Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/48667
Назва: | Інформаційна система прогнозування продажів на основі ШІ |
Інші назви: | Information System For Sales Forecasting Based On Ai |
Автори: | Саган, Олександр Анатолійович Sahan, Oleksandr Anatoliyovych |
Приналежність: | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна |
Бібліографічний опис: | Саган О. А. Інформаційна система прогнозування продажів на основі штучного інтелекту : робота на здобуття кваліфікаційного ступеня магістра : спец. 122 – комп’ютерні науки / наук. кер. І. О. Боднарчук. – Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2025. – 65 с. |
Бібліографічне посилання: | Саган О. А. Інформаційна система прогнозування продажів на основі штучного інтелекту : робота на здобуття кваліфікаційного ступеня магістра, спец. 122 – комп’ютерні науки / О. А. Саган ; наук. кер. І. О. Боднарчук. – Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2025. – 65 с. |
Дата публікації: | 29-тра-2025 |
Дата подання: | 15-тра-2025 |
Дата внесення: | 31-тра-2025 |
Видавництво: | ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна |
Країна (код): | UA |
Місце видання, проведення: | Тернопіль |
Науковий керівник: | Боднарчук, Ігор Орестович Bodnarchuk, Ihor |
Члени комітету: | Луцик, Надія Степанівна Lutsyk, Nadiia |
УДК: | 004.8:004.4:519.2:330.131.7(043.3) |
Теми: | 122 комп’ютерні науки інформаційна система бізнес-процеси автоматизація бази даних аналіз даних прогнозування штучний інтелект інформаційні системи business processes automation geospatial databases data analysis forecasting artificial intelligence |
Діапазон сторінок: | 65 |
Короткий огляд (реферат): | Кваліфікаційна робота присвячена дослідженню питання побудови прогнозів на основі історичних даних на прикладі сфери продажів. У першому розділі кваліфікаційної роботи розглянуто значення прогнозування продажів у оптимізації бізнес-процесів. Описано сучасні методи прогнозування, зокрема лінійну регресію, ARIMA, експоненціальне згладжування та когортний аналіз. Другий розділ присвячено проєктуванню інформаційної системи прогнозування продажів на основі штучного інтелекту. Описано архітектурні підходи до створення системи, визначено її ключові компоненти. Розглянуто проектування бази даних із використанням нормалізації для підвищення цілісності та швидкості обробки даних. Зазначено методи оцінки якості прогнозів за допомогою метрик MAE, RMSE, MAPE, R². У третьому розділі представлено реалізацію інформаційної системи на базі моделі Prophet для прогнозування продажів і проведено практичне дослідження ефективності її використання. Описано реалізацію інтерфейсу для роботи з даними продажів та побудову прогнозів із врахуванням сезонних коливань і трендів. Проаналізовано методи оцінки точності прогнозів, використовуючи метрики MAE, RMSE, MAPE і R². Визначено, що система є гнучкою та масштабованою, що дозволяє її вдосконалення в майбутньому. The thesis is devoted to the study of forecasting based on historical data, using the sales domain as an example. The first chapter of the paper examines the importance of sales forecasting in optimizing business processes. It describes modern forecasting methods, including linear regression, ARIMA, exponential smoothing, and cohort analysis. The second chapter focuses on the design of a sales forecasting information system based on artificial intelligence. It outlines architectural approaches to system development and identifies its key components. The chapter also discusses database design. Methods for evaluating forecast accuracy using metrics such as MAE, MSE, RMSE, and R² are presented. The third chapter presents the implementation of the information system using the Prophet model for sales forecasting and includes a practical study of its effectiveness. It describes the development of an interface for working with sales data and generating forecasts, taking into account seasonal variations and trends. Forecast accuracy evaluation methods are analyzed using metrics such as MAE, RMSE, MAPE, and R². It is concluded that the system is flexible and scalable, allowing for further improvements in the future. |
