Modelowanie procesów transportowych z uwzględnieniem sezonowości przewozów

Świderski, A.

Artykuł - szczegóły

Tytuł artykułu

Modelowanie procesów transportowych z uwzględnieniem sezonowości przewozów

Autorzy

Świderski A.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Modeling of transport processes with regard to seasonality of transport

Języki publikacji

Abstrakty

Sukces przedsiębiorstwa zależy od wielu czynników. Jednym z nich jest zdolność do spełnienia oczekiwań klientów i dopasowanie do potrzeb zgłaszanych przez rynek. Pomocne w ocenie popytu są metody i narzędzia matematyczne. Formułowane prognozy powinny brać pod uwagę wszystkie czynniki kształtujące zapotrzebowanie na dobra i usługi, jednak często są one trudne do zdefiniowania, nie tylko ze względu na znaczną ich liczbę, ale również na trudny do określenia wpływ poszczególnych zmiennych. W wielu przypadkach liczba złożonych zamówień silnie zależy od czasu, w którym są one składane. Potrzeby mogą być zróżnicowane w zależności od pory dnia, tygodnia, roku. Wówczas uaktywnia się tzw. sezonowość, której uwzględnienie jest bardzo istotne w przedsiębiorstwie i pozwala lepiej dostosować jego działalność do wymagań klientów. W niniejszym artykule dokonano charakterystyki sezonowości popytu w firmie świadczącej usługi transportu krajowego, drogowego, realizowanego pojazdami wysokotonażowymi. Wskazano zasadność prowadzenia takich analiz i potencjalne korzyści.

The company’s success depends on many factors. One of them is the ability to meet the customers’ expectations and adjust to the needs reported by market. Mathematical methods and tools are helpful in assessing demand. Forecasts should take into account all factors shaping the demand for goods and services, but they are often difficult to define, not only because of their large number, but also due to the impact of individual variables, which is difficult to determine. In many cases, the number of placed orders strongly depends on the time at which they are submitted. The needs can vary according to the time of day, week and year. Then we are dealing with the so-called seasonality, the inclusion of which is very important in the company and enables to better adapt its activity to the customers’ requirements. This article describes the seasonality of demand in a company providing domestic and road transport services with high-tonnage vehicles. The validity of such analyses and potential benefits were indicated.

Słowa kluczowe

prognozowanie popytu sezonowość transport drogowy modele regresji wielorakiej

demand forecasting seasonality road transport multiple regression

Wydawca

Akademia Marynarki Wojennej im. Bohaterów Westerplatte

Czasopismo

Rocznik Bezpieczeństwa Morskiego

Rocznik

2018

Tom

R. XII

Strony

91--105

Opis fizyczny

Bibliogr. 24 poz., rys., tab.

Twórcy

autor

Świderski A.

