Информационная система для прогнозирования объема продаж автомобильных деталей

В настоящее время все крупные и средние торгово-промышленные предприятия оснащены информационными системами, предназначенными, в основном, для автоматизации документооборота, хотя возможно использовать их в том числе для принятия управленческих решений.

Так, для предприятия ООО Автоцентр «Юг-Авто» разработана информационная система, содержащая кроме базы данных (БД) блок прогнозирования продаж хранящихся на складе автозапчастей различного назначения (рисунок 1).

Рисунок 1 – Структурная схема информационной системы

Диаграмма базы данных, которая включает в себя таблицы mainTable, Orders, Prices, Users представлена на рисунке 2

Рисунок 2 – Диаграмма базы данных

Перечень данных, включенных в таблицу:

• 1)    MainTable (главная таблица). В таблицу входят:

• -    номенклатура – полное название запчасти;

• -    артикул – персональный идентификатор для связи с другими таблицами и поиска данных;

• -    столбцы данных от января 2015 до января 2018 по каждому месяцу

• 2)    Orders (заказы). В таблицу входят:

• -    N_Order – номер заказа;

• -    Nomenclature – номенклатура покупаемой запчасти;

• -    Article – артикул данной запчасти;

• -    Quantity –количество единиц.

• 3)    Users (Пользователи). С помощью данной таблицы реализуется авторизация пользователя в системе. После данной процедуры пользователь получает возможности взаимодействовать с базой данных.

В таблицу входят следующие столбцы:

• -    User_ID – идентификатор пользователя;

• -    Login – логин пользователя;

• -    Password – пароль пользователя;

• -    Role – роль пользователя в системе;

• -    Name – имя пользователя;

• -    Surname – фамилия пользователя;

• -    Phone – телефон для связи с покупателем.

Блок прогнозирования предназначен для прогнозирования объема продаж на основании статистических данных, которые извлекаются из БД и обрабатываются в соответствии с выбранной моделью прогноза, предствляющей линейную зависимость вида

У(x) = а*X + b,                                          (1)

где У(x) – прогнозируемый показатель;

a и b - коэффициенты;

Х – номер месяца прогнозируемого периода.

Значения коэффициентов а и b определялись на основе метода наименьших квадратов

¹ 2 xy t - 2 х 2 у /

n

nn

а =

<

i = 1

i = 1           i = 1

i 2 ^ t² - ( 2 ^ t )

i = 1                           i = 1

22 yt-а22 Xt

i = 1                      i = 1

к

b = ------------

Здесь n объем выборки.

Так, для эмпирические данных продаж детали «ФИЛЬТР САЛОНА

SOLARIS 971334L000» за период с 01.01.2015 по 31.12.2017 (таблица 1)

получена регрессионная зависимость вида

y(X) = 0,259X+ 17,485

Таблица 1 – Продажи детали «ФИЛЬТР САЛОНА SOLARIS

971334L000»

Номер месяца	Количество продаж деталей	Прогнозир уемые продажи	Номер месяца	Количеств о продаж деталей	Прогнозир уемые продажи
1	19	17	19	20	22
2	19	18	20	22	23
3	16	18	21	24	23
4	18	19	22	23	23
5	19	19	23	24	23
6	18	19	24	22	24
7	21	19	25	21	24
8	22	20	26	22	24
9	20	20	27	22	24
10	19	20	28	23	25
11	20	20	29	23	25
12	21	21	30	23	25
13	19	21	31	27	26
14	19	21	32	24	26
15	19	21	33	27	26
16	20	22	34	26	26
17	20	22	35	27	27
18	21	22	36	28	27

Для выполненного прогноза рассчитана среднеквадратическая погрешность

n

^ 1

^(У / - (с^ + Ь)) 2 i=1

Полученные результаты свидетельствуют о том, что предприятие, используя разработанную системы может не только прогнозировать объем продаж по номенклатуре изделий и выстраивать с учетом этого показателя свою стратегию, но и пополнять запасы на складе, чтобы не допустить дефицита продаваемых изделий.