CC BY
15SCIENTIFIC PROGRESS VOLUME 3 I ISSUE 5 I 2022 _ISSN: 2181-1601
Scientific Journal Impact Factor (SJIF 2022=5.016) Passport: http://sjifactor.com/passport.php?id=22257
ПРОГНОЗИРОВАНИЕ ПОСТУПЛЕНИЯ И РАСХОДА МАТЕРИАЛОВ НА СКЛАДЕ ВАГОННОГО ДЕПО МЕТОДАМИ КОРРЕЛЯЦИОННОГО
АНАЛИЗА
Толаниддин Рамзиддинович Нурмухамедов
Доктор технических наук, профессор кафедры "Информационные системы и технологии на транспорте" Ташкентского государственного транспортного университета
Жавлон Нуруллаевич Гулямов
Старший преподаватель кафедры "Информационные системы и технологии на транспорте" Ташкентского государственного транспортного университета
Шайдо Саидумарович Ташрипов
Магистрант 2-курса Ташкентского государственного транспортного университета
АННОТАЦИЯ
В статье рассмотрены корреляционно-регрессионные модели позволяющие определить зависимости между снабжением товарно-материальных ценностей, созданием запасов и их спросом на складах вагонного депо ВЧД-2 акционерного общества «Узтемирйулйуловчи». Проанализированы поступления и отпуск товаров со складов за период с 2017 по 2019 годы. Выполнены соответствующие расчеты в Excel и получены уравнения регрессии. Предложена математическая модель прогнозирования товарно-материальных ценностей, запасных частей, комплектующих вагонного депо.
Ключевые слова: запас, депо, модель, склад, анализ, корреляция, регрессия, прогнозирование.
Введение
Корреляционно-регрессионный анализ является классическим методом вероятностного моделирования, который изучает взаимосвязи показателей хозяйственной деятельности предприятия, когда зависимость между ними не является строго функциональной или искажена влиянием посторонних, случайных факторов. В результате осуществляется поиск и оценка тесноты связи между двумя случайными признаками или факторами (корреляционный анализ), а в дальнейшем устанавливается конкретный вид зависимости между исследуемыми параметрами (регрессионный анализ).
SCIENTIFIC PROGRESS VOLUME 3 I ISSUE 5 I 2022 _ISSN: 2181-1601
Scientific Journal Impact Factor (SJIF 2022=5.016) Passport: http://sjifactor.com/passport.php?id=22257
В качестве факторов, оказывающих прямое или опосредованное влияние на изменение потребительского спроса, можно отметить:
- уровень инфляции как в отдельных регионах, так и по стране в целом;
- уровень платежеспособности населения;
- процентные ставки по потребительским кредитам;
- расходы на рекламу;
- активность конкурентов;
- социально-демографические факторы (в том числе миграция);
- объемы производства по видам продукции;
- климатические условия и др.
Основная часть
Среди основных задач корреляционно-регрессионного анализа в логистике снабжения можно выделить следующие:
- поиск и оценка тесноты связи объемов расходования ТМЦ с одним или несколькими из вышеуказанных факторов для формирования корректных планов по обеспечению потребности в запасах;
- определение степени соответствия политики снабжения и использования ТМЦ путем сопоставления динамики поступления и расходования ресурсов в складском хозяйстве предприятия при проведении аудита существующей системы управления запасами;
- прогнозирование и бюджетирование косвенных затрат, связанных с запасами, при планировании закупок и др.
В настоящее время известно много различных показателей, отражающих тесноту статистической связи двух рядов. Обычно они разделяются на параметрические, применение которых предполагает знание теоретического (как правило, нормального) закона распределения, и непараметрические, не требующие выполнения данного условия. Среди непараметрических критериев связи можно выделить коэффициенты ранговой корреляции Спирмена и Кендалла, коэффициент корреляции знаков Фехнера и др.
