Corporate budget planning involves forecasting expenses and revenues to support strategic goals, resource allocation, and supply chain coordination. Regular updates to forecasts and collaboration across organizational levels ensure adaptability to changing business conditions. Long-term sales forecasts form the foundation for budgeting, guiding resource allocation and enhancing financial efficiency. The budgeting process in organizations is complex and requires data from various operational areas, which is collected over a representative period. Key inputs include quantitative sales data, direct costs indirect costs, and historical revenues and profitability, which are often sourced from ERP systems. While ERP systems typically provide tools for basic budgeting, they lack advanced capabilities for forecasting and simulation. We proposed a solution, which includes dynamic demand forecasting based on time series methods such as Build-in method in Power BI (which is ETS—exponential smoothing), linear regression, XGBoost, ARIMA and flexible product groupings, which are simulations for cost changes. The case study concerns a manufacturing company in the mass customization industry. The solution is designed to be intuitive and easily implemented in the business.

The management of large enterprises influences their efficiency and profitability. One of the important aspects is the appropriate management of electricity consumption used for production and daily operation. The problem becomes more complicated when you need to manage not one but a large complex of buildings with heterogeneous purposes. In the paper, we examine real-time series data of electrical energy consumption in a complex of heterogeneous buildings, including offices and warehouses, using time series analysis methods such as the Holt–Winters model and ARIMA/SARIMA model, and neural networks (Deep Neural Network, Recurrent Neural Network, and Long Short-Term Memory). Experimental research was performed on a dataset obtained from an energy consumption meter placed in the building complex, built in different periods, and equipped with a variety of automation devices. The data were collected over a period of four years 2018–2021 in the form of time series. Results show that classic models are good at predicting energy consumption in the mentioned type of buildings. The ARIMA model gave the best results—for buildings characterized by seasonality and trends the forecasts were almost perfect with actual values.

Fractional calculus has found multiple applications around the world. It is especially prevalent in the domains of control and electronics. One of the key elements of fractional applications is the fractional integral (or integrator) which is a backbone of famous PI${}^{\lambda }$D controller. It gives advantages of traditional PID with a limited phase lag. The are, however, issues with implementation, which will allow good low-frequency behavior. In this paper, we consider a diffusive realization of a fractional integrator with the use of quadratures. We implemented this method in numerical package SoftFrac, and we illustrate how different quadratures work for this purpose. We show superiority of bounded domain integration with logarithmic transformation and explain issues with behavior for extremely low frequencies.

Planowanie zużycia energii elektrycznej ze względu na pojawiające się niespodziewanie przerwy w dostawie staje istotnym aspektem zarządzania utrzymania budynków. Analiza szeregów czasowych pozwala na predykowanie zużycia energii elektrycznej w kolejnych latach na podstawie danych historycznych. Celem badania jest weryfikacja wpływu czynników zewnętrznych na predykcję ilości zużycia energii elektrycznej. W badaniach zostały wykorzystane metody analizy szeregów czasowych: model naiwny z sezonowością, regresji liniowej oraz Facebook Prophet. Wyniki pokazują, że zaproponowane modele w zadawalający sposób są w stanie prognozować zapotrzebowanie na energię

Właściwe funkcjonowanie użytkowanych nieruchomości przyczynia się do stabilnej oraz bezpiecznej realizacji celów biznesowych przedsiębiorstw. Użytkownicy nieruchomości oczekują dostosowanych do ich potrzeb i oczekiwań warunków pracy, a osoby zarządzające budynkami powinny realizować procesy zarządzania nieruchomościami w sposób ekonomicznie zasadny. W artykule przestawiono wyniki badań dotyczących sterowania węzłami cieplnymi na ilość zużytej energii, co wprost przekłada się na obniżenie kosztów funkcjonowania tych budynków, przy czym uwzględnione zostało wymaganie zapewnienia komfortu cieplnego użytkownikom nieruchomości. Modernizacja systemu sterowania zdalnego węzłami cieplnymi obejmuje zastosowanie systemu TRAVOS, który umożliwia zdalną regulację parametrów węzłów cieplnych funkcjonujących w wielu lokalizacjach z wykorzystaniem łączności internetowej oraz przeglądarki internetowej. Opłacalność wprowadzonych zmian pokazano na przykładzie zróżnicowanych nieruchomości realizujących różne funkcje oraz zmodernizowanych w różnym stopniu. Uzyskane wyniki podają spadek zużycia energii w granicach 12 -50%, co potwierdziło zasadność wprowadzonych zmian.