Smart Software VP Research presenteert op Business Analytics Conference, INFORMS 2022
Dr. Tom Willemain leidt INFORMS-sessie “Het inventarisatieslagveld domineren: willekeur bestrijden met willekeur.”
Belmont, Massachusetts, maart 2022 – Smart Software, Inc., leverancier van toonaangevende oplossingen voor vraagprognose, planning en voorraadoptimalisatie, heeft vandaag aangekondigd dat Tom Willemain, Vice President for Research, een presentatie zal geven op de INFORMS Business Analytics Conference, van 3-5 april 2022, in Houston, Texas.
Dr. Willemain zal een sessie presenteren over hoe de volgende generatie analytics leiders in de toeleveringsketen in productie, distributie en MRO bewapent met tools om willekeur in vraag en aanbod te bestrijden. Tijdens zijn sessie zal hij de volgende technologieën toelichten:
(1) Filtering van regimewijzigingen om gegevensrelevantie te behouden tegen plotselinge verschuivingen in de bedrijfsomgeving.
(2) Bootstrapping-methoden om grote aantallen realistische vraag- en doorlooptijdscenario's voor brandstofmodellen te genereren.
(3) Discrete simulaties van gebeurtenissen om de invoerscenario's te verwerken en de verbanden tussen managementacties en belangrijke prestatie-indicatoren bloot te leggen.
(4) Stochastische optimalisatie op basis van simulatie-experimenten om elk item af te stemmen voor de beste resultaten.
Zonder de analyses hebben voorraadeigenaren twee keuzes: vasthouden aan een rigide bedrijfsbeleid dat meestal gebaseerd is op verouderde en ongeldige vuistregels of toevlucht nemen tot subjectief, onderbuikgevoel dat misschien niet helpt en niet schaalt.
Als de toonaangevende Business Analytics-conferentie biedt INFORMS de mogelijkheid om te communiceren met 's werelds beste voorspellingsonderzoekers en praktijkmensen. De opkomst is groot genoeg om de beste uit het veld aan te trekken, maar klein genoeg om elkaar één op één te ontmoeten en te bespreken. Daarnaast bevat de conferentie inhoud van toonaangevende analyseprofessionals die topanalysetoepassingen delen en presenteren die levens redden, geld besparen en problemen oplossen.
Over Dr. Thomas Willemaine
Dr. Thomas Reed Willemain was een deskundige statistische adviseur bij de National Security Agency (NSA) bij Ft. Meade, MD, en als lid van de Adjunct Research Staff bij een aangesloten denktank, het Institute for Defense Analyses Center for Computing Sciences (IDA/CCS). Hij is emeritus hoogleraar Industrial and Systems Engineering aan het Rensselaer Polytechnic Institute, waar hij eerder faculteitsfuncties bekleedde aan de Kennedy School of Government van Harvard en het Massachusetts Institute of Technology. Hij is ook mede-oprichter en Senior Vice President/Research bij Smart Software, Inc. Hij is lid van de Association of Former Intelligence Officers, de Military Operations Research Society, de American Statistical Association en verschillende andere professionele organisaties. Willemain behaalde het BSE diploma (summa cum laude, Phi Beta Kappa) van Princeton University en de MS en Ph.D. graden van het Massachusetts Institute of Technology. Zijn andere boeken zijn onder meer: Statistical Methods for Planners, Emergency Medical Systems Analysis (met RC Larson) en 80 artikelen in peer-reviewed tijdschriften over statistiek, operationeel onderzoek, gezondheidszorg en andere onderwerpen. Voor meer informatie, e-mail: TomW@SmartCorp.com of bezoek www.TomWillemain.com.
Over Smart Software, Inc.
Smart Software, Inc., opgericht in 1981, is een leider in het leveren van bedrijfsbrede oplossingen voor vraagprognose, planning en voorraadoptimalisatie voor bedrijven. De oplossingen voor vraagvoorspelling en voorraadoptimalisatie van Smart Software hebben duizenden gebruikers over de hele wereld geholpen, waaronder klanten bij middelgrote ondernemingen en Fortune 500-bedrijven, zoals Disney, Otis Elevator, Hitachi, Siemens, Metro Transit, APS en The American Red Cross. Smart Inventory Planning & Optimization geeft vraagplanners de tools om seizoensinvloeden, promoties, nieuwe en verouderde producten, multidimensionale hiërarchieën en periodiek gevraagde serviceonderdelen en kapitaalgoederen af te handelen. Het biedt voorraadbeheerders ook nauwkeurige schattingen van de optimale voorraad en veiligheidsvoorraad die nodig is om aan toekomstige bestellingen te voldoen en de gewenste serviceniveaus te bereiken. Smart Software heeft zijn hoofdkantoor in Belmont, Massachusetts, en is te vinden op het World Wide Web op: www.smartcorp.com.
