Forecasting demand for products in distribution networks using R software

• Autorzy: Wolny Maciej , Kmiecik Mariusz

Identyfikatory

DOI

10.29119/1641-3466.2020.142.8

• Języki publikacji: EN

Abstrakty

EN

Purpose: This article addresses the issue of forecasting demand for products flowing in a distribution network conducted from the perspective of a 3PL logistics operator. Its purpose is to present a tool based on the R software, which is to be used for automatic forecasting of time series. Design/methodology/approach: The work uses the algorithm of automatic forecasting of time series implemented in the "forecast" package. The algorithm was used in a loop for different lengths of the time series to determine the best length of the series. The minimal RMSE value in the training set and in the test set were considered as optimality criteria. Findings: It is shown that the best time series length is 60 weeks in the considered case. Originality/value: The procedure for selecting the best time window length for forecasting demand for products in distribution network.

Słowa kluczowe

EN

logistics operator; forecasting; R software; distribution network

PL

operator logistyczny; prognozowanie; oprogramowanie R; sieć dystrybucji

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
• Rocznik: 2020
• Tom: z. 142
• Strony: 107--116
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Wolny Maciej

• Silesian University of Technology, Faculty of Organization and Management, Zabrze

autor

Kmiecik Mariusz

• Silesian University of Technology, Faculty of Organization and Management, Zabrze

Bibliografia

• 1. Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), pp. 716-723. doi:10.1109/TAC.1974.1100705.
• 2. Bendkowski, J., Kramarz, M., and Kramarz, W. (2010). Metody i techniki ilościowe w logistyce stosowanej. Wybrane zagadnienia. Gliwice: Wydawnictwo Politechniki Śląskiej.
• 3. Burnham, K.P., and Anderson, D.R. (2004). Multimodel inference: understanding AIC and BIC in Model Selection. Sociological Methods & Research, 33, pp. 261-304. doi:10.1177/0049124104268644.
• 4. Dittman, P. (2000). Metody prognozowania sprzedaży w przedsiębiorstwie. Wrocław: Wydawnictwo Akademii Ekonomicznej im. Oskara Langego.
• 5. Fligner, M.A., and Kileen, T.J. (1976). Distribution-Free Two-Sample Tests for Scale. Journal of the American Statistical Association, 71, pp. 210-213.
• 6. Grzelak, M. (2019). Zastosowanie modelu ARIMA do prognozowania wielkości produkcji w przedsiębiorstwie. Systemy Logistyczne Wojsk, 50.
• 7. Hyndman, R.J., and Athanasopoulos, G. (2018). Forecasting: principles and practice. Melbourne: OTexts. Retrieved from http://www.OTexts.com/fpp2, 2019.07.24.
• 8. Hyndman, R.J., and Khandakar, Y. (2008). Automatic Time Series Forecasting: The Forecast Package for R. Journal of Statistical Software, 27, pp. 1-220. https://doi.org/10.18637/jss.v027.i03.
• 9. Kawa, A. (2011). Konfigurowanie łańcucha dostaw. Teoria, instrumenty i technologie. Poznań: Wydawnictwo Uniwersytetu Ekonomicznego.
• 10. Kramarz, M., and Kramarz, W. (2012). Struktura sieci dostaw - sieciowe łańcuchy dostaw wyrobów hutniczych. In: J. Pyka (Ed.), Nowoczesność przemysłu i usług - nowe wyzwania. Praca zbiorowa (pp. 300-310). Katowice: Towarzystwo Naukowe Organizacji i Kierownictwa. Oddział w Katowicach.
• 11. Schwarz, G.E. (1978). Estimating the dimension of a model. Annals of Statistics, 6(2), pp. 461-464. doi:10.1214/aos/1176344136.
• 12. Wojciechowski, A., and Wojciechowska, N. (2015). Zastosowanie klasycznych metod prognozowania popytu w logistyce dużych sieci handlowych. Zeszyty Naukowe Uniwersytetu Szczecińskiego, 41, pp. 545-554.
• 13. Żebrucki, Z. (2012). Badania form partnerstwa logistycznego między przedsiębiorstwami. Gliwice: Wydawnictwo Politechniki Śląskiej.

Uwagi

PL

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).