Опис: | Роботу виконано на кафедрі комп'ютерних наук Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 29.05.2025 р. о 12 год. 30 хв. на засіданні екзаменаційної комісії №33 у Тернопільському національному технічному університеті імені Івана Пулюя. |
Зміст: | ВСТУП 8 1 ПРЕДМЕТНА ОБЛАСТЬ ЗАСТОСУВАННЯ ПРОГНОЗУВАННЯ У СФЕРІ ПРОДАЖІВ 10 1.1 Значення прогнозування у процесах оптимізації 10 1.2 Основні методи прогнозування продажів 13 1.3 Переваги та недоліки методів прогнозування 15 1.4 Метрики продуктивності прогнозування 18 1.5 Висновок до першого розділу 20 2 РОЗРОБКА ІНФОРМАЦІЙНОЇ СИСТЕМИ ПРОГНОЗУВАННЯ ПРОДАЖІВ НА ОСНОВІ ШІ 21 2.1 Дослідження архітектурних рішень для реалізації іс прогнозування продажів на основі штучного інтелекту 21 2.1.1 Основні компоненти системи 25 2.1.2 Проєктування бази даних 27 2.1.3 Нормалізація бази даних 32 2.2 Обробка та підготовка даних 33 2.3 Висновок до другого розділу 33 3 ПРАКТИЧНЕ ДОСЛІДЖЕННЯ ПРОГНОЗУВАННЯ ПРОДАЖІВ 35 3.1 Опис експерименту та тестового середовища 35 3.2 Структура даних та джерела інформації 35 3.3 Реалізація бази даних 36 3.4 Реалізація моделі прогнозування 39 3.5 Реалізація інтерфейсу користувача 40 3.6 Аналіз продуктивності розробленої моделі 42 3.7 Оптимізація моделі прогнозування 44 3.8 Побудова прогнозу за допомогою реалізованої моделі 45 3.10 Висновок до третього розділу 47 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 48 4.1 Охорона праці 48 4.1.1 Організація безпечної роботи користувачів інформаційної системи 48 4.1.2 Забезпечення безпеки та мінімізація стресових навантажень при роботі з інформаційною системою 51 4.2 Безпека в надзвичайних ситуаціях 53 4.2.1 Планування заходів цивільного захисту на об’єкті у випадку надзвичайних ситуацій 53 4.3 Висновок до четвертого розділу 57 ВИСНОВКИ 58 ПЕРЕЛІК ВИКОРИСТАНИХ ДЖЕРЕЛ 59 ДОДАТКИ |
URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/48667 |
Власник авторського права: | © Саган Олександр Анатолійович, 2025 |
Перелік літератури: | 1 Гловяк Р. І. Необхідність застосування штучного інтелекту при формуванні та використанні ланцюгів постачання товарів і послуг / Гловяк Р. І. // Матеріали XII науково-технічної конференції «Інформаційні моделі, системи та технології», 18–19 грудня 2024 року — Т. : ТНТУ, 2024. — С. 26-27. 2 Литвиненко С. В., Фриз М. Є. Математичне забезпечення таргетованої реклами / Литвиненко С. В., Фриз М. Є. // Матеріали XII науково-технічної конференції «Інформаційні моделі, системи та технології», 18–19 грудня 2024 року — Т. : ТНТУ, 2024. — С. 50. 3 Бондаренко Н. Роль прогнозування в системі управління бізнесом / Бондаренко Н. // Галицький економічний вісник. — 2021. — №4 (71). — С. 123. 4 Клименко В. М. Застосування інструментів штучного інтелекту для підвищення точності прогнозування продажів у сфері цифрового підприємництва / Клименко В. М. // Економіка та суспільство. — 2024. — №68. — С. 125–130. 5 Колупаєв І., Полозов О. Застосування інструментів штучного інтелекту для підвищення точності прогнозування продажів у сфері цифрового підприємництва / Колупаєв І., Полозов О. // Економіка та суспільство. — 2024. — №68. — С. 131–137. 6 Гринько Т. В., Соколова К. О. Управління стратегією розвитку підприємства / Гринько Т. В., Соколова К. О. // Business Inform. — 2024. — №10. — С. 433–444. 7 Sales forecasting: its role in inventory optimization. Verteego. URL: https://www.verteego.com/en/sales-forecasting-its-role-in-inventory-optimization (дата звернення: 01.12.2024). 