Математические модели формирования сбалансированной структуры ассортимента продукции для текстильных предприятий тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Алифанов, Кирилл Андреевич

• Алифанов, Кирилл Андреевич
• кандидат экономических наук
• 2008

Оглавление диссертации кандидат экономических наук Алифанов, Кирилл Андреевич

СОДЕРЖАНИЕ.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ТЕКСТИЛЬНОГО ПРОИЗВОДСТВА И ПОСТАНОВКА ЗАДАЧИ ВЫБОРА СТРУКТУРЫ АССОРТИМЕНТА ВЫПУСКАЕМОГО ПРОДУКЦИИ.

1.1. Проблемы, существующие на текстильных предприятиях при выборе ассортимента продукции.

1.2. поиск сбалансированного ассортимента продукции.

1.3. Структура ассортимента продукции на текстильных предприятиях

ГЛАВА 2. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ВЫБОРА АССОРТИМЕНТА ПРОДУКЦИИ ТЕКСТИЛЬНЫХ ПРЕДПРИЯТИЙ.

2.1. Обзор математических методов выбора ассортимента и структуры продукции.

2.2. Модели прогноза и анализа сбыта текстильной продукции.

2.3. Построение математических моделей прогноза сбыта продукции текстильных предприятий.

2.4. Методика применения машины опорных векторов для расчета параметров ассортимента продукции на текстильных предприятиях.

ГЛАВА 3. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ПОИСКЕ СБАЛАНСИРОВАННОЙ СТРУКТУРЫ АССОРТИМЕНТА ПРОДУКЦИИ ТЕКСТИЛЬНЫХ ПРЕДПРИЯТИЙ.

3.1. Исследования выбора управленческих решений при формировании структуры ассортимента продукции.

3.2. Методики принятия управленческих решений в области состава ассортимента продукции.

3.3. Окончательный выбор сбалансированной структуры ассортимента продукции текстильных предприятий.

Введение диссертации (часть автореферата) на тему «Математические модели формирования сбалансированной структуры ассортимента продукции для текстильных предприятий»

Актуальность исследования.

В настоящее время в России текстильные предприятия из-за отсутствия достаточной государственной поддержки, а также слабой инвестиционной привлекательности и малоэффективного оборудования являются не конкурентно способными не только на внешнем рынке, но и на внутреннем. Лишь I не значительное число отечественных предприятий легкой промышленности имеют достаточные возможности и оборудование для конкуренции на внутреннем рынке. Таким образом, задача выбора ассортимента продукции текстильных предприятий является наиболее актуальной для приведения в соответствие спроса и предложения.

В связи с тем, что к настоящему времени имеется определенный набор оборудования на текстильных предприятиях, который используется для выпуска определенного товарного ассортимента, а также с недостаточным объемом инвестиций в основные фонды предприятий основной задачей предприятий на сегодняшний момент является поиск решений о выборе оптимального товарного ассортимента.

Цель исследования.

Разработка математических моделей, позволяющих осуществлять формирование сбалансированного состава и структуры ассортимента продукции текстильного предприятия с учетом целей бизнеса, внешних условий и факторов риска, а также в динамике важнейших параметров товарного ассортимента, определяемого управленческими решениями.

Задачи исследования.

1. Уточнить понятие термина сбалансированность ассортимента продукции текстильного предприятия.

2. Разработать алгоритм формирования сбалансированной структуры ассортимента продукции текстильного предприятия.

3. Обосновать возможность применения аппарата интеллектуальных нейронных сетей, а именно машины опорных векторов для задач формирования товарного ассортимента на текстильных предприятиях.

4. Разработать математическую модель диагностирования текущего состояния и прогнозирования текстильного продукции на рынке.

5. Разработать математическую модель выбора состава ассортимента продукции.

6. Исследовать влияние ассортимента продукции на динамику потребительского спроса.

7. Разработать математическую модель оптимизации производственной программы методом динамического программирования.

8. Разработать модель оптимизации риска ассортимента продукции.

9. Разработать методику применения математического аппарата для формирования структуры ассортимента продукции и производственной программы.

Объект исследования.

В исследуемой работе в качестве объекта выбраны текстильные предприятия Российской Федерации.

Предмет исследования.

Предметом исследования является формирование состава и структуры ассортимента продукции текстильного предприятия.

Теоретико-методической основой исследования являются современные математические методы: интеллектуальные информационные системы (машина опорных векторов); а таюке, - методы прикладной математики: корреляционно-регрессионный анализ; имитационное моделирование; методы математического программирования - линейное, нелинейное и динамическое программирование.

Информационную базу исследования составляют статистические данные предприятий отрасли, отчеты потребителей и продавцов продукции текстильного производства- материалы текстильных выставок и ярмарок.

Результаты исследования, полученные лично автором.

1. Предложена многопараметрическая схема структуры ассортимента продукции текстильного предприятия.

2. Предложена математическая модель диагностирования ассортимента продукции на основе прогнозирования с использованием моделей машины опорных векторов.

3. Разработана математическая модель выбора сбалансированного состава ассортимента продукции на основе машины опорных векторов.

