Разработка алгоритма прогнозирования потребности автосервисных предприятий в запасных частях

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Оренбургский государственный университет

Разработка алгоритма прогнозирования потребности автосервисных предприятий в запасных частях

Юсупова О.В.,

Кобылкин Д.С., кандидат технических наук

Для расчета потребности в запасных частях автосервисных предприятий важным научным инструментом процесса планирования является постановка четко поставленной последовательности этапов действий (алгоритма), направленных на управление запасами на предприятиях автосервиса.

Рассмотрим алгоритм прогнозирования потребности автосервисных предприятий в запасных частях поэтапно. Для проведения расчетов необходимо наличие программного блока. На начальном этапе расчета необходим ввод в программный блок исходных данных для прогнозирования. Основными исходными данными для прогнозирования являются: массив данных о расходе деталей за период времени (Т) и прогнозируемый период (К).

Для отбора факторов при составлении модели прогноза выполняется корреляционно-регрессионный анализ их связей с расходом запасных частей. В ходе анализа вычисляются парные коэффициенты корреляции, и производится проверка мультиколлинеарности факторов. Из отобранных таким образом факторов составляется многофакторная регрессионная модель прогнозирования.

Для эффективной работы предприятия автосервиса и построения модели прогноза расхода запасных частей предлагается использовать множественную линейную регрессию с учетом результатов ранее выполненных исследований [1, 2]. В общем случае уравнение регрессии для прогнозирования потребности в запасных частях выглядит следующим образом:

,

где х_1..m переменные - являются факторными признаками.

В модель войдут лишь те факторы, количественный учет и прогнозирование изменения которых возможно сделать в условиях предприятия автосервиса (таблица 1).

Таблица 1 - Ранжирование факторов, влияющих на расход запасных частей, для региональной системы автосервиса

Далее производится проверка значимости модели. В случае если она признается значимой, в нее подставляются прогнозные значения факторов, и рассчитываются прогнозные значения потребности в запасных частях.

Если кривая расхода запасных частей в анализируемом периоде носит периодический характер, для прогнозирования потребности в запасных частях выбираем модель на основе гармоник ряда Фурье.

Если кривая расхода запасных частей не имеет выраженных периодических колебаний, для расчета потребности в запасных частях может быть использована адаптивная модель прогнозирования. Для этого вычисляются коэффициенты уравнения, и производится их подстановка для получения прогноза. Необходимо отметить, что после получения прогноза при помощи адаптивной модели прогнозирования на 1 шаг вперед, для прогнозирования потребности на следующем интервале необходим обязательный пересчет коэффициентов модели.

Разработанный алгоритм (рисунок 1) предлагается использовать для прогнозирования потребности в запасных частях на предприятии автосервиса. В каталоге запасных частей предприятия накоплена статистическая информация о расходе запасных частей за предыдущие годы его работы, а статистика изменения факторов, влияющих на потребность в запасных частях, может быть получена из базы данных о продаже автомобилей и архива заказ-нарядов.

Алгоритм расчета потребности в запасных частях может быть использован для прогнозирования потребности в запасных частях на других дилерских предприятиях автосервиса, которые используют, как правило, один канал получения запасных частей и работают только с оригинальными деталями. На предприятиях автосервиса, не являющихся официальными дилерами, могут существовать несколько каналов поставки запасных частей. В своей работе они могут использовать оригинальные, неоригинальные или старые детали. Основными задачами обеспечения запасными частями данных предприятий являются выбор производителя и выбор поставщиков запасных частей. Применение математического моделирования для прогнозирования потребности таких предприятий в запасных частях нецелесообразно.

В процессе ТО и ремонта автомобилей возникает поток требований на запасные части. В отделе запасных частей предприятия производится обработка этих требований. Обработанные требования поступают на склад предприятия. В соответствии с поступившими требованиями из места хранения (склада предприятия) запасные части отпускаются заказчикам в зону ТО и ремонта или покупателям запасных частей.

На основании обработанных требований формируются исходные данные для расчета потребности в запасных частях. Расчет потребности производится с учетом факторов, влияющих на потребность в запасных частях. Заказы деталей на склад более высокого уровня (центральный склад) формируются с использованием результатов расчета потребности в запасных частях.

Рисунок 1 - Блок-схема общего процесса управления запасами на предприятии автосервиса

алгоритм прогнозирование потребность автосервисный

Запасные части с центрального склада доставляются на склад предприятия, где производится распределение заказов между заказчиками. В соответствии с распределением заказов запасные части отпускаются потребителям.

По итогам расчета расхода рулевых тяг (45503-05020) полученное прогнозное значение на январь 2018 года составило 27,2 шт. Фактический расход запасной части в январе 2018 года составил 20 шт. Соответственно фактический расход в феврале составил 19 шт. Отсюда можно сделать вывод о том, что наилучший результат методика обеспечивает на 1-ом шаге прогнозирования. При каждом последующем шаге необходим обязательный пересчет коэффициентов уравнения a₀, a₁,..,a_m.

При экспериментальном исследовании изменения расхода рулевых тяг было выявлено, что изменение расхода запасной части в течение года носит нелинейный характер. Как показали результаты анализа динамики расхода запасных частей, плавные изменения характерны для расхода деталей двигателя. При расчете потребности в ремнях ГРМ за 2018 г. средняя относительная ошибка аппроксимации составила 7,6%, что является достаточно точным результатом.

В таблице 2 приведены результаты прогнозирования потребности в деталях двигателя в 2018 г. с помощью адаптивных моделей прогнозирования.

Таблица 2 - Прогнозные значения потребности в деталях двигателя, полученные при помощи адаптивных моделей прогнозирования

Результаты анализа показали, что применение рассмотренной модели целесообразно при анализе расхода запасных частей, относящихся к группе «Двигатель». В этой группе имеется постоянная тенденция в изменении расхода без резких скачков в сторону увеличения или уменьшения.

Разработанный алгоритм прогнозирования потребности в запасных частях предприятия автосервиса позволяет на основании объема исходных данных и характера расхода запасных частей выбрать необходимую модель для прогнозирования. Согласно данному алгоритму, если на предприятии имеется информация о факторах, влияющих на потребность в запасных частях, прогнозирование потребности осуществляется при помощи построения многофакторной регрессионной модели. Если информация о факторах отсутствует, прогнозирование осуществляется на основании анализа кривой расхода запасных частей. Если изменение расхода происходит без резких сезонных колебаний, расчеты производятся с помощью адаптивной модели прогнозирования. Если сезонные колебания значительны, прогнозирование осуществляется при помощи модели.?

Список литературы

1 Воронина, И. Ф. Совершенствование методики прогнозирования потребности в запасных частях автомобилей на предприятиях автосервиса / И. Ф. Воронина, Ф. М. Судак, Д. С. Подгорный // Вести Автомобильно-дорожного института. - 2016. - №2. - С. 16-22.

2 Гришин, А. С. Разработка методики прогнозирования потребности предприятий автосервиса в запасных частях [Текст]: дис.... канд. техн. наук: 05.22.10 / А. С. Гришин. - Москва: МГИУ, 2005. - 153 с.

Размещено на Allbest.ru