8 Manual Revenue Forcasting: What Are Its Challenges and Solutions. Sancode: Semiconductor Manufacturing & Automation Solutions. URL: https://www.sancodetech.com/post/challenges-and-solution-for-manual-revenue-forcasting (дата звернення: 03.12.2024). 9 Приймак М. Умовно періодичні випадкові процеси із змінним періодом / Приймак М., Боднарчук І., Лупенко С. // Вісник ТДТУ. — Т. : ТДТУ, 2005. — Том 10. — № 2. — С. 143–152. — (Математичне моделювання. Математика. Фізика). 10 Top-Down Vs. Bottom-Up Sales Planning and Forecasting. Xactly. URL: https://www.xactlycorp.com/blog/forecasting/top-down-vs-bottom-sales-planning-and-forecasting (дата звернення: 03.12.2024). 11 Team ThoughtSpot. 8 Sales Forecasting Methods For Predicting Revenue. ThoughtSpot. URL: https://www.thoughtspot.com/data-trends/analytics/sales-forecasting-methods (дата звернення: 03.12.2024). 12 Effendi S. Y. ARIMA for Time-Series Forecasting: Retail Sales Predictions. Medium. URL: https://medium.com/@syarifyusuf/arima-for-time-series-forecasting-retail-sales-predictions-6e0da74232a0 (дата звернення: 03.12.2024). 13 Pros and cons of sales forecasting. Indeed. URL: https://www.indeed.com/career-advice/career-development/sales-forecasting-methods-pros-and-cons (дата звернення: 04.12.2024). 14 What is mean absolute error (MAE) in time series forecasting?. Milvus. URL: https://milvus.io/ai-quick-reference/what-is-mean-absolute-error-mae-in-time-series-forecasting (дата звернення: 05.12.2024). 15 Understanding Evaluation Metrics for Time Series Forecasting. Medium. URL: https://eshban9492.medium.com/understanding-evaluation-metrics-for-time-series-forecasting-5c8a3c877654 (дата звернення: 05.12.2024). 16 Error Metrics: How to Evaluate Your Forecasts. Jedox. URL: https://www.jedox.com/en/blog/error-metrics-how-to-evaluate-forecasts/ (дата звернення: 05.12.2024). 17 Time Series Evaluation Metrics: MAE, MSE, RMSE, MAPE. ApX Machine Learning. URL: https://apxml.com/courses/time-series-analysis-forecasting/chapter-6-model-evaluation-selection/evaluation-metrics-mae-mse-rmse (дата звернення: 05.12.2024). 18 How to Use Root Mean Squared Error to Improve Your Sales Forecast. FasterCapital. URL: https://fastercapital.com/content/Sales-forecast-root-mean-squared-error--How-to-Use-Root-Mean-Squared-Error-to-Improve-Your-Sales-Forecast-performance.html (дата звернення: 06.12.2024). 19 A Practical Guide to Root Mean Square Error (RMSE). Coralogix. URL: https://coralogix.com/ai-blog/root-mean-square-error-rmse-the-cornerstone-for-evaluating-regression-models/ (дата звернення: 06.12.2024). 20 Mishkin N. Mastering MAPE: How to Explain Forecast Accuracy to Your Boss and Improve Sales Predictions. Medium. URL: https://medium.com/@ Behavior2020/mastering-mape-how-to-explain-forecast-accuracy-to-your-boss-and-improve-sales-predictions-657f6a9f399b (дата звернення: 06.12.2024). 21 Understanding R-Squared in Sales Forecasting. Free Barcode. URL: https://free-barcode.com/barcode/inventory-management/understanding-r-squared-sales-forecasting.asp (дата звернення: 09.12.2024). 22 What is an appropriate value for R2 or R-squared when doing time series analysis (e.g., forecasting)? Quora. URL: https://www.quora.com/What-is-an-appropriate-value-for-R2-or-R-squared-when-doing-time-series-analysis-e-g-forecasting (дата звернення: 09.12.2024). 23 Theil's Forecast Accuracy Coefficient: A Clarification on JSTORE. Site. URL: https://www.jstor.org/stable/3149394 (дата звернення: 09.12.2024). 24 Волович В. Задача проєктування програмної архітектури в процесах забезпечення якості / В. Волович, Богдан Михайлович Береженко, Ігор Орестович Боднарчук // Матеріали Ⅹ науково-технічної конференції „Інформаційні моделі, системи та технології“, 7–8 грудня 2022 року. — Т. : ТНТУ, 2022. — С. 104–106. — (Програмна інженерія та моделювання складних розподілених систем). 