Szczegóły publikacji
Opis bibliograficzny
Zastosowanie zmodyfikowanej metody wskaźników sezonowości do prognozowania wielkości popytu — Demand volume forecasting with the usage of the modified seasonal indices method / Krzysztof JURCZYK, Marcin BARAN, Wojciech WOŹNIAK // Studies & Proceedings of Polish Association for Knowledge Management ; ISSN 2451-4543. — 2016 — t. 78, s. 69–77. — Bibliogr. s. 76, Streszcz., Summ.
Autorzy (3)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 100044 |
|---|---|
| Data dodania do BaDAP | 2016-09-22 |
| Tekst źródłowy | URL |
| Rok publikacji | 2016 |
| Typ publikacji | artykuł w czasopiśmie |
| Otwarty dostęp |  |
| Creative Commons | |
| Czasopismo/seria | Studies & Proceedings of Polish Association for Knowledge Management |
Streszczenie
W pracy zaprezentowano model krótkoterminowego prognozowania wielkości popytu w międzynarodowym przedsiębiorstwie produkcyjno-dystrybucyjnym. W badaniach przeanalizowano wielkość sprzedaży ośmiu wybranych produktów oferowanych przez Przedsiębiorstwo X. Miesięczne dane sprzedaży pochodziły z lat 2005-2011, z kolei prognoza zbudowana została na okres kolejnych 12 miesięcy (rok 2012). Proponowany model zakłada wygładzenie szeregu czasowego metodą podobną do metody wygładzania wykładniczego Browna, a następnie - dla otrzymanego w ten sposób szeregu czasowego - wyznaczenie prognoz metodami wskaźników sezonowości. Analiza wykazała, że takie podejście pozwala uzyskać prognozy obarczone mniejszymi wartościami błędów MPE oraz MAPE niż prognozy wygenerowane na podstawie danych niezmodyfikowanych.
Abstract
In the paper a short-term demand forecasting model for international prodution and distribution enterprise was introduced. The results from using classical forecasting methods were compared with the results from using modified indexed forecasting methods (both: multiplicative and additive). In the research sales data of ten chosen products were analyzed. Historical input data came from 2005-2011 and demand forecast was prepared for 1-year period (2012). The proposed model assumes the time series smoothing method similar to the Brown 's exponential smoothing, and then -for the obtained time series - the forecasts ' calculation with the usage of the seasonal indices method. Analysis showed that this approach allows for the better results with lower error values of MPE and MAPE than forecasts based on the unmodified data.