4. Разработана математическая модель оптимизации плана по обновлению состава ассортимента продукции с использованием нелинейного динамического программирования.

5. Разработана математическая модель оптимизации производственной программы текстильного производства машиной опорных векторов.

Научная новизна исследования основывается на следующих положениях.

1. Предложен комплексный подход к определению сбалансированности ассортимента продукции текстильного производства.

2. Обоснована возможность применения аппарата машины опорных векторов к задаче выбора ассортимента продукции текстильного производства.

3. Разработаны математические модели сбалансированности ассортимента продукции и структуры производственной программы предприятия.

4. Разработана научно-методическая база для принятия комплекса управленческих решений относительно состава ассортимента продукции и его структуры на основе экономико-математического моделирования.

7. Определен подход к оптимизации производственной программы с использованием машины опорных векторов.

8. Определен подход к формализации риска ассортимента продукции и его управлению путем оптимизации структуры производственной программы на основе машины опорных векторов.

Практическая значимость исследования определяется тем, что разработанные математические модели и метод могут быть рекомендованы в качестве основы для принятия управленческих решений по управлению составом и структурой ассортимента продукции на различных уровнях управления текстильными предприятиями; в учебном процессе в экономико-математических дисциплинах.

Результаты исследования внедрены в ЗАО «ТРУД». Апробация результатов исследования. Основные положения диссертации докладывались и получили одобрение на научно-практической конференций студентов и аспирантов «Современные проблемы экономики, социологии и права. ИНЖЭКОН-2008», а так же на семинаре кафедры информационных систем в экономике и управлении СПбГИЭУ. Публикации. По теме диссертации опубликовано Статья, опубликованная в рекомендованных ВАК изданиях

1. Алифанов К.А. Система управления знаниями для реинжиниринга бизнес-процессов предприятий легкой промышленности // Вестник ИНЖЭКО-На. Сер. Экономика. 2006. Вып. 4(13). С.225-226 - 0,25 п.л.

Статьи, опубликованные в прочих научных изданиях

2. Алифанов К.А. Информационный ресурс на предприятиях легкой промышленности // Современные проблемы экономики, социологии и права. Сб. научн. статей / СПб.:СПбГИЭУ, 2008. - 0,28 п.л.

3. Алифанов К.А. Исследования выбора управленческих решений при формировании структуры ассортимента продукции на предприятиях текстильной промышленности // Современные аспекты экономики. СПб 2008. Вып. 8(133) - 0,5 п.л.

4. Алифанов К.А., Корень В.В. Структура ассортимента продукции в текстильной отрасли. // Современные аспекты экономики. 2008. Вып. 8(133) -0,5 п.л.

5. Алифанов К.А. Организация виртуальных предприятий // Менеджмент и экономика в творчестве молодых исследователей. Тезисы докладов / СПб.:СП6ГИЭУ, 2003. - 0,33 п.л.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Алифанов, Кирилл Андреевич

2.3.8. Выводы

Машины опорных векторов являются элегантным и устоявшимся методом обучения при создании сетей прямого распространения с единственным скрытым слоем нелинейных элементов. Этот метод соответствует принципу минимизации структурного риска, берущему свое начало в теории УС - размерности. Как следует из названия, основная идея создания этой машины состоит в выборе подмножества обучающих данных в качестве опорных векторов. Это подмножество представляет устойчивые свойства всей обучающей выборки. Частными случаями машины опорных векторов являются полиномиальная обучаемая машина, сеть на основе радиальных базисных функций и двухслойный персептрон. Таким образом, не смотря на то, что эти методы реализуют совершенно различные представления встроенных статических закономерностей, содержащихся в данных обучения, все они происходят от общих корней машины опорных векторов.

В отличие от популярного алгоритма обратного распространения, алгоритм обучения с помощью опорных векторов работает только в пакетном режиме. Существует еще одно важное различие между этими двумя алгоритмами. Алгоритм обратного распространения минимизирует квадратичную функцию потерь независимо оттого, какова задача обучения. В отличие от него алгоритм нахождения опорных векторов, применяемый для решения задачи распознавания, совершенно отличается оттого, который используется в задаче нелинейной регрессии. о В задачи распознавания алгоритм обучения на основе опорных векторов минимизирует количество обучающих примеров, которые попадают на границу разделения между положительными и отрицательными примерами. Это утверждение является истинным только асимптотически, поскольку вместо функции индикатора -1) используются фиктивные переменные . Хотя этот критерий в точности и не соответствует минимизации вероятности ошибки классификации. Он считается более предпочтительным, чем критерий минимизации среднеквадратической ошибки, на котором основан алгоритм обратного распространения. о При выполнении задачи нелинейной регрессии алгоритм обучения на основе опорных векторов минимизирует е - нечувствительных функцию потерь, которые являются расширением критерия средней абсолютной ошибки из минимаксной теории. В связи с этим алгоритм является более ро-бастным.

Какой бы ни была задача обучения, машины опорных векторов реализуют метод управления сложностью модели, независящий от ее размерности. В частности, в пространстве высокой размерности задачи сложности модели решается за счет использования «штрафной» гиперплоскости, определенной в пространстве признаков и применяемой в качестве поверхности решения. Результатом становится хорошее качество обобщения. Концентрация внимания на двойственной задаче для решения задачи условной оптимизации приводит к устранению «проклятия размерности». Важной причиной использования двойственной задачи является устранение необходимости определения и вычисления параметров оптимальной гиперплоскости в пространстве данных более высокой размерности.

Обычно обучение машины опорных векторов сводится к задаче квадратичного программирования, что привлекательно по двум причинам.

1. Процесс обучения гарантировано сходится к глобальному минимуму на поверхности ошибки (ошибкой является разность между желаемым откликом и фактическим выходом машины опорных векторов).

2. Вычисления могут быть реализованы достаточно эффективно.

Более того, при использовании подходящего ядра скалярного произведения машина опорных векторов автоматически вычисляет необходимые параметры сети, относящиеся к выбору ядра. Например, в случае сети на основе радиальных базисных функций ядро представляет собой гауссову функцию. Для такого метода реализации количество радиальных базисных функций, их центры, а также линейные веса и значения порогов вычисляются автоматически. В качестве центров радиальных базисных центров выступают опорные векторы, отбираемые согласно стратегии квадратичной оптимизации. Опорные векторы поддержки обычно составляют некоторые подмножества обучающей выборки. Таким образом, создание моделей на основе машины опорных векторов можно рассматривать как частный случай стратегии строгой интерполяции.

Для решения задачи квадратичного программирования можно использовать некоторые коммерческие библиотеки, предназначенные для решения задач оптимизации. Однако эти библиотеки имеют ограниченное использование. Память, необходимая для решения задачи квадратичного программирования, растет пропорционально квадрату числа примеров обучения. Следовательно, в реальных задачах, включающих обработку нескольких тысяч точек данных, задачу квадратичного программирования нельзя решить с помощью простого использования коммерческой библиотеки. Алгоритм декомпозиции учитывает преимущество коэффициентов опорных векторов, которые активны по обе стороны границы классификации, определяемые при а(=0 и а{ = С. Данные алгоритма декомпозиции показал удовлетворительные результаты в приложения, содержащие до ста тысяч точек данных.

В терминах времени работы машины опорных векторов оказались более медленными по сравнению с другими типами сетей (в том числе по сравнению с многослойными персептронами, обучаемыми по алгоритму обратного распространения). Для такой медлительности имеются две причины:

1. Машины опорных векторов не обеспечивает управление количеством точек данных, выбираемых алгоритмом обучения в качестве опорных векторов.

2. При создании обучаемой машины не учитываются априорные знания о предметной области.

Рассмотрены модификации машин опорных векторов призванные обойти эти недостатки. Сама машина опорных векторов использовалась как аппарат нелинейной регрессии для аппроксимации поверхности решений (разделяющей классы) при точности, задаваемой пользователем.

1. Процедура обучения машины опорных векторов переформировалась для получения той же точной поверхности решений при меньшем количестве базисных функций.

При первом подходе решение упрощается за счет его аппроксимации линейной комбинацией подмножество базисных функций. Полученная машина является естественным расширением машины опорных векторов, создаваемый для аппроксимации функций. Это расширение строится для поиска минимума функционала стоимости следующего вида:

1=1 где F(•) - аппроксимирующая функция; у/{-) - некоторый гладкий функционал; - е- нечувствительная функция стоимости, определяемая как

О, если Ы < е \х\ — е в остальных случаях

Такая б - нечувствительная функция стоимости обеспечивает робаст-ность решения по отношению к исключениям и нечувствительность к ошибкам, не превышающим некоторого порога а. Минимум этой функции стоимости имеет вид

N 1=1 где £(•) - ядро, зависящее от конкретного выбора гладкой функции !//(•) и коэффициентов сг-, вычисляемых при решении задачи квадратичного программирования. Решение обычно является разреженным. Это значит, что только небольшое число коэффициентов с1, будет отличаться от нуля, а их количество зависит параметра е. При втором подходе прямая задача переформулируется так, что она имеет ту же начальную структуру, что и исходная, но с одним отличием: в формулировку включается ядро скалярного произведения Оба подхода призваны уменьшить сложность машины опорных векторов в задачах нелинейной регрессии.

В заключении, возвращаясь к вопросу априорных знаний, заметим, что производительность обучаемой машины может быть существенно увеличена включением этих знаний в архитектуру машины. В литературе рассматриваются два способа использования априорных знаний.

1. В качестве дополнительного слагаемого в функции стоимости. Тогда обучаемая машина будет строить функцию с учетом априорных знаний. Именно это происходит при использовании регуляризации.

2. В качестве виртуальных примеров генерируемых на основе обучающего множества. Тогда обучаемая машина сможет легко избегать априорные знания из искусственно расширенного множества примеров.

При втором подходе процесс обучения может сильно замедлиться в связи с корреляцией искусственных данных и увеличением размера обучающего множества. Однако преимущества второго подхода состоит в том, что его легче реализовать для всех типов априорных знаний и обучаемых машин.

Этот метод позволяет повысить точность классификаций за счет увеличения времени обучения, поскольку он требует двух циклов обучения. Однако, в этом случае правило классификации строятся на основе большего количества опорных векторов.

2.4. Методика применения машины опорных векторов для расчета параметров ассортимента продукции на текстильных предприятиях.

Рассмотрим методику расчета параметров модели на примере артикула С-10 «Гобелен облегченный».

Обозначим основные факторы, влияющие на характер кривой ЖЦТ.

1. Поведение потребителей, выраженное в моделях, как параметры уравнения р, д, б. Они определяют динамику реализации продукции предприятия по этапам ЖЦТ в зависимости от накопленного объема потребления рынком продукции данного вида.

2. Планирование производственной программы предприятия. Вполне возможным видится вариант, когда в отдельные годы предприятие не сможет обеспечить объем производства всех видов продукции, входящих в товарный портфель производства на максимальном уровне по причине нехватки мощностей. Это может привести к замещению продукции предприятия конкурентами.

3. Уровень конкурентоспособности продукции, который определяет возможность замещения на рынке продукции одной фирмы продукцией другой. При низком значении конкурентоспособности, а также в результате неэффективности маркетинговой, сбытовой и производственной политики предприятия часть его рыночной доли может отойти к конкуренту, и наоборот - при высоком значении — возможен захват предприятием части сегмента конкурентов.

4. Общие экономические условия, такие как уровень доходов потребителей, уровень инфляции, конъюнктура отраслей промышленности.

5. Рекламная политика предприятия.

Две этих группы факторов в данной работе подробно не рассмотрены. Их изучению в дальнейшем может быть посвящено отдельное исследование.

6. Товарная политика предприятия, а именно существующая практика разработки новых дизайнов для выпускаемых артикулов. Как будет показано далее, темпы обновления дизайнов в рамках видов продукции непосредственным образом влияют на величину конечного суммарного потребления ткани, продолжительность ЖЦТ, а также на первоначальный уровень потребления продукта (величину коэффициента инновации).

Под среднегодовыми темпами обновления дизайна артикула мы будем понимать количество рисунков, разрабатываемое для данного артикула в год. Определяется данный показатель по формуле: Н to=Y> <76) где 1:0 - среднегодовые темпы обновления дизайна артикула; Н - количество рисунков, разработанных для данного артикула и внедренных в производство за период ЖЦТ; Т - количество лет продолжительности ЖЦТ.

Показатель характеризует интенсивность обновления дизайна рассматриваемого артикула ткани. Очевидно, что с увеличением значения показателя растет разнообразие дизайнов в рамках вида продукции, повышается его степень соответствия моде, и, как следствие, он в большей мере удовлетворяет запросам потребителей. Отсюда продолжительность ЖЦТ и сумма конечного объема потребления данной ткани должны быть тем больше, чем выше темпы обновления дизайна артикула. Данная гипотеза имеет подтверждение, основанное на эмпирических данных.

Нами были статистически обработаны протоколы заседаний художественно - технических советов ЗАО «ТРУД», а также данные «Летописи творческих исканий художественного отдела ЗАО «ТРУД»» за 2000 - 2004 годы. На основании данных документов было определено количество новых дизайнов, разработанных для видов продукции, входящих и входивших в портфель ЗАО «ТРУД» по годам ЖЦТ. Далее определялись среднегодовые темпы обновления дизайна артикулов.

На основе эмпирических данных между показателями конечного суммарного потребления продукции за его ЖЦТ (т) и среднегодовыми темпами обновления дизайнов установлена зависимость экспоненциального характера: т = 280,485 е °'20054 (77)

Индекс корреляции К = 0,9695, уровень его значимости 0,01.

Значимость критерия Фишера - 0,05.

На рис. 4 построен график данной зависимости (ряд 2), а также нанесены пары значений признаков, соответствующих реальным, по которым производилась аппроксимация параметров уравнения (77) - ряд 1.

18000

16000 с 14000

5> 2 12000 О ю у о £ 10000 в 8000 6000 4000 2000

0 в 8епеБ1 ■ 8епеБ2 ит11---,-,- О

10 15 20 25

Среднегодовые темпы обновления, рис/год

Рис. 4. Зависимость между темпами обновления и конечным суммарным потреблением

Экспоненциальный характер роста факторного признака при увеличении результативного легко объясним следующим образом: в результате увеличения среднегодовых темпов обновления дизайна артикула, по-видимому, увеличивается продолжительность его ЖЦТ. Однако, разнообразие дизайна в рамках вида продукции, которое расширяется с увеличением 1:0, также, очевидно, способствует росту годовых объемов продаж, так как данный вид продукции начинает в большей мере удовлетворять запросам более широкой аудитории потребителей. Таким образом, взаимодействие двух факторов приводит к нелинейному характеру зависимости.

Также была установлена взаимосвязь между количеством рисунков, разработанных в первый и предшествующие ему годы производства продукции, и величиной уровня первоначального потребления, т.е. коэффициентом инновации р. Данная зависимость устанавливалась также на примере видов продукции, входивших в товарный портфель ЗАО «ТРУД» за период 2000 -2004 г.г.