25 Програмна архітектура в розподілених командах гнучких проєктів / О. Гузеляк, Ю. Шевчук, Б. М. Береженко, Ігор Орестович Боднарчук // Матеріали Ⅹ науково-технічної конференції „Інформаційні моделі, системи та технології“, 7–8 грудня 2022 року. — Т. : ТНТУ, 2022. — С. 110–112. — (Програмна інженерія та моделювання складних розподілених систем). 26 Бугай В. П. Оцінювання програмної архітектури при гнучких методах розробки програмних систем / В. П. Бугай, І. О. Боднарчук // Матеріали Міжнародної науково-технічної конференції „Фундаментальні та прикладні проблеми сучасних технологій“ до 60-річчя з дня заснування Тернопільського національного технічного університету імені Івана Пулюя та 175-річчя з дня народження Івана Пулюя, 14-15 травня 2020 року. — Т. : ТНТУ, 2020. — С. 152–153. — (Комп'ютерно-інформаційні технології та системи зв’язку). 27 Боднарчук І. О. Проблема багатоальтернативного вибору архітектури програмних систем з використанням методу аналізу ієрархій / Ігор Орестович Боднарчук, Сергій Юрійович Прошин // Матеріали Ⅱ науково-технічної конференції „Інформаційні моделі, системи та технології“, 25 квітня 2012 року — Т. : ТНТУ, 2012 — С. 52. — (Секція 4. Програмна інженерія та моделювання складних розподілених систем). 28 Microservice Architecture pattern. Microservices.io. URL: https://microservices.io/patterns/microservices.html (дата звернення: 15.12.2024). 29 Тарасов О. В., Федько В. В., Лосєв М. Ю., Тарасов А. В. Організація баз даних та знань. Проектування баз даних : навчально-практичний посібник для самостійної підготовки студентів / Тарасов О. В., Федько В. В., Лосєв М. Ю, Тарасов А. В. — Харків : ХНЕУ, 2011. — С. 200. 30 Нормалізація баз даних. Greenhouse - Мій затишний зелений будинок. URL: https://greenhouse.cv.ua/?p=697 (дата звернення: 15.12.2024). 31 A Comprehensive Guide to Database Normalization with Examples. Visual Paradigm Guides. URL: https://guides.visual-paradigm.com/a-comprehensive-guide-to-database-normalization-with-examples/ (дата звернення: 15.12.2024). 32 Understanding Data Processing. GeeksforGeeks. URL: https://www .geeksforgeeks.org/ml-understanding-data-processing/ (дата звернення: 15.12.2024). 33 Data Preparation for Machine Learning: The Ultimate Guide to Doing It Right. Pecan AI. URL: https://www.pecan.ai/blog/data-preparation-for-machine-learning/ (дата звернення: 17.12.2024). 34 From Raw Data to Model Training. Medium. URL: https:// medium.com/@tubelwj/data-pre-processing-in-machine-learning-from-raw-data-to-model-training-3e782343e897 (дата звернення: 17.12.2024). 35 Mastering Data Processing in Machine Learning. Niveus Solutions. URL: https://niveussolutions.com/role-of-data-processing-in-machine-learning/ (дата звер- нення: 17.12.2024). 36 Андрій Денисенко. Python та MySQL: повний практичний посібник, ч. 1. Робот Дрімс. URL: https://robotdreams.cc/uk/blog/484-python-ta-mysql-povniy-praktichniy-posibnik-ch-1 (дата звернення: 19.12.2024). 37 Your Guide to Mastering This Powerful Database. fw_error_www. Oracle. URL: https://www.oracle.com/mysql/what-is-mysql/ (дата звернення: 19.12.2024). 38 8 Big Advantages of using MySQL. Datamation. URL: https://www .datamation.com/storage/8-major-advantages-of-using-mysql/ (дата звернення: 21.12.2024). 39 Основи розробки баз даних. Microsoft Support. URL: https://support.microsoft.com/uk-ua/topic/основи-розробки-баз-даних-eb2159cf-1e30-401a-8084-bd4f9c9ca1f5 (дата звернення: 22.12.2024). 40 WebandSEOadvisor. Implementing Role-Based Access Control (RBAC) in PHP. Medium. URL: https://medium.com/@wwwebadvisor/implementing-role-based-access-control-rbac-in-php-85c0ea7bc86b (дата звернення: 2.12.2024). 41 Secure Login. CodeShack. URL: https://codeshack.io/secure-login-system-php-mysql/?utm_source=chatgpt.com (дата звернення: 23.12.2024). 