Wiarygodne prognozy kluczem do usprawnienia realizacji zamówień

• Autorzy: Guzanek Patrycja , Sobecki Grzegorz , Bawoł Piotr , Borucka Anna

Identyfikatory

DOI

10.33226/1231-2037.2023.1.4

Warianty tytułu

EN

Reliable forecasts – the key to improving order fulfillment

• Języki publikacji: PL

Abstrakty

PL

Celem artykułu jest wskazanie różnic między ogólnodostępnym narzędziem prognozującym wykorzystywanym w planowaniu dostaw a dedykowanym, stworzonym specjalnie dla danej firmy. Autorzy na podstawie przeprowadzonych badań ukazują różnice w działalności sieci sklepów, prognozowaniu dostaw i ich wartości z użyciem dwóch różnych systemów wspomagających prognozowanie sprzedaży produktów. Przyjęto hipotezę badawczą, że wiarygodne prognozy są kluczowe w usprawnianiu realizacji zamówień i stanowią istotny czynnik wpływający na satysfakcję klienta oraz zdobywanie przewagi konkurencyjnej.

EN

The aim of the article is to indicate the difference between a publicly available forecasting indicator used in supplier planning and one created specifically for a given company. The authors based on the results of comparative research in the operation of chain stores, forecasting deliveries and their value with the use of various systems supporting the forecasting of product supply. A research hypothesis was adopted that reliable forecasts are crucial in improving order fulfillment and are an important factor influencing customer satisfaction and gaining a competitive advantage.

Słowa kluczowe

PL

programowanie; optymalizacja; łańcuch dostaw; planowanie; monitorowanie

EN

forecasting; optimization; supply chain; planning; monitoring

• Wydawca: Polskie Wydawnictwo Ekonomiczne SA
• Czasopismo: Gospodarka Materiałowa i Logistyka
• Rocznik: 2023
• Tom: nr 1
• Strony: 31--39
• Opis fizyczny: Bibliogr. 19 poz., rys., tab.

Twórcy

autor

Guzanek Patrycja

• https://orcid.org/0000-0001-6650-7187

autor

Sobecki Grzegorz

• Wojskowa Akademia Techniczna

• https://orcid.org/0000-0002-8728-0046

autor

Bawoł Piotr

• Wojskowa Akademia Techniczna

• https://orcid.org/0000-0003-3526-3989

autor

Borucka Anna

• Wojskowa Akademia Techniczna

• https://orcid.org/0000-0002-7892-9640

Bibliografia

• Boone, T., Ganeshan, R., Jain, A., & Sanders, N. R. (2019). Forecasting sales in the supply chain: Consumer analytics in the big data era. International Journal of Forecasting, 35(1), 170–180. https://doi.org/10.1016/j.ijforecast.2018.09.003
• Hassani, H., & Silva, E. S. (2015). Forecasting with big data: A review. Annals of Data Science, 2(1), 5–19.
• Hofmann, E., & Rutschmann, E. (2018). Big data analytics and demand forecasting in supply chains: A conceptual analysis. The International Journal of Logistics Management, 29(2), 739–766. https://doi.org/10.1108/IJLM-04-2017-0088
• Janczewska, D. (2018). Proces zarządzania zasobami wiedzy w działalności logistycznej przedsiębiorstw MŚP. Przedsiębiorczość-Edukacja, 14, 177–187. https://doi.org/10.24917/20833296.14.13
• Kayikci, Y. (2018). Sustainability impact of digitization in logistics. Procedia Manufacturing, 21, 782–789. https://doi.org/10.1016/j.promfg.2018.02.184
• Klaś, M. (2017). Wykorzystanie nowoczesnych narzędzi symulacyjnych w innowacyjnym podejmowaniu decyzji-studium przypadku. I Konferencja Naukowo-Techniczna „Innowacje w przemyśle chemicznym”, Włocławek.
• Kwiatkowska-Ciotucha, D., Załuska, U., Grześkowiak, A., & Jakubiak, M. (2021). Kompetencje w logistyce w świetle aktualnych wyzwań. Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.
• Lagorio, A., Zenezini, G., Mangano, G., & Pinto, R. (2022). A systematic literature review of innovative technologies adopted in logistics management. International Journal of Logistics Research and Applications, 25(7), 1043–1066. https://doi.org/10.1080/13675567.2020.1850661
• Mańkowski, C. (2020). Modelowanie procesów logistycznych. Wydawnictwo Uniwersytetu Gdańskiego.
• Niewiadomska, M. (2019). Wykorzystanie systemów informatycznych w logistycznej działalności przedsiębiorstw. Studia i Prace WNEiZ US, 56, 105–117. https://doi.org/10.18276/sip.2019.56-09
• Nowik, M. (2018). Big Data innowacją w logistyce i zarządzaniu łańcuchem dostaw. W: A. Reńda, D. Wronkowski, & U. Motowidlak (Red.), Różne oblicza logistyki. Zbiór prac studentów. Wydawnictwo Uniwersytetu Łódzkiego. https://doi.org/10.18778/8142-085-3.10
• Pawlicka, K., & Bal, M. (2021). Zastosowanie sztucznej inteligencji i zrównoważonych finansów łańcucha dostaw w obsłudze logistycznej omnichannel. Gospodarka Materiałowa i Logistyka, (10), 27–35. https://doi.org/10.33226/1231-2037.2021.10.3
• Płoszajski, P. (2013). Big Data: nowe źródło przewag i wzrostu firm. E-mentor, (3/50), 5–10.
• Reszka, L. (2019). Decyzje menedżerskie w logistyce. Wydawnictwo Uniwersytetu Gdańskiego.
• Ściegienny, T. (2022). Rola logistyki zwrotnej w nowoczesnych koncepcjach zarządzania łańcuchem dostaw. W: M. Bogusz, A. Piotrowska-Puchała, M. Wojcieszak, M. Mrozek (Red.), Poszerzamy horyzonty. Tom 33. Mateusz Weiland Network Solutions.
• Seyedan, M., & Mafakheri, F. (2020). Predictive big data analytics for supply chain demand forecasting: Methods, applications, and research opportunities. Journal of Big Data, 7(1), 1–22. https://doi.org/10.1186/s40537-020-00329-2
• Speranza, M. G. (2018). Trends in transportation and logistics. European Journal of Operational Research, 264(3), 830–836. https://doi.org/10.1016/j.ejor.2016.08.032
• Stor, M., & Domaradzka, A. (Red.). (2020). Zarządzanie kapitałem ludzkim 4.0 – wyzwania organizacyjne i kompetencyjne w perspektywie menedżerskiej. Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.
• Zhu, Q., & Kouhizadeh, M. (2019). Blockchain technology, supply chain information, and strategic product deletion management. IEEE Engineering Management Review, 47(1), 36–44. https://doi.org/10.1109/emr.2019.2898178

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).