Planning of transportation's needs based on demand forecasts

• Autorzy: Mrówczyńska B.

Warianty tytułu

PL

Planowanie zapotrzebowania na transport na podstawie prognozy popytu

• Języki publikacji: EN

Abstrakty

EN

Rational management of transport has a major impact on the cost of the business. The starting point for this can be a forecast of demand for the products. This paper presents the process of planning of transportation of shipments based on the forecast of the orders. The monthly quantity of shipments during the 36 months was analysed. A periodic variation of this quantity was observed. The forecast for the next two months was determined using a triple exponential smoothing method. Parameters of the method were determined analytically and using artificial immune systems. In the latter case the smoothing constant and the initial values of the model were determined by optimizing the root mean square error (RMSE) "ex-post". The results were subsequently compared. A smaller error was obtained using artificial immune systems. Then the demand for transport was calculated basing on the forecast quantity of shipments.

PL

Racjonalne gospodarowanie środkami transportu ma duży wpływ na koszty firmy. Podstawą do tego może być wykonanie prognozy popytu na produkty firmy. W artykule przedstawiono proces zaplanowania przewozów przesyłek do odbiorców na podstawie prognozy ilości przesyłek. Po wstępnej analizie rozkładu miesięcznej ilości przesyłek w okresie 36 miesięcy zaobserwowano okresową zmienności tej ilości. Prognozę na kolejne 3 miesiące wyznaczono stosując addytywną metodę Wintersa. Parametry metody wyznaczano analitycznie, a następnie stosując sztuczne systemy immunologiczne. W tym drugim przypadku stałe wygładzania i wartości początkowe modelu były wyznaczane na drodze optymalizacji pierwiastka błędu średniokwadratowego (RMSE) „ex post”. Wyniki porównano. Mniejszy błąd otrzymano stosując sztuczne systemy immunologiczne. Następnie wyznaczono zapotrzebowanie na transport na podstawie prognozowanej ilości przesyłek.

Słowa kluczowe

EN

planning of transportation of shipments; forecasting; triple exponential smoothing method; artificial immune system; clonal selection

PL

planowanie przewozów przesyłek; prognozowanie; addytywna metoda Wintersa; sztuczny system immunologiczny selekcja klonalna

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Transport Problems
• Rocznik: 2013
• Tom: T. 8, z. 3
• Strony: 5--14
• Opis fizyczny: Bibliogr. 28 poz.

Twórcy

autor

Mrówczyńska B.

• Silesian University of Technology, Faculty of Transport Krasińskiego 8, 40-019 Katowice, Poland

