Прогнозирование потоков экскурсионных групп музеев на основе модификации метода случайного леса
Опубликовано №4 (99) июнь 2020 г.
АВТОРЫ: АСЛАХАНОВ А.Р., ПАВЛОВА Е.В.
РУБРИКИ: Имитационное моделирование Информационные технологии в логистике и SCM Оптимизация и экономико-математическое моделирование Управление логистическим сервисом
Аннотация
В последние годы как в России, так и в мире наблюдается ежегодный рост количества посетителей музеев, самые популярные выставки посещаются миллионами людей. В 2020 году в условиях карантинных мер в связи с эпидемией COVID-19 вопрос управления потоками посетителей музеев встал особенно остро. Если ранее пропускная способность музеев была ограничена максимальной продолжительностью возможной эвакуации из здания музея, выставочными площадями и количеством сотрудников, работающих с посетителями, то в 2020 году в связи с соблюдением санитарно-эпидемиологических правил пропускная способность музеев была снижена ещё. Это обуславливает актуальность аналитических решений для музеев, так как для управления потоками посетителей и адаптации к высокому спросу необходимо иметь эффективную модель прогнозирования, учитывающую детерминированность спроса целым рядом факторов. Целью данной работы является разработка модели прогнозирования количества экскурсионных групп в детализации музей-день-час. В качестве метода прогнозирования предлагается модификация случайного леса с включением в модель более 450 независимых переменных. Модификация модели заключается в изменении механизма комбинирования прогнозов деревьев в составе леса таким образом, что вес дерева в модели обратно пропорционален ошибке измерений данного дерева. Апробация предложенной модели проводится на основании данных о более чем 20 000 экскурсионных групп Государственного Русского Музея за период 2018-2020 гг. Предложенная модель продемонстрировала высокую точность (36.6% WAPE и 0.5% BIAS).
Ключевые слова: прогнозирование машинное обучение метод случайного леса прогноз комбинирование прогнозов Python музеи сервис
Использование метода главных компонент для анализа надежности цепей поставок
Опубликовано №4 (87) август 2018 г.
АВТОР: КУЗНЕЦОВ В.О.
РУБРИКИ: Аналитика в логистике и SCM Надежность и устойчивость цепей поставок
Аннотация
Одним из вариантов более гибкого подхода к анализу надежности цепей поставок нам представляется метод главных компонент (PCA). Учитывая большое количество переменных, описывающих цепь поставок, является сложной задачей - проанализировать в двумерном пространстве структуру переменных. Метод PCA позволяет перейти, в рамках анализа зависимостей переменных, от многомерного пространства к маломерному, оставляя для анализа саму полезную информацию, находящуюся в массиве данных. На основе сгенерированного набора данных, в данной работе демонстрируется возможность применения PCA относительно анализа надежности цепей поставок. Сгенерированный набор данных включает в себя наблюдения по 50-ти цепям поставок, описанный пятью переменными. На основе массива данных, максимизировав линейную комбинацию параметров по каждому наблюдению, мы определили коэффициенты нагрузки и оценки каждой из главных компонент. Расчет этих коэффициентов позволил перейти от многомерного пространства к двумерному. Двумерное отображение всех данных, осями которого являются первые две главные компоненты, объясняя 84% дисперсии, позволило увидеть структуру всех цепей поставок, выделить аутсайдеров и лидеров в данном наборе.
Ключевые слова:
Формирование интеллектуальных цепей поставок
Опубликовано №4 (87) август 2018 г.
АВТОР: КОРЕПИН В.Н.
РУБРИКИ: Информационные технологии в логистике и SCM Современные концепции и технологии в логистике и управлении цепями поставок Управление цепями поставок
Аннотация
Данная статья рассматривает ключевые аспекты влияния четвертой промышленной революции объявленной в 2011 году и целого пласта новых технологий, которые начинают всё активнее вторгаться в повседневную жизнь, на существующие процессы управление цепями поставок и на их дальнейшее развитие. В статье приводится обзор составляющих интеллектуальных цепей поставок, которые разделяются в статье на два неравных класса: это революционные и эволюционные технологии. К первым можно отнести интернет вещей, машинное обучение, 3д печать, блокчейн, смешанная и дополненная реальность, искусственный интеллект и боты – все они кардинально изменяют логику работу цепей поставок. Ко вторым же стоит отнести давно и успешно развивающиеся графические технологии и интуитивно-понятную/функциональную организацию рабочего места сотрудников компаний. В статье делается акцент именно на первой группе технологий. В результате в статье сделан вывод о том, что все эти технологии тесно переплетены и это формирует дополнительный синергетический эффект от использования их в тесном контакте друг с другом, а также о том, что функции и обязанности эксперта по управлению цепями поставок в компании должны быть вдумчиво переработаны.
Ключевые слова:
