Ograniczanie wyników
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 1

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Przy rozliczeniach terminowych powszechnym zjawiskiem jest fakt, że zamówienia składane są w dużych odstępach czasu na stosunkowo dużą kwotę. Następnie następuje okres sprzedaży zamówionych produktów i akumulacja gotówki na spłatę zobowiązań. Często zdarza się, że pewnych produktów zaczyna już brakować, ale nie składa się zamówień oczekując na zebranie kwoty wystarczającej do spłaty poprzedniej zaległości zezwalającej na ponowny zakup z odroczonym terminem płatności. Odnotowujemy więc podwójną stratę. Zupełnie inaczej wygląda sytuacja w przypadku, gdy operujemy zamówieniami w krótkim odstępie czasu – maksymalne wykorzystanie obrotu gotówki gwarantuje przede wszystkim uniknięcie braków w asortymencie. Celem artykułu było zbudowanie modelu szeregu czasowego umożliwiającego predykcję wielkości sprzedaży w kolejnych dniach w wybranym przedsiębiorstwie. Wysokość obrotu dziennego jest czynnikiem mającym największy wpływ na efektywne zarządzanie gotówką i towarem dlatego też prognoza jest tak istotna. W badaniach wykorzystano modele SARIMA oraz sztuczne sieci neuronowe.
EN
The research objective was to build a time series models for forecasting sales. In the paper, the analysis of the possibility of using SARIMA models as well as artificial neural networks to forecast demand level at some trading company were introduced. The results has satisfied the authors.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.