Előrejelző algoritmusok alkalmazása az ellátási láncban

Fülöp Adrienn Anett (2020) Előrejelző algoritmusok alkalmazása az ellátási láncban. Pénzügyi és Számviteli Kar.

	PDF Szakdolgozat_Fülöp_Adrienn_Anett_WE3I4D_nyilatkozat.pdf Hozzáférés joga: Csak az archívum karbantartója nyithatja meg (titkosított dolgozat - engedéllyel) until 2025. Május 18.. Download (2MB)
	PDF Titkosítási kérelem_Fülöp_Adrienn_Anett_WE3I4D.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (42kB)
	PDF BA_TO_Fülöp_Adrienn_Anett_WE3I4D.pdf Hozzáférés joga: Csak az archívum karbantartója nyithatja meg (titkosított dolgozat - engedéllyel) until 2025. Május 18.. Download (365kB)

Absztrakt (kivonat)

<p>Napjaink fogyasztói társadalmában a piacok egyre nagyobb igényeket támasztanak a javak és szolgáltatások iránt az élet minden területén, és a számok egyre csak nőnek piac elérés, gyorsaság tekintetében. Mindezzel szemben áll annak felismerése, hogy ehhez a rohamos tempóhoz, és az igények állandó ingadozásához, sokszor nem is képes alkalmazkodni a szolgáltatói, gyártói oldal. </p><p>A Supply Planning – készáru készlet tervezés - pontosan ehhez mutat utat, módszereivel erre ad megoldást a két oldal összekapcsolásával, és éppen emiatt gondolom azt, hogy kitüntetett szerepe van az ellátási lánc irányításában. Mindehhez azonban elengedhetetlen az egésznek alapja, ami nélkül készárutervezés sem működik, a pontos igény előrejelzés, hiszen kihatása van többek között a termelés hatékonyságára, termékek elérhetőségére, a raktárak kihasználtságára, a szállításra, és ezek által a vállalati profitra is. Megvizsgáltam többféle utólagos mérséklési megoldást, amivel még javítható egy-egy rosszul előrejelzett periódus, azonban mint általában minden problémánál, a legjobb védekezést itt is a megelőzés jelenti, éppen ezért kezdtem el ezen a területen vizsgálódni, kutatni, és a már oly sok helyen tapasztalt automatizációs fejlesztések témájába elmélyedni.</p><p>Témaválasztásom ezért esett erre a területre, mert úgy gondoltam, hogy a kutatói munka által sokat fejlődhetek, és az elnyert tudás továbbadásával másokat is segíthetek, hogy sikeresen tevékenykedhessenek ebben a szektorban.  </p><p>Tanulmányomban egy általános átfogó képet alkottam az ellátási láncról, legfőképpen készáru készlet tervezői szemszögből, illetve mélyrehatóbban ismertettem az ehhez fűződő folyamatokat. Bemutattam a készáru készlet tervezés fő bementei adatát képző alapvető előrejelző algoritmusok működését, egymáshoz mértem ezeket és megállapítottam adott esetben erősségüket, gyengeségüket. A kutatott algoritmusokat Excel-ben reprodukáltam, és már itt is megversenyeztettem azokat egy mesterséges idősoron, ami szezonalitást és enyhe trendet is tartalmazott.</p><p>A fejlesztés lehetőségét mindenféleképpen az előrejelzés pontosságának javításában láttam így a bemutatott algoritmusok hibridizációjával, és saját egyedülálló ötleteimmel létrehoztam egy innovatív előrejelző algoritmust is, melynek az Adrecaa nevet adtam. Sikerült megalkotnom egy olyan metódust, amely képes kezelni a szezonális hatásokat, azonban egy szezonalitás nélküli terméken is megállja a helyét. </p><p>Miután tökéletesítettem az elképzeléseim szerint a módszert, meg kívántam bizonyosodni arról, hogy valós piacok valós eladásain tanítva az algoritmusomat jobb eredményeket érhetek e el az új fejlesztéssel az előrejelzés pontosságát tekintve. A mérést egy algoritmus verseny folytán végeztem, melynek bemeneti adatai rendkívül kritikus helyről származó, érzékeny eladási számok voltak. Amit mindenképpen érdemes tudni róluk az az, hogy az Egyesült Királyság Amazonon keresztüli anonimizált értékesítési számadatairól van szó (valamennyi Philips gyártmány, szájápolás és higiénia, baba-mama illetve konyhai-háztartási kisgépek kategóriából vegyesen), három évre visszamenőleg.  A megszokott trend és szezon (és persze a véletlen) hatásain kívül a Brexitnek illetve a koronavírus jelenlétének is kihatása volt az eladási számokra. Az eredmények ebben a megpróbáltató környezetben születtek meg, így kiválóan mérhető volt az Adrecaa módszer nem mindennapi közegben is.</p><p>Mivel ezek után már rendelkezésemre állt az algoritmus verseny eredménye az én módszerem nélkül, és azzal együtt is, könnyedén kimutathatóvá és összehasonlíthatóvá váltak az eredmények, amik a következő képpen alakultak a 2020. februári előrejelzéseket illetően. Azokon a termékeken, ahogy az Adrecaa lett kiválasztva a nélküle futtatott versenyben győztesként kikerült algoritmus helyett, ott 47%-kos előrejelzési pontosságról a saját módszeremet is felhasználva ez a mutató 60%-ra emelkedett. Ugyanez az arány márciusi mérések alapján 40%-ról 80%-ra növekedett, így ezzel még inkább bizonyosságot nyert a módszerem létjogosultsága.</p><p>Látható tehát a dolgozatomban, hogy bár az ellátási láncnak csak egy kicsike szeletét vizsgáltam meg optimalizációs és automatizációs szempontból, mégis a lehetőségek végtelen tárházát találtam, amiben fejlesztési lehetőségeket lehet tenni. Bár a reprodukált algoritmusok (a fejlesztésemet kivéve természetesen) mind a múlt századból származnak, és mind egydimenziósak (azaz egy idősorosak), a jelenlegi irányvonalak egyre inkább hajlanak a többdimenziós algoritmusok irányába, és ezáltal a mesterséges intelligencia direktívái felé. Ezeknek a bemutatottaknál sokkal nagyobb adat és technológia igénye gépi futtatás esetén, azonban ez az eredményeknél mindez kifizetődik.</p>

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tanszék

Gazdaságinformatika Tanszék

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus (BA)

Konzulens(ek)

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	algoritmus(ok), ellátási lánc - ellátó hálózat, előrejelzés, Excel, idősorok
SWORD Depositor:	Archive User
Felhasználói azonosító szám (ID):	Archive User
Rekord készítés dátuma:	2020. Nov. 27. 04:25
Utolsó módosítás:	2021. Már. 29. 09:22

Actions (login required)

Tétel nézet