Уравнение зависимости имеет следующий вид: р = 0,00658 Н! + 0,05337, (78) где Н1 - количество рисунков в рамках нового артикула, разработанное за первый и предыдущие годы его производства.

Анализ типовой (эталонной) кривой ЖЦТ, построенной с использованием средних групповых значений параметров, может дать некоторую ценную информацию. В частности, на основе эталонной кривой можно определить ожидаемую продолжительности ЖЦТ новых продукции, выводимых на рынок в рамках товарной группы, а следовательно, определить сроки выведения на рынок новых артикулов и необходимые темпы обновления ассортимента в разрезе видов продукции. п, тыс. м ббОО

1997 1998 1999 2000 2001 2002

Годы п эталонной кривой п' реальной кривой п' сглаженной кривой

Рис. 5. Эталонная, реальная и сглаженная кривые

ЖЦТ ткани С-46

ЗАКЛЮЧЕНИЕ.

В результате проведенных исследований можно сделать следующее заключение,

1. Исследованы проблемы выбора сбалансированной структуры ассортимента продукции в текстильной отрасли, существующие методы и модели, разработаны концептуальные математические модели формирования ассортимента;

2. Разработана математическая модель выбора ассортимента продукции, как целевая функции оптимизации на основе использования метода машины опорных векторов;

3. Разработаны концептуальные подходы к решению оптимизационных задач в области сбалансированности ассортимента продукции текстильных предприятий, позволяющие использовать машину опорных векторов для принятия решений, в том числе на текстильных предприятиях;

4. Разработана динамическая модель, выбора ассортимента продукции с учетом дизайна с рынка сбыта;

5. Разработаны модели ассортимента, выявлены наиболее значимые, с точки зрения повышения эффективности, процессы принятия решений на текстильных предприятиях;

6. Разработана методика для расчета структуры ассортимента продукции на нейронных сетях, позволяющая определить сбалансированный ассортимент продукции, в зависимости от характера спроса, потребления, условий хранения ресурсов.

Эффективность применения предлагаемых моделей и методик оценена на основании статистических материалов конкретных текстильных предприятий. Эти методики позволяют повысить эффективность прогнозирования выпускаемой продукции текстильных предприятий. Это позволяет предприятиям значительно эффективнее конкурировать на рынке сбыта продукции. Кроме того, в процессе управления такие методики позволяют быстрее реагировать на изменения в планах потребления и планах поставок, что также позволяет обеспечить более надежное снабжение запасами. Это в свою очередь позволит снизить потребность в оборотных средствах.

Предлагаемые модели и методики разрабатывались для предприятий с учетом их особенностей: широкая номенклатура, различные стратегии управления.

Все результаты проверены и внедрены в ЗАО «ТРУД» при выборе ассортимента продукции о чем имеется акт о внедрении результатов диссертационной работы.

Список литературы диссертационного исследования кандидат экономических наук Алифанов, Кирилл Андреевич, 2008 год

1. Абалкин Л.И. и др. Проблемы сбалансированности экономики/ Л.И. Абалкин, Э. Батизи, Ф. Бэран. и др./Под редакцией Н.И. Микульского. - М.: Экономика, 1984. - 294 с.

2. Аблонин С. Выводы для предприятия из теории ЖЦТ// Маркетинг. 1998, №3.

3. Академия рынка: маркетинг. Пер. с фр. А. Дийап, Ф. Букерсель и др. М.: Экономика, 1995. - 535 с.

4. Алехин Б.И., Антонов М.В. и др. Инвестиционно-финансовый портфель: книга финансового менеджера. М.: Соминтэк, 1993.

5. Андрианов В.Д. Конкурентоспособность России в мировой экономике// Маркетинг. 1999. - № 2. - с.с. 56 - 64.

6. Барахов В.И., Самочкин В.Н. Исследование жизненного цикла продукции// Маркетинг в России и за рубежом. 2002. № 3.

7. Баутов А.Н. Оптимальное управление продажами с использованием статистических моделей// Маркетинг в России и за рубежом. 2001, № 6.

8. Бездудный Ф.Ф., Павлов А.П. Математические методы и модели в планировании текстильной и легкой промышленности: Учебник для вузов — М.: Легкая индустрия, 1979. 440 с.

9. Белкин В.Д., Казакевич Г.Д., Богачев В.Н. и др. Сбалансированность и эффективность. М.: Наука, 1988. - 296 с.

10. Беллман Р. Динамическое программирование. М.: Изд-во иностр. литры, 1960.-400 с.

11. Беллман Р., Дрейфус. С. Прикладные задачи динамического программирования. М.: Наука, 1965. - 458 с.

12. Беллман Р., Калаба Р. Динамическое программирование и современная теория управления. М.: Наука, 1969. - 118 с.

13. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. — М.: Мир, 1979, вып. 1,2.- 406 с.

14. Боровиков H.A., Ивченко Г.И. Прогнозирование в системе Statistica в среде Windows. M.: Финансы и статистика, 2000 г. - 382 с.

