Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Metody prognozowania popytu w zarządzaniu logistycznym

Tytuł:
Metody prognozowania popytu w zarządzaniu logistycznym
Autorzy:
Miłek, M.
Data publikacji:
2014
Słowa kluczowe:
popyt
prognozowanie
szereg czasowy
model ekonometryczny
SARiMA
demand
forecasting
time series
exponential soothing
Język:
polski
Dostawca treści:
BazTech
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Efektywne planowanie jest jednym z podstawowych wyzwań stojących przed przedsiębiorcami. Aby mu sprostać, konieczne jest posiadanie odpowiedniej wiedzy na temat popytu na wyroby lub usługi. W definicji planowania mieści się pojęcie prognozowania, które jest ważnym źródłem informacji zarządczej. Na jej podstawie tworzone są plany produkcji wyrobów, plany potrzeb materiałowych oraz plany sprzedaży wyrobów i usług. W literaturze można spotkać szereg metod, które z powodzeniem stosuje do prognozowania popytu. Część z nich to metody czysto eksperckie, inne oparte są o analizę z wykorzystaniem modeli ekonometrycznych, jeszcze inne wykorzystują analizę szeregów czasowych. W artykule zawarto porównanie jakości prognoz uzyskanych z wykorzystaniem różnych metod, w szczególności skupiono się na zastosowaniu modelu sezonowej autoregresji i średniej ruchomej (SARIMA) do prognozowania popytu.
Effective planning is one of the fundamental challenges facing entrepreneurs. To meet this challenge, it is necessary to have sufficient knowledge about the demand for a product or service. In the definition of the concept of planning forecasting is an important source of management information. On the basis of established production plans, plans for material needs and plans for the sale of products and services. In the literature there are various methods which have been successfully used for demand forecasting. Some of them are purely expert methods, others are based on an analysis using an econometric model, and still others use the analysis of time series. The article includes a comparison of the quality of forecasts obtained using different methods, in particular, focuses on the application of the seasonal autoregressive and moving average model (SARIMA) for demand forecasting.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies