Combined forecasts for stock keeping units with intermittent demand pattern
Kesintili talep yapısına sahip stok tutma birimleri için birleştirilmiş tahminler
- Tez No: 571652
- Danışmanlar: DOÇ. DR. AYSUN KAPUÇUGİL İKİZ
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme (İngilizce) Ana Bilim Dalı
- Bilim Dalı: İşletme Yönetimi Bilim Dalı
- Sayfa Sayısı: 137
Özet
Günümüzün rekabetçi koşullarında etkin envanter yönetimi, rekabet avantajı sağladığından şirketlerin başarısı için hayati öneme sahiptir. Birçok kurum farklı talep yapılarına sahip stok tutma birimlerini (STB) elinde bulundurmaktadır. STB'ler nihai ürünler gibi normal bir yapıda olabilecekleri gibi, yedek parçalar gibi çok uzun süre talep görmeyen, gerçekleşen taleplerin ise değişken miktarlarda olduğu kesintili talep yapısına da sahip olabilirler. Doğru tahmin, envanter yönetimi için çok önemlidir. Bununla birlikte, tahminleme kesintili talep yapısına sahip STB'ler için zorlu bir süreçtir. Düzensiz talep yapısı, hareketli ortalamalar veya üstel düzeltme (ÜD) gibi geleneksel tahminleme yöntemlerinin düşük performans göstermesine neden olur. Bu sorunun üstesinden gelmek için literatürde,“Croston yöntemi (CR)”, Syntetos-Boylan Yaklaşımı (SBY) gibi CR yönteminin varyasyonları ve Yapay Sinir Ağları ve bootstrapping gibi yeni yöntemler önerilmiştir. Uygulamada uzman görüşlerine dayanan yargısal tahminleme yöntemleri de sıklıkla kullanılmaktadır. Bu yöntemler genellikle geçmiş veriler bulunmadığında ve çevrede ve zaman serilerinde önemli değişiklikler olduğunda kullanılır. Ayrıca, istatistiksel ve yargısal tahminleri birleştirmek mümkündür. Çalışmalar, tahminlerin birleştirilmesinin sapmaları ortadan kaldırmaya yardımcı olduğunu ve tahminlerin doğruluğunu arttırdığını belirtmektedir. Bu çalışma, kesintili talep yapısına sahip STB'ler için daha yüksek doğrulukta tahminler üretmek amacıyla istatistiksel ve yargısal yöntemleri birleştiren, aynı zamanda uygulayıcılar tarafından uygulanması ve yorumlanması kolay, bütünleşik bir tahminleme modeli önermektedir. Önerilen metodolojik çerçevede ilk olarak, STB'ler Syntetos-Boylan-Croston (SBC) sınıflandırma şemasını kullanarak talep modellerine göre sınıflandırılır. Ardından ÜD, CR ve SBY yöntemleri ile oluşturulan tahminler her bir STB için en iyi yöntemi ve parametreleri seçmek üzere değerlendirilir. Paralel olarak, yapısal yöntemler kullanılarak uzmanların söz konusu STB'ler hakkındaki deneyim ve bilgisini yansıtan yargısal tahminler elde edilmelidir. Son olarak, oluşturulan istatistiksel ve yargısal tahminlerin ağırlıklı ortalama prosedürüne göre birleştirilmesiyle oluşturulan tahminlerin performansı her STB için hesaplanır ve her STB için en iyi performans gösteren yöntem seçilir. Önerilen metodolojik çerçeve, otomotiv ve küçük ev aletleri sektörlerinde faaliyet gösteren iki firmadan alınan satış sonrası yedek parça taleplerini içeren gerçek veri setlerinde denenmiştir. Sonuçlar, literatürde belirtildiğinin aksine, ÜD'nin kesintili talebe sahip STB'ler için iyi bir performans gösterdiğini göstermiştir. Her iki veri seti için de bütünleşik tahminler şirketlerin kullanmakta olduğu yargısal tahminlerden daha yüksek doğruluk sağlamaktadır. İlk veri setindeki (otomotiv) çoğu STB için, istatistiksel tahminler en yüksek performansı gösterir. İkinci veri seti için (küçük ev aletleri), bütünleşik tahminler hem yargısal hem de istatistiksel tahminlerden daha yüksek doğruluğa sahip tahminler üretmiştir. Bu çalışmanın sonuçları, kurumların en doğru tahminleri üreterek envanterlerini başarıyla yönetmelerine yardımcı olabilir. Yetersiz stoktan dolayı talebin karşılanamaması, fazla stok tutma ve stoktaki STB'lerin değer yitirmesinden dolayı ortaya çıkan maliyetler düşerken, taleplerin zamanında karşılanabilmesiyle müşteri memnuniyeti artar. Şirketlerin operasyonları için stratejik olan bazı yedek parçalar çok pahalıdır ve stok değeri yüksektir. Bu parçaların envanter yönetiminin daha doğru tahminler ile iyileştirilmesi önemli tasarruflarla sonuçlanacaktır.
