Zastosowanie wybranych modeli szeregów czasowych do prognozowania wielkości sprzedaży

• Autorzy: Jurczyk K. , Multana H. , Woźniak W.

Warianty tytułu

EN

The use of selected time series models for forecasting sales

• Języki publikacji: PL

Abstrakty

PL

Przy rozliczeniach terminowych powszechnym zjawiskiem jest fakt, że zamówienia składane są w dużych odstępach czasu na stosunkowo dużą kwotę. Następnie następuje okres sprzedaży zamówionych produktów i akumulacja gotówki na spłatę zobowiązań. Często zdarza się, że pewnych produktów zaczyna już brakować, ale nie składa się zamówień oczekując na zebranie kwoty wystarczającej do spłaty poprzedniej zaległości zezwalającej na ponowny zakup z odroczonym terminem płatności. Odnotowujemy więc podwójną stratę. Zupełnie inaczej wygląda sytuacja w przypadku, gdy operujemy zamówieniami w krótkim odstępie czasu – maksymalne wykorzystanie obrotu gotówki gwarantuje przede wszystkim uniknięcie braków w asortymencie. Celem artykułu było zbudowanie modelu szeregu czasowego umożliwiającego predykcję wielkości sprzedaży w kolejnych dniach w wybranym przedsiębiorstwie. Wysokość obrotu dziennego jest czynnikiem mającym największy wpływ na efektywne zarządzanie gotówką i towarem dlatego też prognoza jest tak istotna. W badaniach wykorzystano modele SARIMA oraz sztuczne sieci neuronowe.

EN

The research objective was to build a time series models for forecasting sales. In the paper, the analysis of the possibility of using SARIMA models as well as artificial neural networks to forecast demand level at some trading company were introduced. The results has satisfied the authors.

Słowa kluczowe

PL

model szeregu czasowego; wielkość sprzedaży; prognozowanie sprzedaży; model SARIMA; sztuczne sieci neuronowe

EN

time series model; volume of sales; forecasting sales; SARIMA model; artificial neural networks

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 14299--14304, CD 6
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Jurczyk K.

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Zarządzania

autor

Multana H.

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Zarządzania

autor

Woźniak W.

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie, Wydział Zarządzania

Bibliografia

• 1. Abdel-Aal R. E., Univariate modeling and forecasting of monthly energy demand time series using abductive and neural networks. Computers & Industrial Engineering, Volume 54, Issue 4, 2008, s.s. 903-917.
• 2. Al-Saba T, El-Amin I., Artificial neural networks as applied to long-term demand forecasting. Artificial Intelligence in Engineering, Volume 13, Issue 2, 1999, s.s. 189-197.
• 3. Box G. E. P., Jenkins G. M., Analiza szeregów czasowych. PWE, Warszawa 1983
• 4. Efendigil T., Önüt S., Kahraman C., A decision support system for demand forecasting with artificial neural networks and neuro-fuzzy models: A comparative analysis. Expert Systems With Applications, Volume 36, Issue 3, Part 2, 2009, s.s. 6697-6707.
• 5. Feliks J., Lichota A., Wspomaganie decyzji logistycznych z wykorzystaniem sztucznych sieci neuronowych. Wybrane zagadnienia logistyki stosowanej, AGH, Kraków 2009, s.s. 20-25.
• 6. Jurczyk K., Zastosowanie sztucznych sieci neuronowych jako narzędzia wspomagającego zarządzanie zapasami i planowanie popytu na przykładzie przedsiębiorstwa dystrybucyjnego. Logistyka nr 2/2011, dodatek: Logistyka – nauka, s.s. 233-244.