Bibliografia

• 1. Abraham, B. & Ledolter, J. Statistical methods for forecasting. USA: John Wiley & Sons. 2009. P. 464.
• 2. Abraham, B. & Ledolter, J. Forecast functions implied by autoregressive integrated moving average models and other related forecast procedures. International Statistical Review. 1986. Vol.54. P. 51-66.
• 3. Box, G.E.P.& Jenkins, G.M. Analiza szeregów czasowych. Warszawa: PWN. 1983. [In Polish: Box, G.E.P. & Jenkins, G.M. Time series analysis. Warsaw: PWN. 1983].
• 4. Brown, R.G. Statistical forecasting for inventory control. New York: McGraw-Hill. 1959.
• 5. Brown, R.G. Smoothing, forecasting and prediction of discrete time series. USA: Courier Dover Publications. 2004. P. 468.
• 6. Castro, L.N. & Zuben, F.J. Artificial Immune Systems, Part I – Basic Theory and Applications. Technical Report, TR – DCA 01/99. 1999.
• 7. Castro, L.N. & Zuben, F.J. Artificial Immune Systems. Part II – A Survey of Applications.Technical Report. TR – DCA 02/00. 2000.
• 8. Dittmann, P. Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie. Kraków: Oficyna Ekonomiczna. 2008. P. 302 [In Polish: Dittmann P. Forecasting in the enterprise. The methods and their applications. Cracow: Economic Publishing House].
• 9. Gardner, Jr.E.S. Exponential smoothing. The state of the art. Journal of Forecasting. 1985. Vol. 4. P. 1-38.
• 10. Gołąb, J. & Jakóbisiak, M. & Lasek, W. & Stokłosa, T. Immunology. Warszawa: PWN. 2008. P. 512. [In Polish: Gołąb, J. & Jakóbisiak, M. & Lasek, W. & Stokłosa, T. Immunologia, Warsaw: PWN.2008].
• 11. Gooijer, J.G. & Hyndman, R.J. 25 years of time series forecasting. International Journal of Forecasting. 2006. Vol. 22. P. 443-473.
• 12. Grubb, H. & Masa, A. Long lead-time forecasting of UK air passengers by Holt–Winters methods with damped trend. International Journal of Forecasting. 2001. Vol. 17. P. 71-82.
• 13. Holt, C.C. Forecasting seasonals and trends by exponentially weighted averages. O.N.R. Memorandum 52/1957. Carnegie Institute of Technology. 1957. Reprinted with discussion in: International Journal of Forecasting. 2004. Vol. 20. P. 5-13.
• 14. Hong ,W-C. & Dong, Y. & Zheng, F. & Wie, S.Y. Hybrid evolutionary algorithms in a SVR traffic flow forecasting model. Applied Mathematics and Computation. 2011. Vol. 217. P. 6733-6747.
• 15. Karlaftis, M.G. & Vlahogianni, E.I. Statistical methods versus neural networks in transportation research. Differences, similarities and some insights. Transportation Research Part C. 2011. Vol. 19. P. 387-399.
• 16. Ledolter, J. & Abraham, B. Some comments on the initialization of exponential smoothing. Journal of Forecasting. 1984. Vol. 3. P. 79-84.
• 17. Lin, K-P. & Pai, P-F. & Yang, S-L. Forecasting concentrations of air pollutants by logarithm support vector regression with immune algorithms. Applied Mathematics and Computation. 2011. Vol. 217. P. 5318-5327.
• 18. Miller, T. & Liberatore, M. Seasonal exponential smoothing with damped trends. An application for production planning. International Journal of Forecasting. 1993. Vol. 9. P. 509-515.
• 19. Michalewicz, Z. Algorytmy genetyczne + struktury danych = programy ewolucyjne. Warszawa: WNT. 1999. P. 432. [In Polish: Michalewicz Z. Genetic Algorithms + data Structures = Evolutionary Programs. Warsaw: WNT. 1999].
• 20. Mrówczyńska, B. & Łachacz, K. & Haniszewski, T. & Sładkowski, A. A comparison of forecasting the results of road transportation needs. Transport. 2012. Vol. 27. No. 1. P. 73-78.
• 21. Mrówczyńska, B. & Sokołowski, M. Analysis of forecasting methods regarding circulation of goods, based on the example of company Kochloeffel Polska Sp. z o.o. Analecta Technica Szegedinensia. 2011. Vol. 1. No. 2. P. 120-127.
• 22. Muth, J.F. Optimal properties of exponentially weighted forecasts. Journal of the American Statistical Association. 1960. Vol.55. P. 299-306.
• 23. Pegels, C.C. Exponential smoothing Some new variations. Management Science. 1969. Vol. 12. P. 311-315.
• 24. Roberts, S.A. A general class of Holt–Winters type forecasting models. Management Science. 1982. Vol. 28. P. 808-820.
• 25. Snyder, R.D. Recursive estimation of dynamic linear statistical models. Journal of the Royal Statistical Society (B). 1985. Vol. 47. P. 272-276.
• 26. Wierzchoń, S.T. Sztuczne systemy immunologiczne. Teoria i zastosowania. Warszawa: EXIT. 2001. P. 282. [In Polish: Wierzchoń S.T. Artificial Immune Systems. Theory and Applications. Warsaw: EXIT. 2001].
• 27. Winters, P.R. Forecasting sales by exponentially weighted moving averages. Management Science. 1960. Vol. 6. P. 324-342.
• 28. Zeliaś, A. & Pawełek, B. & Wanat, S. Prognozowanie ekonomiczne. Teoria, przykłady, zadania. Warszawa: PWN. 2004. P. 380. [In Polish: Zeliaś, A. & Pawełek, B. & Wanat S. Economic forecasting theory, examples, tasks. Warsaw: PWN. 2004].