Özet (Çeviri)
Effective inventory management is vital for the success of companies as it provides a competitive advantage. Many institutions hold different types of stock-keeping units (SKU) on hand. To give an example, SKUs can have a normal pattern like finished goods; have intermittent demand pattern which has no demand for numerous periods and infrequent demand arrivals with highly variable sizes like spare parts. Accurate forecasting is crucial for inventory management. However, forecasting is a challenging task for the SKUs with intermittent demand. The irregular pattern causes traditional forecasting methods like moving averages or single exponential smoothing (SES) to perform poorly. To overcome this problem, several forecasting methods like the seminal method,“Croston's method (CR),”modifications on CR – such as Syntetos-Boylan Approximation (SBA), and new methods like Artificial Neural Networks and Bootstrapping are proposed. Judgmental forecasting methods, which are based on expert opinions, are frequently used in practice as well. These methods are generally used when the historical data is absent and when there are significant changes in the environment and in the time series. Also, it is possible to combine statistical and judgmental forecasts. The studies state that combining forecasts help to eliminate biases and lead to increased accuracy. This study proposes a framework for combining statistical and judgmental methods to generate forecasts with higher accuracy, which at the same time is easy to implement and interpret by the practitioners. First, The SKUs are categorized according to their demand patterns (intermittent, lumpy, erratic, and smooth) by using Syntetos-Boylan-Croston (SBC) categorization scheme. Then SES, CR, and SBA, as one of the variants of CR, are evaluated to select the best method and parameters for each SKU. In parallel, judgmental forecasts should be obtained by using structured methods that reflect the experience and knowledge about the SKUs. Lastly, the generated statistical and judgmental forecasts are combined based on the weighted averaging procedure. The proposed framework is demonstrated on two real-world datasets for spare parts from the automotive and small home appliances industries. The results showed that SES can perform well for SKUs with intermittent demand. Combined forecasts generate higher accuracy than the actual judgmental forecasts of the companies. For most SKUs in the first dataset (automotive), statistical forecasts are the best performing methods. For the second dataset (small home appliances), combination forecasts outperformed both judgmental and statistical forecasts. The outcomes of this study can help institutions to manage their inventory successfully by generating more accurate forecasts. The costs that occur due to stock-outs, overstocks, and risk of obsolescence will decrease, while the customer satisfaction level increases. Also, some spare parts which are strategic for the companies' operations are costly and have a high stock value. Improving the management of such parts will end up with significant savings.
Benzer Tezler
- Sağlık sistemlerinde çok amaçlı karar verme
Multiple creteria decision making in health systems
YAŞAR SAADETTİN PEKTUT
Yüksek Lisans
Türkçe
1990
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiY.DOÇ.DR. MEHMET TANYAŞ
- Tedarik zinciri satış ve planlama sürecinde değişkenlik yönetimi: Sipariş seviyesinin tahmin doğruluğuna göre tahmini için Monte Carlo simülasyonu uygulaması
Supply chain change management in sales and planning processes: A Monte Carlo simulation for determining the order level by the estimated accuracy
SALİM KAAN ALICI
Yüksek Lisans
Türkçe
2021
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Forecasting the equity risk premium with macroeconomic and technical indicators: International evidence
Makroekonomik ve teknik göstergeler ile hisse senedi risk primi öngörümlemesi: Uluslararası kanıt
EFE ÇAĞLAR ÇAĞLI
Doktora
İngilizce
2014
İşletmeDokuz Eylül Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. PINAR EVRİM MANDACI
- Bulanık zaman serisi yöntemleri ile İMKB öngörüsü
Forecasting IMKB with fuzzy time series methods
FEVZİ EMRAH İNCEOĞLU
Yüksek Lisans
Türkçe
2010
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. EROL EĞRİOĞLU