SmartForecasts en Smart IP&O hebben gedeponeerde handelsmerken van Smart Software, Inc. Alle andere handelsmerken zijn het eigendom van hun respectieve eigenaren.
Neem voor meer informatie contact op met Smart Software, Inc., Four Hill Road, Belmont, MA 02478.
Telefoon: 1-800-SMART-99 (800-762-7899); FAX: 1-617-489-2748; E-mail: info@smartcorp.com
Smart Software VP Research presenteert op Business Analytics Conference, INFORMS 2021
Dr. Tom Willemain leidt INFORMS-sessie over Genereren van probabilistische tijdreeksscenario's
Belmont, Massachusetts, maart 2021 – Smart Software, Inc., leverancier van toonaangevende oplossingen voor vraagvoorspelling, planning en voorraadoptimalisatie, heeft vandaag aangekondigd dat Tom Willemain, Vice President for Research, een presentatie zal geven op de 2021 Virtual INFORMS Business Analytics Conference van 12 t/m 14 april.
Dr. Willemain zal een sessie presenteren over probabilistische tijdreeksscenario's en hoe dergelijke scenario's worden gebruikt, geëvalueerd en automatisch gegenereerd met behulp van de statistische bootstrap. Vaak worden OK-modellen die zakelijke beslissingen ondersteunen, gevoed door enorme aantallen probabilistische scenario's die toekomstige bedrijfsomstandigheden weergeven. Met bedrijven die bijvoorbeeld op steeds lagere aggregatieniveaus en steeds hogere frequenties werken, gebruiken vraagplanning en voorraadoptimalisatie nu modellen die worden gevoed door scenario's die de willekeur van de productvraag op dagelijkse schaal weergeven. Dr. Willemain zal bespreken hoe zelfs triviale beslissingstaken zoals het opleiden van operators profiteren van een groot aantal realistische trainingsscenario's.
Als de toonaangevende Business Analytics-conferentie biedt INFORMS de mogelijkheid om te communiceren met 's werelds toonaangevende voorspellingsonderzoekers en praktijkmensen. De opkomst is groot genoeg om de beste uit het veld aan te trekken, maar klein genoeg om elkaar één op één te ontmoeten en te bespreken. De conferentie bevat inhoud van toonaangevende analyseprofessionals, die topanalysetoepassingen delen en presenteren die levens redden, geld besparen en problemen oplossen.
Naast geavanceerde analyse-inhoud erkent en prioriteert de virtuele analyseconferentie de behoefte aan hoogwaardige "face-to-face" interacties, netwerken en samenwerking in een virtuele omgeving.
Over Dr. Thomas Willemaine
Dr. Thomas Reed Willemain was een deskundige statistische adviseur bij de National Security Agency (NSA) bij Ft. Meade, MD, en als lid van de Adjunct Research Staff bij een aangesloten denktank, het Institute for Defense Analyses Center for Computing Sciences (IDA/CCS). Hij is emeritus hoogleraar Industrial and Systems Engineering aan het Rensselaer Polytechnic Institute, waar hij eerder faculteitsfuncties bekleedde aan de Kennedy School of Government van Harvard en het Massachusetts Institute of Technology. Hij is ook mede-oprichter en Senior Vice President/Research bij Smart Software, Inc. Hij is lid van de Association of Former Intelligence Officers, de Military Operations Research Society, de American Statistical Association en verschillende andere professionele organisaties. Willemain behaalde het BSE diploma (summa cum laude, Phi Beta Kappa) van Princeton University en de MS en Ph.D. graden van het Massachusetts Institute of Technology. Zijn andere boeken zijn onder meer: Statistical Methods for Planners, Emergency Medical Systems Analysis (met RC Larson) en 80 artikelen in peer-reviewed tijdschriften over statistiek, operationeel onderzoek, gezondheidszorg en andere onderwerpen. Voor meer informatie, e-mail: TomW@SmartCorp.com of bezoek www.TomWillemain.com.