Наибольшее распространение среди параметрических критериев получил линейный коэффициент парной корреляции Пирсона:
_ i(*t ~x>(yt-у) Q4
7l*Gx*Gy '
где xt, yt - значения параметров, теснота связи между которыми оценивается в момент времени t; х, у - средние значения статистических рядов параметров х и
SCIENTIFIC PROGRESS VOLUME 3 I ISSUE 5 I 2022 _ISSN: 2181-1601
Scientific Journal Impact Factor (SJIF 2022=5.016) Passport: http://sjifactor.com/passport.php?id=222ff7
у; п — длина статистических рядов параметров х и у; ax и ay -среднеквадратические отклонения статистических рядов параметров х и у.
Данный коэффициент показывает, насколько ярко выражена тенденция к изменению одной переменной при изменении другой, и находится в диапазоне -1 < r < +1. В крайних случаях, при r = ±1, связь между х и у становится функциональной, а нулевое значение коэффициента корреляции (r = 0) обозначает полную независимость переменных x и у друг от друга и отсутствие какой-либо связи между ними. При r > 0 связь между х и у прямая, т.е. обе величины одновременно убывают или возрастают. Если r < 0, то связь между х и у обратная, т.е. с возрастанием одной величины другая убывает. Иными словами, промежуточные значения коэффициента корреляции (исключая крайние случаи) говорят, что тенденция к изменению одной переменной при изменении другой выражена не очень явно, но в какой-то степени она присутствует. То есть можно говорить о наличии между рассматриваемыми переменными стохастической (вероятностной) связи.
При построении графиков соответствия (рис. 5.7) в случае функциональной зависимости сопоставляемых переменных облако точек вырождается в прямую линию, наклоненную под некоторым углом к оси 0^ а при полном отсутствии какой-либо связи - в круг или квадрат.
Для оценки достоверности рассчитываемых коэффициентов корреляции при сравнении достаточно длинных временных рядов может быть использована формула Романовского:
^ * щ, (2)
Доверительные интервалы при заданном уровне значимости (а) и количества степеней свободы (v=n-1) определяются с использованием t-статистики Стьюдента (ta) (см. табл. 1 Приложения). Если \r\ = tа * ог, то коэффициент корреляции значим.
Чем ближе коэффициент корреляции по абсолютной величине к единице, тем теснее связь между сопоставляемыми параметрами. В общем случае, при \r\>0,75, можно говорить о наличии достаточно тесной связи, что дает возможность построения адекватных корреляционно-регрессионных моделей для целей прогнозирования.
Сравниваем динамику распределения ревизии действующей системы управления запасами биохлорного актива массой нетто 1000 грамм на складе предприятия ВЧД-2 при АО «Узтемирйулйуловчи» с динамикой поступления на склад (табл. 1).
Таблица 1
SCIENTIFIC PROGRESS
VOLUME 3 I ISSUE 5 I 2022 ISSN: 2181-1601
Scientific Journal Impact Factor (SJIF 2022=5.016) Passport: http://sjifactor.com/passport.php?id=222ff7
Статистика поступления и отпуска биохлор активов со склада вагонного депо за январь 2017 г. - декабрь 2019 г.
Месяц/год Поступление (приход), шт Отгрузка (расход), шт
Январь 17 200 106
Февраль 17 200 139
Март 17 200 195
Апрель 17 200 205
Май 17 200 195
Июнь 17 0 160
Июль 17 500 388
Август 17 500 189
Сентябрь 17 0 329
Октябрь 17 120 169
Ноябрь 17 120 163
Декабрь 17 260 198
Январь 18 500 187
Февраль 18 0 221
Март 18 0 154
Апрель 18 500 257
Май 18 0 242
SCIENTIFIC PROGRESS VOLUME 3 I ISSUE 5 I 2022 _ISSN: 2181-1601
Scientific Journal Impact Factor (SJIF 2022=5.016) Passport: http://sjifactor.com/passport.php?id=222ff7
Июнь 18 500 273
Июль 18 0 215
Август 18 500 218
Сентябрь 18 0 240
Октябрь 18 480 208
Ноябрь 18 0 260
Декабрь 18 500 169
Январь 19 0 277
Февраль 19 500 178
Март 19 0 258
Апрель 19 0 187
Man 19 500 356
Июнь 19 500 168
Июль 19 0 310
Август 19 500 268
Сентябрь 19 0 298
Октябрь 19 0 100
Ноябрь 19 0 0
Декабрь 19 500 59
Коэффициент корреляции 0.06967
SCIENTIFIC PROGRESS
VOLUME 3 I ISSUE 5 I 2022 ISSN: 2181-1601
Scientific Journal Impact Factor (SJIF 2022=5.016) Passport: http://sjifactor.com/passport.php?id=22257
После обработки данных представленных в табл.1 нами в приложении Excel выполнены расчеты и получены соответствующие уравнения регрессии, которые приведены в виде скриншота.