15. Брыскин В.В. Математические модели маркетинга. — Новосибирск.: Наука, 1992.

16. Вентцель Е.С. Теория вероятностей. М.: Государственное издательство физико-математической литературы, 1958. - 464 е., ил.

17. Гапошина JI.T. Товар в маркетинге: Лекция// Издательно-книготорговый центр «Маркетинг». М.: МУПК, 2001. - 34 с.

18. Гарнаев А.Ю. Microsoft Excel 2000: разработка приложений. СПб.: БХВ- Санкт-Петербург, 2000. 576 е.: ил.

19. Гитман JI. Дж., Джон М.Д. Основы инвестирования: Перевод с английского. М.: Дело, 1997. - 860 с.

20. Голубков Е.П. Основы маркетинга. М.: Юрист, 1997. - 352 с.

21. Голубков Е.П. Основы маркетинга: учебник. М.: Финпресс, 1999.

22. Горемыкин В.А, Нестерова Н.В. Энциклопедия бизнес-планов: Методика разработки. 75 реальных образцов бизнес-планов. М.: «Ось-89», 2003. — 1104 с.

23. Гунин В.Н. и др. Управление инновациями: 17-модульная программа для менеджеров «Управление развитием организации». Модуль 7. М.: ИНФРА-М, 2000. - 272 с.

24. Данко Е.П., Попов А.Г., Кожевникова Т.Я. Высшая математика в упражнениях и задачах: Учеб. Пособие для студентов втузов. В 2-х частях. Часть II- 4-ое изд., испр. и доп. — М.: Высшая Школа., 1986. — 415 с.

25. Егоричева Е.В. Художественное проектирование костюма с учетом автоматизированного подхода к прогнозу развития моды, основанного на модели ARIMA Бокса Дженкинса. Диссертация на соискание ученой степени кандидата технических наук. - М.: 2003. - 216 с.

26. Завьялов П.С., Демидов В.Е. Формула успеха: маркетинг. М.: Международные отношения, 1991, - 253 с.

27. Ивахник Д.Е., Григорьева В.З. Оптимизация производственной программы предприятия в условиях рыночных отношений// Маркетинг в России и за рубежом. 1999, № 1.

28. Иващенко Н.С. Разработка метода комплексной оценки уровня развития текстильного производства. Диссертация на соискание ученой степени кандидата экономических наук. М.: 1987. — 261 с.

29. Иващенко Н.С., Силаков A.B. Стратегическое управление бизнес-портфелем текстильного предприятия на основе системы оптимизационных расчетов// Вестник ДИТУД 2002, № 2 (12). - с.с. 73-78.

30. Ингман Н.И. Методические указания к выполнению расчетного задания на тему «Финансовый анализ». Для студентов очного обучения специальности 06.08.00.-М.: МГТУ, 2001 г., 19 с.

31. Канторович JI.B., Макаров B.JI. Оптимальные модели перспективного планирования: Применение математики в экономических исследованиях. -М.: Мысль, 1965.

32. Карасев А.И., Аксютина З.М., Савельева Т.И. Курс высшей математики для экономических вузов. Ч. I. Основы высшей математики: Учеб. Пособие для студентов вузов. М.: Высшая школа, 1982. - 272 е., ил.

33. Клавдиева Е.В. Разработка товарной стратегии текстильного предприятия и выбор оптимального варианта обновления продукции. Диссертация на соискание ученой степени кандидата экономических наук. — М.: 2003 — 159 с.

34. Козлова Т.В. Основы теории проектирования костюма. — М.: 1998.

35. Козлова Т.В. Художественное проектирование костюма. — М.: 1982.

36. Комментарии к ИНКОТЕРМС-2000: Правила по толкованию торговых терминов. Ташкент: Изд-во Международной торговой палаты. - 30 с.

37. Кондратьев Н.Д. Избранные сочинения. М.: Экономика, 1993. - 543 е.: ил.

38. Кондратьев Н.Д. Основные проблемы экономической динамики и статистики. Предварительный эскиз. М.: Наука, 1991. - 570 с.

39. Королев И.В. Методы формирования продуктово-рыночного портфеля предприятия в рамках стратегического планирования. Автореф. Диссертации на соискание ученой степени кандидата экономических наук. С-Пб.: 1995.- 17 с.

40. Котлер Ф. Маркетинг, менеджмент. Девятое международное издание. — М.: Дело, 1999.-896 с.

41. Кричевский И.Е., Иванова О.И., Луначарская A.A. Методы и модели долгосрочного прогнозирования потребности и производства химических волокон. В сборнике: Оптимизация планирования полимерно-нефтехимического комплекса. М.: ЦЭМИ АН СССР, 1984 - с. 36 - 54.

42. Крутик А.Б., Хайкин М.М. Основы финансовой деятельности предприятия: Учеб. Пособие. 2-е изд., перераб. и доп. - СПб.: Бизнес-пресса, 1999. -448 с.

43. Маркетиг: Толковый терминологический словарь-справочник. М.: Ин-фоконт, СП «Медсервис Интернешнл», 1991. - 224 с.

