Многоподходная модель прогнозирования спроса на продукцию металлургической отрасли

Multi-approach model forecasting demand for metallurgical products

Darya Gorchakova

postgraduate student, Cherepovets State University, Russia, Cherepovets

Аннотация. В данной статье рассматривается проблема прогнозирования спроса на продукцию металлургической отрасли. Рассмотрены применяемые методы прогнозирования и выявлены их недостатки. Предложена многоподходная модель прогнозирования, включающая в себя: агентное моделирование, нечёткую регрессионную модель и дискретно-событийное моделирование. Предложенный метод прогнозирования позволяет комплексно учесть факторы и события, влияющие на поведение спроса в металлургии и повышает точность прогнозирования.

Abstract. This article deals with the problem of forecasting demand for the products of the metallurgical industry. The applied forecasting methods are considered and their shortcomings are revealed. A multi-approach prediction model is proposed and it includes: agent-based modeling, a fuzzy regression model, and discrete-event modeling. The proposed method of forecasting allows you to comprehensively take into account factors and events that affect the behavior of demand in the metallurgy and improves the accuracy of forecasting.

Ключевые слова: прогнозирование; регрессионный анализ; металлургия; агентное моделирование; дискретно-событийное моделирование.

Keywords: forecasting; regression analysis; metallurgy; agent modeling; discrete-event modeling.

Успех коммерческого предприятия в условиях современного рынка зависит от подробного знания рынка товара, способности анализировать и прогнозировать результаты модификации каких-либо его параметров и показателей. Особенностью металлургической отрасли является специфика продукции, используемого сырья и технологий. Необходимость в прогнозировании поставок металлургической отрасли напрямую связана с объёмом продаж. Предприятию требуется проводить анализ их производственных возможностей с целью выявления необходимого объёма производства, сравнивая с показателями спроса потенциальных покупателей (для этого производят прогнозирование поставок (спроса) на продукцию на будущие периоды) [3].

Особое значение в металлургической отрасли имеет долгосрочное прогнозирование спроса. Наличие долгосрочного плана спроса в чёрной металлургии, базируется на понимании тенденций рынка. В настоящее время при прогнозировании спроса применяются методы математического моделирования, такие как:

• декомпозиция временного ряда спроса: выделение трендовой, сезонной, автокорреляционной и случайной составляющих;
• факторный подход, основанный на регрессионной модели: выделение существенных факторов спроса, количественная оценка их влияния на основе регрессии, построение прогноза экзогенных факторов и спроса.

В металлургической отрасли наблюдается дефицит исследований в области применения аппаратов прогнозирования спроса. Отчасти это обусловлено высокой монополизацией рынка. Процесс информатизации и глобализации общества изменяют действующие социально-экономические системы. Как следствие – металлургические предприятия вынуждены начать поиск оптимальных путей внедрения процесса планирования в свою деятельность.

Исследованиям проблемы прогнозирования поставок посвящены труды многих ученых. Среди зарубежных специалистов заслуженным авторитетом пользуются такие авторы как М. Портер, И. Ансофф, Дж. Хикс, Ж.-Ж. Ламбен, Р. Баззел, Е. Мансфилд, М. Басс. Среди отечественных исследователей наиболее существенен вклад Л.И. Абалкина, А.Г. Гранберга, А.И. Анчишкина, Ю.В. Яременко, С.С. Шаталина, В.В. Ивантера, В.В. Денискина, В.В. Гусева, В.Б. Дасковского, А.Н. Жигалова, М.Д. Магомедова и многих других [1, 2, 5, 7, 9, 10].

Исследование прогнозирования спроса в чёрной металлургии с помощью факторного анализа проведено в работе З.М. Магруповой [8] (доктор экономических наук, профессор ФГБОУ ВО ЧГУ). Тема: «Анализ и прогнозирование конъюнктуры рынка металлопродукции». В работе рассмотрен анализ спроса на отраслевом рынке, процесс прогнозирования, оценка ёмкости рынка ПАО «Северсталь», ОАО НЛМК и ОАО ММК.

Примером комплексного применения анализа временных рядов и факторного анализа служит исследование О.Н. Кононовой [6]. В работе предложено использовать в качестве основного фактора спроса на сталь коэффициент загрузки производственных мощностей. В процессе разработки были учтены автокорреляционные зависимости в динамике цены с помощью модели ARIMA.

Между тем при очевидной ценности имеющихся разработок, существующие методы оценки спроса исследуют, на наш взгляд, не все аспекты взаимосвязи факторов, определяющих его величину. В настоящее время нерешённым является вопрос о прогнозировании спроса, позволяющем учитывать в себе не только экономические переменные, но и производственные параметры и портрет потребителя.

Математические методы позволяют выявить зависимости объекта прогнозирование (плана спроса) от факторных переменных. Ключевым является то, что данные параметры должны быть выражены в виде числовых переменных либо качественных (которые должны быть преобразованы в числовые): курс доллара, цены на сырьё, значение НДФЛ, цена и т.д.

Недостаток применения традиционных в среде практиков металлургической отрасли методов математического прогнозирования состоит в том, что данные модели не учитывают:

• портрет потребителя;
• поведение потребителя;
• производственные возможности предприятия и др.

При экономическом анализе с применением математических моделей фактор неопределённости часто игнорируется и решение принимается на основании анализа детерминированных моделей, в предположении, что все факторы, влияющие на экономическую ситуацию, известны точно. В результате решения, принятые на основании таких моделей, приводят к значительным экономическим потерям. При проведении исследований, цель которых заключается в экономическом прогнозе на несколько лет, необходимо учитывать фактор неопределённости, который неизбежно сопутствует такого рода прогнозам и усложняет анализ.

Процесс прогнозирования спроса оптимально разбивать на составные части и описывать, применяя разные методы. Невозможно достоверно передать сложный процесс и его внутренние и внешние связи, используя один подход – некоторые элементы приходится исключать или искать обходные пути при моделировании [4]. Оптимальным является использование многоподходного процесса прогнозирования с применением следующих методов (рис. 1):

1. Агентное моделирование для визуализации множества индивидуальных объектов (покупателей) и присвоения им характеристик.
2. Нечёткая регрессионная модель для прогнозирования спроса на будущие периоды с применением факторных переменных.
3. Дискретно-событийное моделирование для визуализации производства заказов клиента, производственного процесса и ограничений производственных возможностей предприятия.

Рисунок 1. Модель многоподходного имитационного моделирования

В предлагаемой многоподходной имитационной модели прогнозирования спроса предлагается комплексное использование агентного, дискретно-событийного моделирования и системной динамики. Предложенный метод прогнозирования позволяет комплексно учесть факторы и события, влияющие на поведение спроса в металлургии. Простота использования модели прогнозирования позволяет быстро произвести настройку входных параметров, расчёт экономических предпосылок и стратегического плана производства крупной металлургической компании.