Л 1 2 3 4 5 6 7 8 9 10
1 ВЫВОД итогов
2
3 Регрессионная cm am истина
4 Множественный R 0.069671699
3 R-квадрат 0.004854146
6 Нормированный R-квадрат -0.02441435
7 Стандартная ошибка 225.8302616
а ¡Наблюдения 36
9
10 Дисперсионный анализ
11 df SS IWS F Значимость F
12 Регрессия 1 3533.102553 3533.102553 0.165345991 0.636382992
13 Остаток 34 1749366.897 51451.96757
14 Итого 35 1757900
15 16 17
Коэффициенты Стандартная ошибка t-статистика Р-Значение ИимниеЭ5% Верхние95% НижниеЭ5.0% Верхние95.0%
Y-пересечение 180.123626 108.7906581 1.555690196 0.106987177 -40.96559158 401.2128436 -40.96559158 401.2128436
18 Переменная X 1 0.198375045 0.4В7118416 0.407241932 0.586382992 -0.791558682 1.188318771 -0.791568582 1.188318771
На основе данных табл.1 нами построены графики прихода и расхода ТМЦ на складе вагонного депо, которые представлены на рис.1.
2017-2019
600 500 400 300 200 100 0
л .0 н .0 iS
. с; . с; го
го го го 01 5
CQ . 5 .
I ш с
СЕ 01 0 <
1^1^1^1^1^1^1^000000000000000000000000010104010401010101040101
i- л л л л
" а а ü а
¡Г ю ю ю ю
m ге ге о; го
< t h о
ГО ГО Го 0J
Л
го
I
0J
и
* I О) СЕ
с!
Q.
С
<
Н .0
(J
.0 .0
с а а а о. ¡Г ю ю ю ю ■т гт о; о: го to b о * I
О 1 £ *
п. щ.
I
0J
и
-О
^ ГО
О) з
с ^
с
<
i- и и и л
У CP О. CP Q.
¡Г ю ю ю ю
m ге ГЕ к го
<с * % х *
■ Приход
Расход
Рис. 1. График поступления и расхода биохлорных активов на склады вагонного
депо АО «Узтемирйулйуловчи».
Выводы
1. Предложена математическая модель прогнозирования товарно-материальных ценностей, запасных частей, комплектующих вагонного депо АО «Узтемирйулйуловчи».
2. На основе математической модели можно выполнять расчет прогнозных данных наличия товаров на складе вагонного депо. Определение запасов товаров
SCIENTIFIC PROGRESS VOLUME 3 I ISSUE 5 I 2022 _ISSN: 2181-1601
Scientific Journal Impact Factor (SJIF 2022=5.016) Passport: http://sjifactor.com/passport.php?id=22257
на основе метода корреляционного анализа позволит равномерно выполнять ремонтно-экипировочные работы с подвижными единицами.
Список литературы:
1. Бондаренко П.С. Теория вероятностей и математическая статистика: учебное пособие / П.С. Бондаренко, Г.В. Горелова, И.А. Кацко; под ред. И.А. Кацко, А.И. Трубилина. - М.: КНОРУС, 2019. - 390 с.
2. Шихалёв А.М. Корреляционный анализ. Непараметрические методы / А.М. Шихалёв. - Казань: Казан. ун-т, 2015. - 58 с.
3. Гмурман, В. Е. Теория вероятностей и математическая статистика: учебник и практикум для академического бакалавриата / В. Е. Гмурман. — 12-е изд. - М.: Издательство Юрайт, 2014. - 479 с.
