Wybrane problemy zastosowania metod statystycznych w analizie popytu w przedsiębiorstwie

• Autorzy: Mesjasz-Lech A.

Warianty tytułu

EN

Chosen problems of application of statistical methods for the demand analysis in the enterprise

• Języki publikacji: PL

Abstrakty

PL

Zagadnienia związane z popytem są szczególnie istotne w planowaniu logistycznym. Biorąc pod uwagę fakt, że podstawowym celem logistyki jest zaspokojenie popytu na rynku przy możliwie najniższych kosztach, znajomość popytu jest niezbędna do jego realizacji. Znajomość popytu rynkowego determinuje prawidłowe planowanie potrzeb materiałowych oraz zmniejsza niepewność w zarządzaniu logistycznym. Analiza popytu jest w związku z tym zagadnieniem często poruszanym w literaturze przedmiotu. Niestety nie da się jej przeprowadzić bez znajomości metod statystycznych. Celem artykułu jest przedstawienie możliwości zastosowania metod statystycznych, a przede wszystkim wnioskowania statystycznego oraz funkcji regresji w celu uniknięcia błędów w analizie popytu. Uwagę zwrócono przede wszystkim na nieparametryczne testy istotności, w tym testy zgodności, które umożliwiają badanie rozkładu empirycznego popytu z rozkładem teoretycznym oraz analizę funkcji regresji, a w szczególności występowanie w szeregach czasowych obserwacji nietypowych i wpływowych oraz tzw. regresję pozorną, czyli pozorną zależność między zmiennymi, podczas gdy nie da się określić związku przyczynowo-skutkowego między nimi. W artykule pokazano nie tylko konsekwencje wynikające ze źle zastosowanych narzędzi, ale wskazano również na możliwości ich uniknięcia.

EN

Problems related to demand are particularly important in the logistics planning. Given that the primary goal of logistics is the realization of demand at the lowest possible cost, knowledge of demand is necessary to achieve it. Knowledge of market demand determines the correct planning of material requirements, and reduces uncertainty in the logistics management. The demand analysis is therefore the issue which is often discussed in the literature. Unfortunately, it can not be removed without the knowledge of statistical methods. The article presents the possibility of applying statistical methods, especially statistical inference and regression function to avoid errors in the demand analysis. The attention was paid on nonparametric tests of significance, including goodness of fit tests, which allow examination of the empirical distribution of demand from the theoretical distribution and the regression analysis, in particular the occurrence of outliers and influential observations in time series, and so. spurious regression, which is an spurious correlation between variables, while it is impossible to determine the causal relationship between them. The paper shows not only the consequences resulting from incorrectly applied tools, but also indicates the possibility of avoiding them.

Słowa kluczowe

PL

logistyka; analiza popytu; analiza statystyczna; funkcja regresji

EN

logistics; demand analysis; statistical analysis; statistical inference; regression function

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2011
• Tom: nr 5
• Opis fizyczny: Pełny teksat na CD, Bibliogr. 15 poz., tab., wykr

Twórcy

autor

Mesjasz-Lech A.

• Politechnika Częstochowska, Wydział Zarządzania

Bibliografia

• [1] Altay N., Rudisill F., Litteral L.A., Adapting Wright's modification of Holt's method to forecasting intermittent demand, "International Journal of Production Economics" 2008, No. 111, s. 389-408.
• [2] Gruszczyński M., Podgórska M. (red.), Ekonometria, Szkoła Główna Handlowa w Warszawie, Warszawa 2004.
• [3] Hsieh Y.-J., Demand switching criteria for multiple products: An inventory cost analysis, "The International Journal of Management Science" 2011, Omega 39, s. 130-137.
• [4] Krzyżaniak S., Podstawy zarządzania zapasami w przykładach, Instytut Logistyki i Magazynowania, Poznań 2002.
• [5] Kufel T., Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL, Wydawnictwo Naukowe PWN, Warszawa 2007.
• [6] Maddala G.S., Ekonometria, Wydawnictwo Naukowe PWN, Warszawa 2006.
• [7] Sałaciński T., SPC statystyczne sterowanie produkcją, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2009.
• [8] Smith C.D., Mentzer J.T., Forecasting task-technology fit: The influence of individuals, systems and procedures on forecast performance, "International Journal of Forecasting" 2010, No. 26, s. 144-161.
• [9] Syntetos A.A., Boylan J.E., On the stock control performance of intermittent demand estimators, "International Journal of Production Economics" 2006, No. 103, s. 36-47.
• [10] Syntetos A.A., Boylan J.E., On the variance of intermittent demand estimates, "International Journal of Production Economics" 2010, No. 128, s. 546-555.
• [11] Syntetos A.A., Boylan J.E., The accuracy of intermittent demand estimates, "International Journal of Forecasting" 2005, No. 21, s. 303-314.
• [12] Szajt M., Statystyka w badaniach inżynierskich - wybrane problemy metodologiczne, [w:] Mesjasz-Lech A., Nowoczesne instrumenty zarządzania, Sekcja Wydawnictwa Wydziału Zarządzania Politechniki Częstochowskiej, Częstochowa 2009.
• [13] Tempelmeier H., Materiallogistik. Modelle und Algorithmen für die Produktionsplanung und -steuerung und das Supply Chain Management, Springer-Verlag, Berlin Heidelberg New York 1999.
• [14] Wallström P., Segerstedt A., Evaluation of forecasting error measurements and techniques for intermittent demand, "International Journal of Production Economics" 2010, No. 128, s. 625-636.
• [15] Zeliaś A., Pawełek B., Obserwacje nietypowe w badaniach ekonometrycznych, [w:] Zeliaś A. (red.), Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, Materiały z XVIII Ogólnopolskiego Seminarium Naukowego, Zakopane 24-26 IV 1996, Akademia Ekonomiczna w Krakowie, Kraków 1997.