ПРИМЕНЕНИЕ МЕТОДОВ КЛАСТЕРИЗАЦИИ ДЛЯ УПРАВЛЕНИЯ ЗАПАСАМИ ТОВАРНОМАТЕРИАЛЬНЫХ ЦЕННОСТЕЙ (29-37)

DOI:

Дата публикации статьи в журнале: 2020/05/12

Название журнала: Евразийский Союз Ученых — публикация научных статей в ежемесячном научном журнале, Выпуск: 73, Том: 4, Страницы в выпуске: 29-37

Автор: Люнченко Стани
, ,

Анотация: Важнейший этап в процессе управления - постановка целей. Для обоснованности и достижимости целей предприятия проводят процедуру бенчмаркинга, т.е. сравнение своих показателей с другими предприятиями (внешний бенчмаркинг), или сопоставление показателей межу своими подразделениями (внутренний бенчмаркинг). Но возможности бенчмаркинга сильно ограничены в случае целей низкого уровня (например по отдельной категории товарно-материальных ценностей (далее -ТМЦ)). В настоящей статье представлен подход к постановке обоснованных и достижимых целей по эталонной группе объектов, выделяемой с использованием методов кластеризации. Представлен обзор популярных методов кластеризации, проведено сравнение и оценка результатов их работы на практическом примере.

Ключевые слова: Товарные запасы, постановка целей,кластеризация,качество кластеризации,

Данные для цитирования: Люнченко Стани . ПРИМЕНЕНИЕ МЕТОДОВ КЛАСТЕРИЗАЦИИ ДЛЯ УПРАВЛЕНИЯ ЗАПАСАМИ ТОВАРНОМАТЕРИАЛЬНЫХ ЦЕННОСТЕЙ (29-37) // Евразийский Союз Ученых — публикация научных статей в ежемесячном научном журнале. Технические науки. 2020/05/12; 73(4):29-37.

Скачать в формате PDF

Список литературы: [1] Леончик Е. Ю., Савастру О. В. Кластерный анализ //Терминология, методы, задачи. Одесса: ОНУ им. ИИ Мечникова. – 2007. – Т. 6. [2] Воронцов К. В. Лекции по алгоритмам кластеризации и многомерного шкалирования //М.: МГУ. – 2007. [3] Бериков В. С., Лбов Г. С. Современные тенденции в кластерном анализе //Всероссийский конкурсный отбор обзорно-аналитических статей по приоритетному направлению «Информационнотелекоммуникационные системы. – 2008. – С. 1-26. [4] Документация к алгоритмам кластеризации пакета scikit-learn: https://scikitlearn.org/stable/modules/clustering.html. [5] Frey B. J., Dueck D. Clustering by passing messages between data points //science. – 2007. – Т. 315. – №. 5814. – С. 972-976. [6] Ester M., Kriegel H.P., Sander J., XiaoweiXu A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise. Published in Proceedings of 2nd International Conference on Knowledge Discovery and Data Mining (KDD-96). [7] Люнченко С.И. Применение статистических методов для анализа случаев сбоя в работе систем спутникового контроля автотранспорта // Журнал «Внутренний аудитор», выпуск №4 (8), 2019. Издание Ассоциации «Институт внутренних аудиторов». [8] Тханг В. В., Пантюхин Д. В., Галушкин А. И. Гибридный алгоритм кластеризации FastDBSCAN //Труды Московского физикотехнического института. – 2015. – Т. 7. – №. 3 (27). [9] Smiti A., Elouedi Z. Fuzzy density based clustering method: Soft DBSCAN-GM //2016 IEEE 8th International Conference on Intelligent Systems (IS). – IEEE, 2016. – С. 443-448. [10] Hou J., Gao H., Li X. DSets-DBSCAN: a parameter-free clustering algorithm //IEEE Transactions on Image Processing. – 2016. – Т. 25. – №. 7. – С. 3182-3193. [11] Пестунов И. А., Рылов С. А., Бериков В. Б. Иерархические алгоритмы кластеризации для сегментации мультиспектральных изображений //Автометрия. – 2015. – Т. 51. – №. 4. – С. 12-22. [12] Коновалов А. С., Барладян И. И., Токмакова А. Б. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ РАЗЛИЧНЫХ МЕТОДОВ КЛАСТЕРИЗАЦИИ В ЗАДАЧАХ ПРЕДПРОЕКТНОГО ОБСЛЕДОВАНИЯ АВТОМАТИЗИРУЕМЫХ СИСТЕМ УПРАВЛЕНИЯ СНАБЖЕНИЕМ И ЛОГИСТИКИ //Теория активных систем-2009: Международная научно-практическая Мультиконференция" Управление большими системами-2009". – 2009. – С. 255-259. [13] Недосекин А. О., Пачуева О. В., Комаров С. Е. Управление продажами торговой компании на основе трехпортфельной кластерной модели.