РАЗРАБОТКА МЕТОДИКИ ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ С ПРИМЕНЕНИЕМ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ
Аннотация
Ключевые слова: ПЛАНИРОВАНИЕ, МОДЕЛЬ, НЕОПРЕДЕЛЁННОСТЬ, МАШИННОЕ ОБУЧЕНИЕ, ПРОГНОЗ, ВЫБОР МЕТОДА, ИСКУССТВЕННАЯ НЕЙРОННАЯ СЕТЬ.
В рамках исследования, разработан новый метод расчёта длительности производственного цикла технически сложных изделий для предприятий мелкосерийного типа производства на основе статистического анализа результатов предыдущей производственной деятельности. С целью достижения высокой точности прогноза, произведён поиск метода машинного обучения, наиболее эффективно работающего на конкретном наборе данных. В работе приводится сравнительный обзор стратегий выбора оптимального метода машинного обучения. Рассмотрен процесс подготовки обучающей выборки, обоснована необходимость её модификации. Поиск оптимального метода машинного обучения осуществлён в среде статистических вычислений «R» с использованием пакета «CARET». Приведены графические результаты обучения 96-и алгоритмов, реализующих различные статистические методы, на основании предложенной методики обоснован выбор лучшего. Для прогноза длительности производственного цикла в условиях неопределённости использована предварительно обученная искусственная нейронная сеть. Оценка результатов расчёта, полученных при помощи математической модели производственного процесса, позволяет утверждать, что прогнозирование длительности производственного цикла изделий с неизвестной заранее продолжительностью этапа испытаний возможно с применением методов машинного обучения, а точность прогноза зависит от выбранного метода и величины обучающей выборки. Предложенный метод позволяет прогнозировать длительность производства и испытания технически сложных изделий в условиях неопределённости и может быть использован в качестве инструмента для расчёта годового графика отгрузки продукции потребителю.
В рамках исследования, разработан новый метод расчёта длительности производственного цикла технически сложных изделий для предприятий мелкосерийного типа производства на основе статистического анализа результатов предыдущей производственной деятельности. С целью достижения высокой точности прогноза, произведён поиск метода машинного обучения, наиболее эффективно работающего на конкретном наборе данных. В работе приводится сравнительный обзор стратегий выбора оптимального метода машинного обучения. Рассмотрен процесс подготовки обучающей выборки, обоснована необходимость её модификации. Поиск оптимального метода машинного обучения осуществлён в среде статистических вычислений «R» с использованием пакета «CARET». Приведены графические результаты обучения 96-и алгоритмов, реализующих различные статистические методы, на основании предложенной методики обоснован выбор лучшего. Для прогноза длительности производственного цикла в условиях неопределённости использована предварительно обученная искусственная нейронная сеть. Оценка результатов расчёта, полученных при помощи математической модели производственного процесса, позволяет утверждать, что прогнозирование длительности производственного цикла изделий с неизвестной заранее продолжительностью этапа испытаний возможно с применением методов машинного обучения, а точность прогноза зависит от выбранного метода и величины обучающей выборки. Предложенный метод позволяет прогнозировать длительность производства и испытания технически сложных изделий в условиях неопределённости и может быть использован в качестве инструмента для расчёта годового графика отгрузки продукции потребителю.