Details

Title Разработка модели по планированию спроса локальных клиентов пивоваренной компании: выпускная квалификационная работа магистра: направление 09.04.04 «Программная инженерия» ; образовательная программа 09.04.04_03 «Машинное обучение в управлении бизнесом»
Creators Серов Александр Валерьевич
Scientific adviser Светуньков Сергей Геннадьевич
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт промышленного менеджмента, экономики и торговли
Imprint Санкт-Петербург, 2025
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects прогнозирование ; статистика ; машинное обучение ; бизнес-процессы ; градиентный бустинг ; гиперпараметры ; forecasting ; statistics ; machine learning ; business processes ; gradient bousting ; hyperparameters
Document type Master graduation qualification work
File type PDF
Language Russian
Level of education Master
Speciality code (FGOS) 09.04.04
Speciality group (FGOS) 090000 - Информатика и вычислительная техника
DOI 10.18720/SPBPU/3/2025/vr/vr25-2031
Rights Доступ по паролю из сети Интернет (чтение)
Additionally New arrival
Record key ru\spstu\vkr\35348
Record create date 7/10/2025

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Group Anonymous
Network Internet

Целью исследования является разработка модели прогнозирования спроса локальных клиентов пивоваренной компании, тестирование работы модели и анализ влияния модели на бизнес-процессы пивоваренной компании. Исследование выполнялось на базе пивоваренной компании. Предмет ВКР модели прогнозирования спроса. Методы исследования: изучение и обобщение сведений по теме исследования, классификация полученных результатов, построение моделей прогнозирования, анализ результатов моделей, сравнительный анализ, сценарный анализ. Основные результаты исследования: разработка модели прогнозирования спроса локальных клиентов пивоваренной компании, основанной на методе градиентного бустинга с байесовской оптимизацией гиперпараметров. Модель продемонстрировала точность, сопоставимую с результатами отдела планирования, при этом улучшив ключевые бизнес-показатели, такие как доля неоптимальных доставок и доля неисполнений заказов. Внедрение модели позволило улучшить эффективность процессов в логистики, материальном планировании и задачах клиентского сервиса, подтвердив ее практическую значимость для компании. Научная новизна работы заключается в применении современных методов машинного обучения для решения задачи прогнозирования спроса в условиях высокой волатильности, а также в анализе влияния улучшения методов прогнозирования на бизнес – процессы производства слабоалкогольной продукции. Область применения результатов ВКР – деятельность пивоваренной компании. Научной новизной является разработка и интеграция современных технологий, которая позволяет повысить точность, оперативность и эффективность процессов пивоваренной компании. А также тестирование и анализ эффективности предложенного решения в реальных бизнес - условиях. Выводы. Задачи ВКР решены, цель достигнута, определена область применения результатов.

The purpose of the research is to develop a model for forecasting the demand of local customers of the brewery company, testing the model and analyz-ing the impact of the model on the business processes of the brewery company. The research was carried out on the basis of the brewery company. The subject of the thesis demand forecasting models. Research methods: study and generalization of information on the research topic, classification of the obtained results, construction of forecasting models, analysis of model results, comparative analysis, scenario analysis. The main results of the study: development of a demand forecasting model for local customers of a brewing company based on the gradient bousting method with Bayesian optimization of hyperparameters. The model demonstrated accu-racy comparable to the results of the planning department, while improving key business indicators such as the share of sub-optimal deliveries and the share of unfulfilled orders. The implementation of the model improved the efficiency of processes in logistics, material planning and customer service tasks, confirming its practical relevance for the company. Scientific novelty of the work consists in the application of modern methods of machine learning to solve the problem of demand forecasting in conditions of high volatility, as well as in analyzing the impact of improving forecasting methods on business processes of low-alcoholic products production. The field of application of the results of the research work is the activity of the brewing company. Scientific novelty is the development and integration of modern technolo-gies, which allows to increase the accuracy, efficiency and effectiveness of the brewing company processes. As well as testing and analyzing the effectiveness of the proposed solution in real business conditions. Conclusions. The tasks of the research work have been solved, the goal has been achieved, the scope of application of the results has been determined.

Network User group Action
ILC SPbPU Local Network All
Read
Internet Authorized users SPbPU
Read
Internet Anonymous

Access count: 0 
Last 30 days: 0

Detailed usage statistics