Details

Evaluation of forecasting techniques and forecast errors :with focus on intermittent demand

by Wallström, Peter

Abstract (Summary)
Att på förhand bestämma vilken mängd resurser som krävs nästa vecka eller nästa månad kan vara både en komplicerat och riskfylld uppgift beroende av situation, trots att man känner till när resurserna behövs. Intermittent efterfrågan, eller lågrörlig efterfrågan, är när många perioder saknar efterfrågan och plötsligt sker en efterfrågan en period. Detta gör det svårare att prognostisera. Om efterfrågan underskattas kommer det att leda till förlorad försäljning och därmed förlorade intäkter. Om efterfrågan är överskattad kommer det i bästa fall att bara leda till ökat lager eller, i värsta fall, leda till osålda produkter och till slut inkurans. Artiklar med intermittent efterfrågan kan utgöra upp till 60 % av det totala lagervärdet för samtliga artiklar.Denna uppsats avhandlar prognoser av intermittent efterfrågan samt hur prognosfelen ska mätas för den valda eller de valda prognosmetoderna. Fyra prognosmetoder utvärderas med nästan 18 månaders empirisk efterfrågedata från ett tillverkande företag. De utvärderade metoderna är exponentiell utjämning, Croston och två modifierade varianter av Croston; Syntetos och Boylans metod samt modifierad Croston av Segerstedt. Fyra olika startvärden och åtta utjämningskonstanter används. Prognosmetoderna utvärderas med olika typer av prognosfel; varians (MSE och MAD), bias (CFE samt max- och minvärde av CFE) och sMAPE. Vidare sker utvärdering med ett komplimenterande mått för bias, Lagerperioder (Periods in Stock, PIS). PIS tar tidsaspekten i beaktande och inte bara storleken på prognosfelen. Dessutom undersöks två  varianter av MAD och MSE. För att förbättra utvärderingen av biasmåtten undersöks procentantalet av de efterfrågetillfällen som en prognosmetod inte kan uppfylla.Förhållandet mellan de olika prognosfelen undersöks med hjälp av principal component analysis (PCA). Prognosfelen undersöks även med binär logistisk regression för att utröna huruvida vissa prognosmetoder gynnas av vissa prognosfel. Den logistiska regressionen baseras på deskriptiv statistik för tidsserierna samt medelabsolutförändringen som tar ordningen för tidserien i beaktande såväl som variationen. Rankning och kvoter mellan olika prognosfel från olika metoder är andra tillämpade metoder. Resultatet av forskningen både bekräftar och motsäger tidigare forskning. Bland de bekräftande resultaten är den bias olika prognosmetoder har. Croston och modifierad Croston överskattar efterfrågan, Syntetos och Boylans metod underskattar efterfrågan. Exponentiell utjämning är förhållandevis fri från bias när utjämningskonstanterna har låga värden. De avvikande resultaten är att CFE inte är lämpligt att använda när antal prognosperioder är begränsat. Värdet för CFE kan indikera att prognosen är fri från bias när både PIS och procentandelen icke mött efterfrågan. PIS är dessutom mindre känslig för transienta efterfrågehändelser som kan förvränga CFE. PIS rekommenderas som ett biasmått när tidsserien är ändlig, särskilt när det gäller intermittent efterfrågan, tillsammans med måttet  procentandelen icke mött efterfrågan. Andra resultat är att MAD inte är pålitlig eftersom måttet, under vissa förhållanden, gynnar prognosmetoder som underskattar efterfrågan
Bibliographical Information:

Advisor:

School:Luleå tekniska universitet

School Location:Sweden

Source Type:Master's Thesis

Keywords:

ISBN:978-91-86233-63-1

Date of Publication:01/01/2009

© 2009 OpenThesis.org. All Rights Reserved.