Визначення логістичних ризиків у сезонних прогнозах обсягів реалізації підприємств машинобудування

Анотація

Стаття присвячена питанню оцінки логістичних ризиків машинобудівних підприємств. За аналізом обсягів реалізації продукції всіх підгалузей та груп підприємств машинобудівної галузі отримано сезонні індекси та прогнози реалізації продукції на наступні роки. Запропоновано поняття логістичного ризику прогнозування попиту та розроблено методику оцінки логістичного ризику прогнозування попиту за двома оцінками: точністю трендової моделі для отримання прогнозу та точністю прогнозу з врахуванням сезонності. Для всіх підгалузей машинобудівної галузі та для груп підприємств в підгалузях оцінено логістичні ризики прогнозування попиту.

Ключові слова: сезонність, прогнозування, логістичні ризики, машинобудування, попит на продукцію

DOI: 10.15276/mdt.3.2.2019.7

1. Білик М. С., Боляновська Д. С., Здрок О. В., Мамчин Р. О. Дослідження особливостей ринків збуту меблевої продукції в Україні. Вісник Національного університету "Львівська політехніка". 2003. № 484 : Проблеми економіки та управління. С. 28–34.


2. Зайчук Т. О. Теоретичні аспекти визначення ринкового потенціалу і таргетингу вітчизняними підприємствами. Маркетинг і менеджмент інновацій. 2012. № 1. С. 96-104.


3. Окрепкий Р. Б., Бутов А. М. Тактичне прогнозування попиту як інструмент подолання диспропорцій у виробництві та споживанні продукції підприємства. Економічний аналіз. 2014. Т. 18(2). С. 188-194.


4. Андрейшина Н. Б. Концептуальний підхід щодо прогнозування попиту. Бізнес Інформ. 2013. № 6. С. 120-124.


5. Пархоменко О. П. / Прогнозування обсягу збуту як елемент планування розвитку підприємства. Вчені записки університету "КРОК". Серія : Економіка. 2013. Вип. 33. С. 258-262.


6. Окландер М. А., Педько І. А. Прогнозування збуту інноваційної або імпортозамінної продукції підприємствами-виробниками бетону. Економічний вісник Національного технічного університету України "Київський політехнічний інститут". 2016. № 13. С. 385-390.


7. Ellen Mik. New Product Demand Forecasting. 2019. Vrije Universiteit Amsterdam. URL: https://beta.vu.nl/nl/Images/werkstuk-mik_tcm235-905863.pdf (дата звернення 18.02.2019).


8. Triangulation of Data Sources and Research Methods (2018), National Academies of Sciences, Engineering, and Medicine. Changing Sociocultural Dynamics and Implications for National Security: Proceedings of a Workshop. Washington, DC: The National Academies Press. Chapter 3.


9. Hakyeon Lee, Sang Gook Kim, Hyun-woo Park and Pilsung Kang (2013), Pre-launch new product demand forecasting using the Bass model: A statistical and machine learning-based approach. Technological Forecasting and Social Change, Volume 86, July 2014, Pages 49-64.


10. Zuhaimy Ismail and Noratikah Abu (2013), New product Demand Forecast based on Bass Diffusion Model. Journal of Mathematics and Statistics, 9 (2): 84-90, 2013.


11. Michael Lawrence, Paul Goodwin, Marcus O’Connor, Dilek Önkal (2016), Judgmental forecasting: A review of progress over the last 25 years. International Journal of Forecasting 22. (2016) 493-518.


12. Офіційний сайт Державної служби статистики України. URL: http://www.ukrstat.gov.ua/ (дата звернення 8.03.2019).