «АКРО» города Ставрополя. Проведенные исследования показали, что для получения наиболее точных результатов целесообразно использовать соответствующий метод прогнозирования, отражающий определенные закономерности потоков заявок. Так, по второстепенным элементам небольшого спроса и малой трудоемкости их устранения прогнозы были рассчитаны методом скользящей средней. Для деталей, имеющих некоторую тенденцию и средний спрос в течение рассматриваемого периода, удовлетворительные результаты показал метод экстраполяции рядов динамики. Для запасных частей повышенного спроса и выраженных тенденций изменения динамики наилучшие результаты получены при использовании метода экспоненциального сглаживания. Таким образом, авторы пришли к заключению, что три приведенных метода прогнозирования охватывают основные закономерности изменения потока заявок на запасные части для парков автомобилей и могут быть рекомендованы для применения на действующих предприятиях.
In the article, the authors note the importance of predicting the consumption of spare parts for vehicles operated in motor transport enterprises due to the large variety of brands and the probabilistic nature of application flows. Predicting upcoming fleet spare parts orders in a timely manner reduces inventory costs and prevents stockouts that result in vehicle downtime. The authors propose to use well-known methods for predicting random processes to predict flow. To select and justify the most effective method for forecasting the demand for spare parts in the conditions of motor transport enterprises, it is proposed to conduct research in relation to the flow of applications that occur during the functioning of motor transport enterprises. Judging by the patterns of change in the flows of applications, the most adequate for solving the problem are mathematical and statistical methods for predicting random processes. The article proposes to study the applicability of three well-known methods of short-term forecasting, including the method of extrapolation of time series, exponential smoothing and the method of moving averages. The authors draw attention to the essence of the extrapolation method, which is to find the analytical expression of the curve; determining the parameters and extrapolating the dynamic series from the found curve. Another method of demand forecasting is the exponential (power-law) method, which is based on the assumption that the predicted value of a certain function can be written in a Taylor series. The third method that has been proposed for predicting the consumption of spare parts is the weighted moving average method, which responds only to some extent to dynamic trends in the reporting period. The authors calculated the forecasts for the number of repairs and spare parts for 20 items for KamAZ-5320 vehicles and 15 items for ZIL-5301 vehicles of the AKRO motor transport company in the city of Stavropol. The conducted studies have shown that in order to obtain the most accurate results, it is advisable to use an appropriate forecasting method that reflects certain patterns of application flows. So, for the secondary elements of low demand and low labor intensity of their elimination, the forecasts were calculated using the moving average method. For parts with a certain trend and average demand during the period under review, the method of extrapolation of time series gave satisfactory results. For spare parts with increased demand and pronounced trends in dynamics, the best results are obtained using the exponential smoothing method. Thus, the authors came to the conclusion that the above three forecasting methods cover the main patterns of changes in the flow of requests for spare parts for car parks and can be recommended for use in existing enterprises.