Здравствуйте! Я студентка, пишу диплом по управлению запасами. Меня интересует вопрос применения нейронных сетей для управления запасами. В частности вопрос о практичности, применимости и обоснованности их использования.
Здравствуйте, Наталья!
Безусловно, для управления запасами применять нейросети можно, но с одной оговоркой: многие «деятели» обучают нейросеть только лишь с учетом временных интервалов, так что вычисление необходимого запаса на какой-то период времени в итоге превращается в банальный сбор исторических данных и их обработу, что с таким же успехом (и даже лучше) можно сделать в Excel-е. Если собираетесь серьезно заняться этой темой, лучше выбрать ряд влияющих на запас факторов и использовать сеть для выявления причинно-следственных связей между этими факторами и полученным результатом. Впридачу к прогнозу Вы тогда получите и очень точный механизм моделирования.
Я бы посоветовал вначале убедиться НА ЛИЧНОМ ОПЫТЕ пригодность и полезность нейросетей. Так называемые специалисты-теоретики не устают болтать о том, что нейросети — это мегасуперметод, который решит все проблемы (стоит только купить их книжку и программу). Попробуйте попрогнозировать что-нибудь самостоятельно, а не верить книжкам. Сравните с аналогичным прогнозом, например, по методу экспоненциального сглаживания или просто эктсраполяции тренда, и Вы поймете, что нейросеть — это как минимум очень сложно и затратно. А отношение эффекта (пользы) и затрат — есть эффективность.
Мне когда-то тоже было очень интересно все это. Больше не интересно. Хотя с удовольствием узнал бы что-нибудь новое для себя в этой области. Главное понимать, что нейросеть — это та же интерполяция, то есть прогноз исходя из рассчитанных параметров зависимости между результатом и признаками (как будто подставляете значение факторов в регрессионную модель — и получаете значение результативного признака).
Короче, задача интересная, но вряд ли выполнимая. Так что «практичность» и «обоснованность» найдете в любой книжке или интернете. А вот если сами станене заниматься закупками, быстро забудете об этих иллюзиях науки :)
Я бы посоветовал вначале убедиться НА ЛИЧНОМ ОПЫТЕ пригодность и полезность нейросетей. Так называемые специалисты-теоретики не устают болтать о том, что нейросети — это мегасуперметод, который решит все проблемы (стоит только купить их книжку и программу). Попробуйте попрогнозировать что-нибудь самостоятельно, а не верить книжкам. Сравните с аналогичным прогнозом, например, по методу экспоненциального сглаживания или просто эктсраполяции тренда, и Вы поймете, что нейросеть — это как минимум очень сложно и затратно. А отношение эффекта (пользы) и затрат — есть эффективность.
Мне когда-то тоже было очень интересно все это. Больше не интересно. Хотя с удовольствием узнал бы что-нибудь новое для себя в этой области. Главное понимать, что нейросеть — это та же интерполяция, то есть прогноз исходя из рассчитанных параметров зависимости между результатом и признаками (как будто подставляете значение факторов в регрессионную модель — и получаете значение результативного признака).
Короче, задача интересная, но вряд ли выполнимая. Так что «практичность» и «обоснованность» найдете в любой книжке или интернете. А вот если сами станене заниматься закупками, быстро забудете об этих иллюзиях науки :)
Хотел примерно, то же самое написать, но опередил ;) 100% согласен, что на практике эта вещь пригодна только когда море времени. А так если есть «автомат Калашникова», простой до безобразия, но РАБОТАЕТ.
Добавлю к предыдущим комментариям.
У нас полтора года назад взяли на работу супер-мега-аналитика с 2-мя высшими, одно из которых — нейросети, а также с диссертацией на эту тему.
Возлагали очень большие надежды, что всё скоро станет в шоколаде.
Итог:
Нейросети никаким боком не используются.
Попытки использовать их и прочие заумные методы были, но провалились.
Используются обычные, кондовые методы («автомат калашникова»).
Супер-мега-аналитик занялся просто накоплением и обработкой данных на SQL. А поскольу информации много, а обрабатывать тяжело — появился целый отдел аналитики.
:-)
И занимается отдел «посмертной аналитикой» — то есть показом картинок пост-фактум, без указания: «А что делать-то?». Типа сам думай и решай.