44. Маркетинг менеджмент. 11-е изд.// Ф. Котлер. СПб.: Питер, 2003. - 800 е.: ил. — (Серия «Теория и практика менеджмента»).

45. Маркетинг: Учебник под редакцией А.Н. Романова. М.: Прогресс, 1992,- 423 с.

46. Матрица маркетинговых стратегий Крэйвенса// Энергия 1999, № 7. - с. 42-43.

47. Мескон М., Альберт М., Хедоури Ф. Основы менеджмента. М.: Дело, 1999,- 800 с.

48. Моисеев H.H. Элементы теории оптимальных систем. — М.: Наука, 1975. — 526 с.

49. Нейроинформатика и ее приложения //Материалы 3 Всероссийского семинара, 6-8 октября 1995г. Ч. 1 /Под редакцией А.Н.Горбаня. Красноярск: изд. КГТУ, 1995.-229 с.

50. Нейронные сети. STSTISTICA Neural Networks: Пер. с англ. М.: Горячая линия — Телеком. 2001. — 182 с.

51. Никайдо X. Выпуклые структуры и математическая экономика М.: Мир. 1972.- 127с.

52. Новиков A.B., и др. Метод поиска экстремума функционала оптимизации для нейронной сети с полными последовательными связями //Труды VIII Всероссийской конференции «Нейрокомпьютеры и их применение» Сб.докл., 2002г. С. 1000 -1006.

53. Общая теория статистики: статистическая методология в изучении коммерческой деятельности: Учебник/ А. И. Харламов, О. Э. Башина, В.Т. Бабурин и др./ Под. Ред. А. А. Спирина, О. Э. Башиной. 4-е изд. — М.: Финансы и статистика, 1998. - 296 е.: ил.

54. Орехова Е.А. Воспроизводственная динамика переходной экономики: Автореферат дисс. на соискан. уч. степ, к.э.н. Саратов, 1999. — 17 с.

55. Основы предпринимательской деятельности: Экономическая теория. Маркетинг. Финансовый менеджмент// Под. Ред. В.М. Власовой. М.: Финансы и статистика, 1994. - 496 с.

56. Перерва П.Г. Практический маркетинг: Справочник менеджера промышленного предприятия. Вып. 5: Исследования рынка потребительских продукции.-М.: 1991.-72 е.: ил.

57. Перерва П.Г., Гончарова Н.П. и др. Новые технологические системы, качество, потребность, эффективность. Киев: «Наукова думка», 1989 - 175 с.

58. Петухова И.В., Петухова Н.В. Прогнозирование емкости рынка отдельных групп продукции и услуг// Маркетинг в России и за рубежом. 2000, № 5. -с.с. 62 - 74.

59. Петухова И.В., Петухова H.B. Современное состояние и направления совершенствования рыночной доли продукции// Маркетинг в России и за рубежом. 2001, №5. - с.с. 13-25.

60. Пигунова О.В. Ассортиментная концепция предприятия торговли// Маркетинг. 2003 , № 1. - с.с. 68 - 74.

61. Пищик В. Евро и макроэкономическая сбалансированность в ЕС// Миро-ваня экономика и международные отношения. 2003, № 5. - с.с. 26 -35.

62. Полтерович В.М., Хенкин Г.М. Диффузия технологий и экономический рост// Препринт М.: ЦЭМИ АН СССР, 1988 37 с.

63. Поляк Т.Б. и др. Организация, планирование и управление ткацким производством: Учебник для ВУЗов// Т.Б. Поляк, А.Е. Стерлин, A.A. Летуновская. М.: Легпромбытиздат, 1986. - 264 с.

64. Проценко О.Д., Цакаев А.Х. Риск-менеджмент на российских предприятиях// Менеджмент в России и за рубежом. 2002. №6.

65. Пяткявичуте H.A. Разработка методов оценки и стимулирования обновленной высококачественной текстильной продукции (на примере текстильной промышленности Лит. ССР). Диссертация на соискание ученой степени кандидата экономических наук. М.: 1983.

66. Силаков A.B. Иващенко Н.С. Выбор структуры товарного портфеля предприятия на основе анализа сбалансированности// Маркетинг в России и за рубежом. 2004, №6. - с.с. 71 - 87.

67. Силаков A.B. Оптимизация плана по обновлению ассортимента продукции предприятия при формировании сбалансированной структуры товарного портфеля// Сборник научных трудов аспирантов. Выпуск 7. — М.: МГТУ им. А.Н. Косыгина, 2003. с.с. 116 - 121.

68. Силаков A.B., Иващенко Н.С. Метод определения риска товарного портфеля текстильного предприятия// Тезисы докладов международной межвузовской научно-технической конференции: ЧАСТЬ 2. М.: РОСЗИЛТП, 2004. - с. 58

69. Силаков A.B., Иващенко Н.С. Методика прогнозирования жизненных циклов текстильных продукции// Известия ВУЗов: Технология текстильной промышленности. 2004, № 2 (277) - с.с. 3-5.

