Verbeter de forecasting nauwkeurigheid, elimineer overtollige voorraad en maximaliseer service levels
In deze video-tutorial presenteert Dr. Thomas Willemain, mede-oprichter en SVP Research bij Smart Software, Automatic Forecasting for Time Series Demand Projections, een gespecialiseerd algoritmisch toernooi om een geschikt tijdreeksmodel te bepalen en de parameters te schatten om de beste prognosemethoden te berekenen. Automatische prognoses van grote aantallen tijdreeksen worden vaak gebruikt in het bedrijfsleven, sommige hebben een stijgende of dalende trend en sommige hebben een seizoensgebonden karakter, dus ze zijn cyclisch, en elk van die specifieke patronen vereist een geschikte technische benadering en een geschikte statistische prognosemethode. Tom legt uit hoe het toernooi de beste prognosemethoden berekent en werkt aan een praktisch voorbeeld.
RECENTE BERICHTEN

Verward over AI en Machine Learning?
Bent u in de war over wat AI is en wat machine learning is? Weet u niet zeker waarom meer weten u zal helpen bij uw werk in voorraadplanning? Wanhoop niet. Het komt wel goed met je, en we laten je zien hoe iets van wat het ook is, nuttig kan zijn.

Centreringswet: timing, prijzen en betrouwbaarheid van reserveonderdelen
In dit artikel begeleiden we u bij het opstellen van een voorraadplan voor reserveonderdelen, waarbij prioriteit wordt gegeven aan beschikbaarheidsstatistieken zoals serviceniveaus en vulpercentages, terwijl de kostenefficiëntie wordt gewaarborgd. We zullen ons concentreren op een benadering van voorraadplanning genaamd Service Level-Driven Inventory Optimization. Vervolgens bespreken we hoe u kunt bepalen welke onderdelen u in uw inventaris moet opnemen en welke onderdelen mogelijk niet nodig zijn. Ten slotte onderzoeken we manieren om uw op serviceniveau gebaseerde voorraadplan consistent te verbeteren.

Hoe u voorraadvereisten kunt voorspellen
Het voorspellen van voorraadbehoeften is een gespecialiseerde variant van prognoses die zich richt op de bovenkant van het bereik van mogelijke toekomstige vraag. Traditionele methoden zijn vaak gebaseerd op klokvormige vraagcurves, maar dit is niet altijd accuraat. In dit artikel duiken we in de complexiteit van deze praktijk, vooral als het gaat om de intermitterende vraag.