А все системы управления запасами — то есть реальные вещи, облагчающие принятие управленческих решений в итоге приходится создавать мне. А я не супер-мега-нейронщик. Я простой практик. Я делаю молоток. Чтоб гвозди забивать. Тут, в реальной работе не до микроскопов пока.
Коллеги, эмуляторы нейросетей — это ИНСТРУМЕНТ, а не ПАНАЦЕЯ для всего и от всего. Я специально акцентировал внимание на том факте, что от сети Вы получаете лишь то, что ЗАКЛАДЫВАЕТЕ. Двести технических специалистов с тремя высшими на каждого будут отлично знать теорию нейросетей и обучать ее на основании данных о повышении/понижении заданной величины в зависимости от ВРЕМЕНИ, и получат полную ерунду на выходе. Представьте себя с большим файлом, в котором что-то типа: «1 — 10, 2 — 15, 3 — 16», и Вам фактически предлагают угадать следующую цифру. Будете искать закономерность с точки зрения чистой математики — и будете правы. Но прав ли будет вышестоящий начальник, когда скажет: «Неправильно угадал! Уволен!».
Нейронные сети хороши именно для нахождения причинно-следственных связей вроде: «Насколько влияет дождливая погода на скорость выгрузки товара на открытой площадке?», или «Как будет влиять такой-то состав бригады на наличие ошибок в процессе отгрузки?». Получив, таким образом, нужные составляющие, Вы имеете возможность применить их для составления готовой модели, которую можно применять в прогнозировании и моделировании «а что, если».
Сети не могут быть лучше или хуже математических или экспертных методик, они где-то рядом, как и истина :-)
Даю совет для обдуревания ученого люда.
Нейросети, пожалуй, лучше применять для прогноза спроса. Хотя не факт. Это я для примера. В начале делаете прогноз по разным известным методам (скользящяя средняя, с учетом сезонности, экспоненциальное сглаживание, обязательно используйте регрессионную модель). Затем делаете нейросеть. Данных, правда, должно быть хотябы минимум 50, лучше 100. Каждое обучение нейросети и новая конфигурация обычно дает разный результат. Поэтому экспериментируете до тех пор, пока ваш проноз по нейросети не будет лучше чем по другим методам. А в конце делаете гениальный вывод о том, что нейросети — это мегометод, который лучше других и подверждением тому служат расчеты. Не надо говорить никому, что вы подобрали лучший результат :). Преподы буду в восторге, так как все равно дипломы никто не читает. Проверено ;)
Будут вопросы, пишите :)
Здравствуйте, Наталья!
Безусловно, для управления запасами применять нейросети можно, но с одной оговоркой: многие «деятели» обучают нейросеть только лишь с учетом временных интервалов, так что вычисление необходимого запаса на какой-то период времени в итоге превращается в банальный сбор исторических данных и их обработу, что с таким же успехом (и даже лучше) можно сделать в Excel-е. Если собираетесь серьезно заняться этой темой, лучше выбрать ряд влияющих на запас факторов и использовать сеть для выявления причинно-следственных связей между этими факторами и полученным результатом. Впридачу к прогнозу Вы тогда получите и очень точный механизм моделирования.
Я бы посоветовал вначале убедиться НА ЛИЧНОМ ОПЫТЕ пригодность и полезность нейросетей. Так называемые специалисты-теоретики не устают болтать о том, что нейросети — это мегасуперметод, который решит все проблемы (стоит только купить их книжку и программу). Попробуйте попрогнозировать что-нибудь самостоятельно, а не верить книжкам. Сравните с аналогичным прогнозом, например, по методу экспоненциального сглаживания или просто эктсраполяции тренда, и Вы поймете, что нейросеть — это как минимум очень сложно и затратно. А отношение эффекта (пользы) и затрат — есть эффективность.
Мне когда-то тоже было очень интересно все это. Больше не интересно. Хотя с удовольствием узнал бы что-нибудь новое для себя в этой области. Главное понимать, что нейросеть — это та же интерполяция, то есть прогноз исходя из рассчитанных параметров зависимости между результатом и признаками (как будто подставляете значение факторов в регрессионную модель — и получаете значение результативного признака).
