Методы прогнозирования запасов строительных материалов во время поставок
- Авторы: Лаамарти Ю.А.1, Дедов Е.Г.2, Крамлих О.Ю.2
-
Учреждения:
- Финансовый университет при Правительстве Российской Федерации (Финуниверситет)
- Смоленский филиал Финансового университета при Правительстве Российской Федерации (Смоленский филиал Финуниверситета)
- Выпуск: Том 19, № 2 (2024)
- Страницы: 307-314
- Раздел: Технология и организация строительства. Экономика и управление в строительстве
- URL: https://journals.rcsi.science/1997-0935/article/view/254487
- ID: 254487
Цитировать
Полный текст
Аннотация
Об авторах
Ю. А. Лаамарти
Финансовый университет при Правительстве Российской Федерации (Финуниверситет)
Email: Laamarti@yandex.ru
ORCID iD: 0000-0002-2835-0892
Е. Г. Дедов
Смоленский филиал Финансового университета при Правительстве Российской Федерации (Смоленский филиал Финуниверситета)
Email: EvgeniyD15@yandex.ru
О. Ю. Крамлих
Смоленский филиал Финансового университета при Правительстве Российской Федерации (Смоленский филиал Финуниверситета)
Email: kramlikh.olga@yandex.ru
Список литературы
- Богдасаров М.А., Шешко Н.Н., Маевская А.Н. Методические подходы к прогнозированию и оценке ресурсов минерального строительного сырья // Литасфера. 2021. № 1 (54). С. 138–146.
- Пандас А.В., Дячук К.С. Аналіз методик прогнозування кон’юнктури будівельного ринку // Молодий вчений. 2018. № 3. С. 359–362.
- Aktepe A., Yanık E., Ersöz S. Demand forecasting application with regression and artificial intelligence methods in a construction machinery company // Journal of Intelligent Manufacturing. 2021. Vol. 32. Pp. 1587–1604. doi: 10.1007/s10845-021-01737-8
- Augiseau V., Barles S. Studying construction materials flows and stock : a review // Resources, Conservation and Recycling. 2017. Vol. 123. Pp. 153–164. doi: 10.1016/j.resconrec.2016.09.002
- Bontempi G., Taieb S.B., Borgne Y.L. Machine learning strategies for time series forecasting // European Business Intelligence Summer School. 2013. Pp. 62–77. doi: 10.1007/978-3-642-36318-4_3
- Cheng M., Fang F., Kinouchi T., Navon I.M., Pain C.C. Long lead-time daily and monthly streamflow forecasting using machine learning methods // Journal of Hydrology. 2020. Vol. 590. P. 125376. doi: 10.1016/j.jhydrol.2020.125376
- Ma Q., Shi S., Liang Y. Research on simulation method of material demand forecast // Communications in Computer and Information Science. 2012. Pp. 345–352. doi: 10.1007/978-3-642-34396-4_42
- Mansur A., Triyoso K. Product inventory predictions at small medium enterprise using market basket analysis approach-neural networks // Procedia Economics and Finance. 2012. Vol. 4. Pp. 312–320. doi: 10.1016/s2212-5671(12)00346-2
- Shirinov B., Mahas N. Forecasting sales volume in construction companies // Lecture Notes in Civil Engineering. 2023. Pp. 825–830. doi: 10.1007/978-3-031-17385-1_70
- Shiha A., Dorra E.M., Nassar K. Neural networks model for prediction of construction material prices in Egypt using macroeconomic indicators // Journal of Construction Engineering and Management. 2020. Vol. 146. Issue 3. doi: 10.1061/(asce)co.1943-7862.0001785
- Thormählen V. Suitability of oracle applications for standard and activity based costing // Vortragsband zur 11. Jahrestagung der DOAG-Konferenz Fellbach 1998, Proceedings. Hrsg : DOAG, Deutsche ORACLE-Anwendergruppe, Stuttgart, 1998. Pp. 164–182.
- Грицай А.А. Интеллектуальная информационная система прогнозирования потребительского спроса и оптимизации товарных запасов // Программные продукты и системы. 2015. № 4. С. 219–230. EDN VIDCCX.
- Ефименко А.З., Бездомников Р.В. Моделирование запасов и ритмичных поставок строительных материалов // Вестник МГСУ. 2011. № 1–2. С. 263–267. EDN OUVZQD.
- Лажаунинкас Ю.В., Кочегарова О.С. Статистические методы прогнозирования : учебное пособие. Саратов : Амирит, 2017. 64 с.
- Лопаткина А.А., Бжассо А.А. Анализ эффективности управления запасами организации: методические подходы и его значение в деятельности экономического субъекта // Экономика и бизнес: теория и практика. 2023. № 5–2 (99). С. 85–88. doi: 10.24412/2411-0450-2023-5-2-85-88. EDN FZPIYE.
- Мельникова Ю.В. Совершенствование стратегического планирования производства и сбыта подсолнечника на основе прогнозирования рыночной конъюнктуры : дис. ... канд. экономических наук. Саратов, 2017. 216 с. EDN BRBTFT.
- Новикова Н.Г., Щепина С.В. Факторы, влияющие на эффективность управления запасами в контексте управления конкурентоспособностью торговой компании // Известия Байкальского государственного университета. 2023. Т. 33. № 1. С. 74–83. doi: 10.17150/2500-2759.2023.33(1).74-83. EDN RTLXNA.
- Kabanov V.N. Supply volume forecasting of building materials // IOP Conference Series: Materials Science and Engineering. 2019. Vol. 698. Issue 5. P. 055018. doi: 10.1088/1757-899x/698/5/055018
- Khaimovich I.N., Didkovskaya O.V. Forecasting of the cost of building materials in a volatile market // The European Proceedings of Social and Behavioural Sciences. 2022. doi: 10.15405/epsbs.2022.08.29
- Makarov S.I., Sevastyanova S.A., Ralyk D.V. Modeling and forecasting of economic indicators for building materials producers // European Proceedings of Social and Behavioural Sciences. 2020. doi: 10.15405/epsbs.2020.03.154
Дополнительные файлы