70. Скрипкин A.B. Система оптимизации ассортимента в условиях инвестиций на предприятиях малого и среднего бизнеса. Диссертация на соискание ученой степени кандидата экономических наук. С-Пб., 1999.

71. Современный экономический словарь. М.: ИНФРА-М, 2001. - 550 с.

72. Теория статистики: учебник// Под ред. проф. P.A. Шмойловой. 3-е изд., перераб. -М.: Финансы и статистика, 1999. - 560. - е.: ил.

73. Тихобаев В.М. Сбалансированность развития экономики в условиях рынка. Диссертация на соискание ученой степени доктора экономических наук. — М.: 1998.-275 е.: прил.

74. Тодосийчук A.B. Основы управления научно технической деятельности в организации// Учебное пособие МГТА. - М, 1997.

75. Томпсон A.A., Стрикленд А. Дж. Стратегический менеджмент. Искусство разработки и реализации стратегии: Учебник для ВУЗов// Пер. с англ. под ред Л.Г. Зайцева, М.И. Соколовой. М.: Банки и биржи, ЮНИТИ, 1998. -507 с.

76. Фатхутдинов P.A. Инновационный менеджмент. М.: «Интел-Синтез», 2000. - 480 с.

77. Фатхутдинов P.A. Стратегический маркетинг. Учебное пособие. М.: Бизнес - школа «Интел - синтез», 2000 г.

78. Филатова H.A. Построение гармонической матрицы моды различных периодов XX века. Диссертация на соискание ученой степени кандидата технических наук. М.: 2003. - 302 е., прил.

79. Филимоненко И.В. Разработка механизма принятия управленческих решений при формировании товарно-ассортиментной политики предприятия. Диссертация на соискание ученой степени кандидата экономических наук. -Красноярск, 1997.

80. Фишер С., Дорнбуш Р., Шмалензи Р. Экономика// Пер. с англ. со 2-го изд. М.: «Дело ЛТД», 1993. - 864 с.

81. Черноусько Ф.Л., Баничук Н.В. Вариационные задачи механики и управления: Численные методы. М.: Наука, 1973. - 238 с.

82. Черноусько Ф.Л., Меликян А.А. Игровые задачи управления и поиска. -М.: Наука, 1978.-270 с.

83. Чуровский С.Р. Применение финансовых критериев при оценке положения продукта на кривой жизненного цикла// Маркетинг в России и за рубежом.-2001, №3.

84. Чуровский С.Р., Сафонов Г.В. Продуктовый портфель мясоперерабатывающего предприятия: особенности принятия решений// Маркетинг в России и за рубежом. 2002, №4.

85. Шаповалов Г.М. Товарный маркетинг. М.: Изд-во МГУ, 2000. - 81 с.

86. Шарп У., Александер Г., Бэйли Дж. Инвестиции: Перевод с английского -М.: Инфра-М, 1998. 1028 с.

87. Шумпетер Й.А. История экономического анализа/ Пер. с англ. В.С. Авто-номова и др. Т. 1. 2001. - 494 с.

88. Шумпетер Й.А. История экономического анализа/ Пер. с англ. В.С. Авто-номова и др. Т.2. 2001. - с.с. 497 - 988.

89. Шумпетер Й.А. История экономического анализа/ Пер. с англ. В.С. Авто-номова и др. Т.З. 2001. - с.с. 992 - 1663.

90. Щепина И.Н. Моделирование многокомпонентного замещения продуктов и технологий. Дисс. на соискан. уч. степ, к.э.н. М.: 1991 - 167 с.

91. Экономика предприятия: учебник под ред. проф. О.И. Волкова. М.: Инфра-М, 1998.-416 с.

92. Яновский А. Маркетинг производственно-сбытовой деятельности залог коммерческого успеха// Маркетинг. - 1997, N 3.

93. Cronin Jr. J.J., Taylor S.A. Measuring service quality: a reexamination and extensión// The Journal of Marketing, 1992, Yol. 50, No 3. p.p. 55 - 68.

94. Givon M., Mahaian V. Software piracy. Estimations of lost sales and the impact on software diffusions// The Journal of Marketing, 1995, Vol. 59, No 1. p.p. 29 -37.

95. Hahn M., Park S., Krishnamurthi L. and Zoltners A. A. Analysis of new product diffusion using a four segment trial - repeat model// Marketing Science. -1994. Vol.13, №3.-p.p. 224-247.

96. Mahajan V., Muller E. & Bass F. M. New product diffusion models in marketing: a review and directions for research// The Journal of Marketing. 1990. - Vol. 54, № l.-p.p. 1-26.it

97. McCarthy E. Basic Marketing: A managerial Approach// 12 edition. Home-wood II.: Irwin, 1996.

98. Mentzer J.T., Flint D.J., Hult G.T.M. Logistics service quality as a segment -customized process// The Journal of Marketing, 2001, Vol. 65, No 4 p.p. 82-104.

99. Shih Ch.-F., Venkatesh N. Beyond Adoption: Development and Application of a Use Diffusion Model// The Journal of Marketing, 2004, Vol. 68, No 1 p.p. 5972.