Короче, задача интересная, но вряд ли выполнимая. Так что «практичность» и «обоснованность» найдете в любой книжке или интернете. А вот если сами станене заниматься закупками, быстро забудете об этих иллюзиях науки :)
Хотел примерно, то же самое написать, но опередил ;) 100% согласен, что на практике эта вещь пригодна только когда море времени. А так если есть «автомат Калашникова», простой до безобразия, но РАБОТАЕТ.
Добавлю к предыдущим комментариям.
У нас полтора года назад взяли на работу супер-мега-аналитика с 2-мя высшими, одно из которых — нейросети, а также с диссертацией на эту тему.
Возлагали очень большие надежды, что всё скоро станет в шоколаде.
Итог:
Нейросети никаким боком не используются.
Попытки использовать их и прочие заумные методы были, но провалились.
Используются обычные, кондовые методы («автомат калашникова»).
Супер-мега-аналитик занялся просто накоплением и обработкой данных на SQL. А поскольу информации много, а обрабатывать тяжело — появился целый отдел аналитики.
:-)
И занимается отдел «посмертной аналитикой» — то есть показом картинок пост-фактум, без указания: «А что делать-то?». Типа сам думай и решай.
А все системы управления запасами — то есть реальные вещи, облагчающие принятие управленческих решений в итоге приходится создавать мне. А я не супер-мега-нейронщик. Я простой практик. Я делаю молоток. Чтоб гвозди забивать. Тут, в реальной работе не до микроскопов пока.
Коллеги, эмуляторы нейросетей — это ИНСТРУМЕНТ, а не ПАНАЦЕЯ для всего и от всего. Я специально акцентировал внимание на том факте, что от сети Вы получаете лишь то, что ЗАКЛАДЫВАЕТЕ. Двести технических специалистов с тремя высшими на каждого будут отлично знать теорию нейросетей и обучать ее на основании данных о повышении/понижении заданной величины в зависимости от ВРЕМЕНИ, и получат полную ерунду на выходе. Представьте себя с большим файлом, в котором что-то типа: «1 — 10, 2 — 15, 3 — 16», и Вам фактически предлагают угадать следующую цифру. Будете искать закономерность с точки зрения чистой математики — и будете правы. Но прав ли будет вышестоящий начальник, когда скажет: «Неправильно угадал! Уволен!».
Нейронные сети хороши именно для нахождения причинно-следственных связей вроде: «Насколько влияет дождливая погода на скорость выгрузки товара на открытой площадке?», или «Как будет влиять такой-то состав бригады на наличие ошибок в процессе отгрузки?». Получив, таким образом, нужные составляющие, Вы имеете возможность применить их для составления готовой модели, которую можно применять в прогнозировании и моделировании «а что, если».
Сети не могут быть лучше или хуже математических или экспертных методик, они где-то рядом, как и истина :-)
Коллеги, ну что Вы ей-богу. Девушка же ДИПЛОМ пишет.
Согласитесь что название темы «Применение нейросетей в управлении запасами»
будет выгодно отличаться от
«Применения «кондовых» методов в управлении запасами»
:)
Даю совет для обдуревания ученого люда.
Нейросети, пожалуй, лучше применять для прогноза спроса. Хотя не факт. Это я для примера. В начале делаете прогноз по разным известным методам (скользящяя средняя, с учетом сезонности, экспоненциальное сглаживание, обязательно используйте регрессионную модель). Затем делаете нейросеть. Данных, правда, должно быть хотябы минимум 50, лучше 100. Каждое обучение нейросети и новая конфигурация обычно дает разный результат. Поэтому экспериментируете до тех пор, пока ваш проноз по нейросети не будет лучше чем по другим методам. А в конце делаете гениальный вывод о том, что нейросети — это мегометод, который лучше других и подверждением тому служат расчеты. Не надо говорить никому, что вы подобрали лучший результат :). Преподы буду в восторге, так как все равно дипломы никто не читает. Проверено ;)
Будут вопросы, пишите :)
Главное — упираться, когда преподы начнут кричать о мгновенном начале супер-продаж супер-продукта :-)
Пожалуйста, войдите или зарегистрируйтесь, чтобы комментировать.