Military University of Technology, Faculty of Logistics

Bibliografia

1. Bielińska, E. Prognozowanie ciągów czasowych. Wydawnictwo Politechniki Śląskiej, Gliwice 2007.
2. Bitner A. Konstrukcja modelu regresji wielorakiej przy wycenie nieruchomości, Acta Scientiarum Polonorum. Administratio Locorum, nr 4(6), 2007, s. 59-66.
3. Borucka A. Forecasting of fire risk with regard to readiness of rescue and fire-fighting vehicles, Interdisciplinary Management Research XIV, Croatia, 2018, s. 397-395.
4. Borucka A. Funkcjonowanie wojskowych oddziałów gospodarczych w nowym systemie logistycznym sił zbrojnych, „Logistyka”, 2013, nr 6, s. 39-48.
5. Borucka A. Markov models in the analysis of the operation process of transport means, Proceedings of the ICTTE International Journal For Traffic And Transport Engineering Conference, Belgrad, 2018, s. 1073- 1082.
6. Borucka A. Model of the operation process of aircraft in the transport system, Proceedings of the ICTTE International Journal For Traffic And Transport Engineering Conference, 2018, s. 22-30.
7. Borucka A. Przewóz osób w Polsce w świetle zmian legislacyjnych, „Logistyka” nr 6, 2014, s. 468-475.
8. Borucka A. Risk Analysis of Accidents in Poland Based on ARIMA Model, Transport Means 2018, Proceedings of the 22nd International Scientific Conference part I, Lithuania, 2018, s. 162-166.
9. Borucka A. Three-state Markov model of using transport means, Proceedings of the 18th International Scientific Conference, Business Logistics In Modern Management, Croatia, 2018, s. 3-19.
10. Dittmann P. Metody prognozowania sprzedaży w przedsiębiorstwie Wydawnictwo Akademii Ekonomicznej, Wrocław 2000.
11. Dittmann P., Szabela-Pasierbińska E., Dittman I., Szpulak A. Prognozowanie w zarządzaniu sprzedażą i finansami przedsiębiorstwa, Wolters Kluwer Polska Sp. Z o.o., Warszawa 2011.
12. StatSoft,Elektroniczny Podręcznik Statystyki, Kraków, 2006 [http://www.statsoft.pl/textbook/stathome.html]
13. Maciąg A., Pietroń R., Kukla S. Prognozowanie i symulacja w przedsiębiorstwie, Polskie Wydawnictwo Ekonomiczne, Warszawa2013.
14. Mikosz B., Borucka A. Organizacja gospodarki odpadami w siłach zbrojnych na tle zmian militarnych i nowych wyzwań stawianych polskiej armii, „Archiwum Gospodarki Odpadami i Ochrony Środowiska”, 2008, nr 8, s. 1-12.
15. MitkowSz., Borucka A. Mathematical model of travel times related to a transport congestion: an example of the capital city of Poland – Warsaw, Proceedings of the 18th International Scientific Conference, Business Logistics In Modern Management, Croatia, 2018, s. 501-526.
16. Sokołowsk, A. Prognozowanie i analiza szeregów czasowych. Materiały szkoleniowe StatSoft Polska, Kraków 2016.
17. Świderski A., Borucka A. Mathematical Analysis of Factors Affecting the Road Safety in Selected Polish Region, Transport Means, Proceedings of the 22nd International Scientific Conference part II, Lithuania, 2018, s. 651- 654.
18. Świderski A., Borucka A., Jacyna-Gołda I., Szczepański E. Wear of brake system components in various operating conditions of vehicle in the transport company, „EksploatacjaiNiezawodność – Maintenance and Reliability”, z. 1, nr 21, 2019, s. 1-9. [http://dx.doi.org/10.17531/ein.2019.1.1.]
19. Świderski A., Borucka A., Skoczyński P. Characteristics and Assessment of the Road Safety Level in Poland with Multiple Regression Model, Transport Means, Proceedings of the 22nd International Scientific Conference part I, Lithuania2018, s. 92 – 97.
20. Waśniewski T., Borucka A. Sieciowe rozwiązania w łańcuchu dostaw w oparciu o technologię radiowej identyfikacji towarów, „Systemy Logistyczne Wojsk”nr. 37, 2011, s. 223 – 233.
21. Wielgosik M., Borucka A. Istota i znaczenie służby przygotowawczej i szkolenia rezerw, „Systemy Logistyczne Wojsk”,2016, nr 45, s. 51-66.
22. Żurek J., Ziółkowski J., Borucka A. A method for determination of combat vehicles availability by means of statistic and econometric analysis, Safety and Reliability. Theory and Applications, ESREL2017, s. 2925-2934.
23. Żurek J., Ziółkowski J., Borucka A. Application of Markov processes to the method for analysis of combat vehicle operation in the aspect of their availability and readiness, Safety and Reliability. Theory and Applications, ESREL2017, s. 2343-2352.
24. Żurek J., Ziółkowski J., Borucka A. Research of automotive vehicles operation process using the Markov model, Safety and Reliability. Theory and Applications, ESREL2017, s. 2353-2362.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-89337595-7bdd-466f-bb35-54197fcf5ffa