Интеллектуальная подсистема управления торгово- закупочной деятельностью предприятий розничной торговли

1.

ФГБОУ ВО «ДонГТУ»
ТЕМА: ИНТЕЛЛЕКТУАЛЬНАЯ ПОДСИСТЕМА
УПРАВЛЕНИЯ ТОРГОВО-ЗАКУПОЧНОЙ
ДЕЯТЕЛЬНОСТЬЮ ПРЕДПРИЯТИЙ РОЗНИЧНОЙ
ТОРГОВЛИ
Подготовил: ст. гр. МКН-22м
Яковенчук А.Ю.
Руководитель: к.э.н., доц.,
Дьячкова В.В.
Алчевск 2024

2. Актуальность

Актуальность выбранной темы заключается в то, что, в условиях
трансформации
экономики
возникает
острая
необходимость
использования качественно новых подходов к управлению торгово-
закупочной
деятельностью
специализированных
предприятий.
интеллектуальных
Использование
подсистем,
призванных
обеспечить нетривиальный анализ разнородных данных с целью
извлечения из них скрытых знаний, для указанной цели может
поспособствовать высокой эффективности данных процессов.
2

3.

Цель, задачи, объект и предмет исследования
Целью работы является повышение эффективности процессов управления торгово-закупочной
деятельностью предприятий розничной торговли путем использования интеллектуальной
подсистемы.
Задачи:
–изучить основные понятия и организационно-экономическую сущность торгово-закупочной
деятельности;
–провести анализ существующих методов и моделей управления торгово-закупочной
деятельностью предприятий розничной торговли;
–разработать концепцию управления торгово-закупочной деятельностью предприятий розничной
торговли;
–разработать модель управления торгово-закупочной деятельностью предприятий розничной
торговли;
–разработать интеллектуальную подсистему управления торгово-закупочной деятельностью
предприятий розничной торговли;
–провести оценку экономической эффективности от разработки интеллектуальной подсистемы
управления торгово-закупочной деятельностью предприятий розничной торговли.
Объектом исследования являются процессы торгово-закупочной деятельности предприятия
розничной торговли.
Предметом исследования являются модели процессов торгово-закупочной деятельности
предприятия розничной торговли.
3

4. Методы управления закупками

Метод
увеличения
объемов
закупок
• Учет спроса на
конкретные виды
товаров для
принятия решения об
их закупке;
• Принятие решения о
создании запасов в
зависимости от
числа заказов
проданных видов
товаров
Метод
уменьшения
объемов
закупок
Метод
прямого
расчета
• Ежемесячный анализ
статистики сбыта
товара, не
пользующейся
спросом;
• Определение
периода времени,
для которого
осуществляется
расчет;
• Выработка
критериев, на
основании которых
определяется
необходимость
уменьшения или
ликвидации
конкретных видов
запасов товара.
• Определение общего
количества средней
величины запасов,
путем деления
общего количества
проданной
продукции на число
недель в выбранном
периоде.
4

5. Модели управления закупками

АВС-анализ
метод, который позволяет классифицировать ресурсы
предприятия по степени их важности.
XYZ-анализ
метод позволяет провести классифиацию ресурсов
предприятия в зависимости от характера их потребления и
точности прогнозирования изменений в их потребности на
протяжении некоторого временного цикла.
Нейронные сети
метод является лучшим инструментом управления торговозакупочной деятельностью,потому что они
полностью формализованны и позволяют эффективно
строить нелинейные зависимости, также они не
требуют заранее известной модели, а строят ее сами на
основе предъявленной информации в отличие от других
методов управления торгово-закупочной деятельностью.
5

6. Концепция управления торгово-закупочной деятельностью

6

7. Концепция управления торгово-закупочной деятельностью

7

8. Формирование входных данных для сети

Количественные
показатели:
- Объем закупок;
- Объем продаж;
- Цена закупок;
- Цена реализации.
Входные
данные
Выходные
показатели:
Качественные
показатели:
- Сезонный
показатель;
- Влажность воздуха;
- Условия хранения
(склад);
- Условия хранения
(холодильная
камера);
- Условия хранения
(помещение).
- Прибыль;
- Объем
закупок.
8

9. Обучение многослойного персептрона при помощи алгоритма обратного распространения ошибки

1. Инициализация.
2. Предъявление образцов обучения:
( x(n), d (n)) nN 1
e j ( n) d j ( n) o j ( n) ,
где x(n) – входной вектор;
d (n) – желаемый отзыв.
3. Прямой проход.
Индуцированное локальное поле нейрона j слоя
l:
v (jl ) (n)
Сигнал ошибки:
m0
w(jil ) (n) yi(l 1) (n),
где o j (n) – функциональный сигнал на выходе
нейрона.
4. Обратный проход.
Вычисляем локальные градиенты узлов для нейрона
j , расположенного в выходном слое:
j (n) e j (n) 'j (v j (n)) a[d j (n) o j (n)]o j (n)[1 o j (n)] .
i 0
Для произвольного скрытого нейрона j :
yi(l 1) (n)
где
– выходной сигнал нейрона i ,
который расположеный в предыдущем слое l 1 , на
итерации n ;
w (jil ) (n) – синаптический вес связи нейрона j
слоя l с нейроном i слоя l 1 .
y (jl ) (n) j (v j (n)),
0 yi 1
Сигмоидальная функция:
j (n) 'j (v j (n)) k (n) wkj (n) ay j (n)[1 y j (n)] k (n) wkj (n)
k
k
Смена синаптических весов слоя l сети выполняется
в соответствии с общин дельта-правилом
w (jil ) (n 1) w (jil ) (n) [ w (jil ) (n 1)] (jl ) (n) y (jl 1) (n) ,
где – параметр скорости обучения;
– постоянная момента.
5. Итерации.
j (v j (n))
1
, a 0, v j (n) .
1 exp( avi (n))
9

10. Реляционная модель базы данных

10

11. Интерфейс программы

11

12. Интерфейс программы

12

13. Форма «Обучение нейронной сети»

13

14. Форма «Прогноз»

14

15. Оценка экономического эффекта от внедрения подсистемы

• Экономический эффект Ер=165 543 руб.
• Чистая приведенная стоимость NPV = 530 204 руб.
• Рентабельность инвестиций PI = 5,4
• Срок окупаемости PP = 1,7 года
15

16. Результаты

• рассмотрены теоретические аспекты общих подходов к управлению торговозакупочной деятельностью;
• доказано, что в современных условиях обязательным условием является
управление торгово-закупочной деятельностью для обеспечения снижения затрат
на закупку и реализацию продукции, что приведёт к увеличению прибыли
предприятия;
• установлено, что нейронные сети являются наиболее эффективным инструментом
управления торгово-закупочной деятельностью;
• показано, что применение модели многослойного персептрона, обучающейся по
алгоритму обратного распространения ошибки дает положительные и адекватные
результаты;
• предложена концепция моделирования процессов управления торгово-закупочной
деятельностью предприятий розничной торговли на основе построения
нейронной сети;
• по результатам моделирования данных разработана концептуальная и
реляционная модель базы данных управления торгово-закупочной деятельностью
предприятий розничной торговли;
• разработана интеллектуальная подсистема для управления торгово-закупочной
деятельностью, прогнозирующая торгово-закупочную деятельность и
формирующая план закупок;
• проведено технико-экономическое обоснование проекта разработки
интеллектуальной подсистемы.
16

17. СПАСИБО ЗА ВНИМАНИЕ!

17