Iтеративна оптимiзацiя попиту з використанням методу дискретних функцiональних частинок

Анотація

У статтi розглянуто проблему планування асортименту в роздрiбнiй торгiвлi за умов невизначеного попиту та операцiйних обмежень. Розроблено гiбридну методологiю, що поєднує прогнозування часових рядiв за допомогою SARIMAX та оптимiзацiю методом дискретних функцiональних частинок (DFPM), що забезпечує як стратегiчну (довгострокову), так i тактичну (щомiсячну) пiдтримку прийняття рiшень.
Запропонована структура iнтегрує статистичне прогнозування з iтеративною оптимiзацiєю для досягнення балансу мiж точнiстю прогнозу та практичною реалiзовуванiстю. На етапi прогнозування модель SARIMAX iз зовнiшнiми регресорами враховує сезоннiсть, акцiйнi активностi та коливання попиту, тодi як механiзм «запобiжного бар’єра» захищає вiд надмiрно песимiстичних прогнозiв. На етапi оптимiзацiї DFPM застосовується до квадратичної задачi з лiнiйними обмеженнями, причому параметри пiдбираються за допомогою спектрального аналiзу матрицi ризику. Уводиться нова метрика операцiйного ризику — коефiцiєнт ефективностi запасiв, визначений як вiдношення вартостi залишкiв до доходу, який використовується для побудови коварiацiйної структури оптимiзацiї.
Гiбридна стратегiя поєднує математично оптимальне рiшення з базовим розподiлом, отриманим з iсторичних даних, що забезпечує одночасно стабiльнiсть i пiдвищення ефективностi. Тактичнi коригування вдосконалюють стратегiчне рiшення шляхом урахування сезонних iндексiв та бiзнес-обмежень.
Методологiю реалiзовано в Python та перевiрено на реальних даних українського ритейлера антистрес-iграшок. Результати показують зниження операцiйного ризику на 25% та триразове зростання оборотностi запасiв за збереження реалiстичних прогнозiв доходу.
Загалом, робота пропонує гнучку та вiдтворювану методологiю пiдтримки рiшень, яка об’єднує сучаснi методи прогнозування й оптимiзацiї, надаючи практикам iнструмент для пiдвищення ефективностi управлiння асортиментом у динамiчних умовах роздрiбного ринку.