42 MySQL Enterprise Monitor 8.0 Manual: Access Control. MySQL. URL: https://dev.mysql.com/doc/mysql-monitor/8.0/en/mem-access-control-best-practice-ref.html?utm_source=chatgpt.com (дата звернення: 24.12.2024). 43 Create a Sales Database In 3 Steps. Five. URL: https://five.co/blog/create-a-sales-database/ (дата звернення: 25.12.2024). 44 GeeksforGeeks. SQL Triggers. GeeksforGeeks. URL: https://www.geeks forgeeks.org/sql-trigger-student-database/ (дата звернення: 24.12.2024). 45 MySQL 8.4 Refference: Using Triggers. MySQL. URL: https://dev .mysql.com/doc/refman/8.4/en/triggers.html (дата звернення: 25.12.2024). 46 MySQL 8.4 Refference: Trigger Syntax. MySQL. URL: https://dev. mysql.com/doc/refman/8.4/en/trigger-syntax.html (дата звернення: 25.12.2024). 47 Using Auto_Increment. MySQL. URL: https://dev.mysql.com/doc/ refman/8.4/en/example-auto-increment.html (дата звернення: 26.12.2024). 48 Mean_absolute_error. scikit-learn.org. URL: https://scikit-learn.org/stable/ modules/generated/sklearn.metrics.mean_absolute_error.html (дата звернення: 27.12.2024). 49 ДСТУ ISO 9241-1:2003. Ергономічні вимоги до роботи з відеотерміналами в офісі. Частина 1. Загальні положення (ISO 9241-1:1997, IDТ). Чинний від 2004-10-01. 50 ДСТУ 7234:2011. Дизайн і ергономіка. Обладнання виробниче. Загальні вимоги дизайну та ергономіки. Чинний від 2011-08-01. 51 ДСТУ 7299:2013. Дизайн і ергономіка. Робоче місце оператора. Взаємне розташування елементів робочого місця. Загальні вимоги ергономіки. 52 ДСТУ 7951:2015. Дизайн і ергономіка. Крісло оператора. Загальні ергономічні вимоги. 53 ДСТУ 8604:2015. Дизайн і ергономіка. Робоче місце для виконання робіт у положенні сидячи. Загальні ергономічні вимоги. 54 Ергономічні вимоги для організації робочого місця. Gpp.in.ua. URL: https://www.gpp.in.ua/robota/ergonomichni-vimogi-dlya-organizatsiji-robochogomistsya. 55 ДСТУ EN 12464-1:2016. Світло та освітлення. Освітлення робочих місць. Частина 1. Внутрішні робочі місця (EN 12464-1:2011, IDT). Чинний від 2017-12-01. Вид. офіц. 56 ДСН 3.3.6.042-99. Санітарні норми мікроклімату виробничих приміщень. Чинний від 1999-12-01. Вид. офіц. 57 Атаманчук П.С., Мендерецький В.В., Панчук О.П., Чорна О.Г. Інтегрований курс безпеки життєдіяльності (теоретичні основи): Навч. посіб. - Кам'янець-Подільський: Буйницький О .А. ,2009 . - 200 с . 58 ДСанПіН 3.3.2.007-99. Санітарні норми і правила. Гігієнічні вимоги до організації навчального процесу. – Введ. 1999-09-01. – К.: Міністерство охорони здоров’я України, 1999. – C. 20. 59 Левчук К. О., Романюк Р. Я. Методика планування заходів цивільного захисту на потенційно небезпечних об’єктах // Збірник наукових праць Дніпровського державного технічного університету (технічні науки). – 2019. – Т. 1, № 34. – С. 146–150. 60 Кодекс цивільного захисту України: Закон України від 02.10.2012 № 5403-VI // Відомості Верховної Ради України. – 2013. – № 34–35. – С. 458. 61 Постанова Кабінету Міністрів України «Про затвердження Порядку організації заходів з ліквідації наслідків надзвичайних ситуацій» від 10.07.2013 № 440 // Офіційний вісник України. – 2013. – № 53. – С. 1950. 62 Постанова Кабінету Міністрів України «Про затвердження Положення про оперативно-рятувальну службу цивільного захисту» від 08.07.2015 № 508 // Офіційний вісник України. – 2015. – № 57. – С. 1865. 63 Постанова Кабінету Міністрів України «Про затвердження Положення про аварійно-рятувальну службу» від 30.12.2015 № 1158 // Офіційний вісник України. – 2016. – № 5. – С. 220. |
Тип вмісту: | Master Thesis |
Розташовується у зібраннях: | 122 — комп’ютерні науки |
Файли цього матеріалу:
Файл | Опис | Розмір | Формат | |
---|---|---|---|---|
Mag_2025_SNnm_61_Sahan_O_A.pdf | Дипломна робота | 1,23 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора