УПРАВЛЕНИЕ РАСХОДНЫМИ КОЭФФИЦИЕНТАМИ В МЕТАЛЛУРГИИ С ИСПОЛЬЗОВАНИЕМ МОДЕЛЕЙ ВРЕМЕННЫХ РЯДОВ
Ключевые слова:
прогнозирование временных рядов, векторная авторегрессия, металлургическое производство, расходный коэффициент металла, операционная эффективностьАннотация
В статье представлены результаты сравнительного анализа методов прогнозирования временных рядов для ключевых производственных показателей металлургического предприятия. Исследованы два показателя: объем выпуска продукции и расходный коэффициент металла (РКМ). На первом этапе проведен векторный авторегрессионный анализ (VAR), который выявил высокую инерционность РКМ: собственные лаги показателя объясняют 85–95% его вариации, тогда как влияние внешних факторов статистически незначимо. На основании этого результата для прогнозирования применены одномерные модели ARIMA и экспоненциального сглаживания (ETS). Выявлено, что точность прогнозирования существенно зависит от характера производственного процесса: для проектно-ориентированного производства MAPE составляет 19–34%, тогда как для операционных показателей — менее 2%. Предложена альтернативная метрика оценки точности, учитывающая экономическую значимость прогнозной ошибки. Сформулированы практические рекомендации по применению методов прогнозирования в управлении металлургическим производством.
Список литературы
Мунтин А.В., Жихарев П.Ю., Зинягин А.Г., Брайко Д.А. Искусственный интеллект и машинное обучение в металлургии. Часть 1. Методы и алгоритмы // Металлург. — 2023. — № 6. — С. 124–132.
Дворников С.С. Применение методов машинного обучения для оптимизации производственных процессов в металлургической промышленности // Информационные технологии и системы управления: сборник научных трудов. — Донецк: ДонНТУ, 2024.
Сааков Д.В. Применение инструментов моделирования в рамках функционирования «умного» нефтехимического и металлургического производства // Экономика и предпринимательство. — 2023. — № 4. — С. 115–119.
Головина Т.А., Авдеева И.Л. Управление рисками и прогнозирование в условиях цифровой трансформации промышленных предприятий // Экономика в промышленности. — 2023. — Т. 16. — № 2. — С. 154–162.