Over Smart Software, Inc.
Smart Software, Inc., opgericht in 1981, is een leider in het leveren van bedrijfsbrede oplossingen voor vraagprognose, planning en voorraadoptimalisatie voor bedrijven. De oplossingen voor vraagvoorspelling en voorraadoptimalisatie van Smart Software hebben duizenden gebruikers over de hele wereld geholpen, waaronder klanten bij middelgrote ondernemingen en Fortune 500-bedrijven, zoals Disney, Otis Elevator, Hitachi, Siemens, Metro Transit, APS en The American Red Cross. Smart Inventory Planning & Optimization geeft vraagplanners de tools om seizoensinvloeden, promoties, nieuwe en verouderde producten, multidimensionale hiërarchieën en periodiek gevraagde serviceonderdelen en kapitaalgoederen af te handelen. Het biedt voorraadbeheerders ook nauwkeurige schattingen van de optimale voorraad en veiligheidsvoorraad die nodig is om aan toekomstige bestellingen te voldoen en de gewenste serviceniveaus te bereiken. Smart Software heeft zijn hoofdkantoor in Belmont, Massachusetts, en is te vinden op het World Wide Web op: www.smartcorp.com.
SmartForecasts en Smart IP&O hebben gedeponeerde handelsmerken van Smart Software, Inc. Alle andere handelsmerken zijn het eigendom van hun respectieve eigenaren.
Neem voor meer informatie contact op met Smart Software, Inc., Four Hill Road, Belmont, MA 02478.
Telefoon: 1-800-SMART-99 (800-762-7899); FAX: 1-617-489-2748; E-mail: info@smartcorp.com
Aanbevolen bron: 'Practical Time Series Forecasting: A Hands-On Guide', door Galit Schmueli
Een leesbaar, goed georganiseerd leerboek kan van onschatbare waarde zijn om "bedrijfsvoorspellers in opleiding te helpen de basisprincipes van tijdreeksvoorspelling te begrijpen", zoals Tom Willemain opmerkt in de conclusie van deze recensie, oorspronkelijk gepubliceerd in Vooruitziendheid: The International Journal of Applied Forecasting. De review is voornamelijk geschreven voor een academisch publiek, maar dient ook voor onervaren vraagplanningprofessionals door hen te wijzen op een diepgaande bron.
Dit nette boekje heeft tot doel "de lezer kennis te laten maken met kwantitatieve prognoses van tijdreeksen op een praktische, praktische manier." Voor een bepaald soort lezer zal het ongetwijfeld lukken, en wel op een stijlvolle manier.
De auteur, dr. Galit Shmueli, is de door SRITNE voorgezeten hoogleraar data-analyse en universitair hoofddocent statistiek en informatiesystemen aan de Indian School of Business, Hyderabad. Ze is auteur of co-auteur van verschillende andere boeken over toegepaste statistiek en bedrijfsanalyse.
Het boek is bedoeld als tekst voor een cursus "mini-semester" voor afgestudeerde of niet-gegradueerde studenten. Ik denk dat het te ver gaat om te geloven dat er hier genoeg technisch materiaal is om als basis te dienen voor een masteropleiding, maar ik zie dat het goed werkt voor studenten in industriële techniek of management die een eerdere cursus statistiek hebben gehad (en daarom zullen inderdaad kunnen "herinneren dat een 95%-voorspellingsinterval voor normaal verdeelde fouten ..." is).
Er zijn oefeningen aan het einde van het hoofdstuk van de juiste omvang en zelfs opstellingen voor drie real-world semesterprojecten, zodat instructeurs het boek kunnen gebruiken zoals de auteur het voor ogen had. Het boek illustreert de punten met behulp van XLMiner, een Excel-invoegtoepassing, en studenten kunnen de gratis demoversie gebruiken voor bijna alle oefeningen. Tekstdatasets zijn beschikbaar op de website van het boek, die ook een gratis 'dashboard'-applicatie voor tijdreeksanalyse biedt. De auteur merkt op dat andere software kan worden gebruikt in plaats van XLMiner en vermeldt de prognosebibliotheek van Minitab, JMP en Rob Hyndman in R.
Tijdens het lezen van dit boek was ik aangenaam verrast door de helderheid ervan. Nadat ik onlangs tijd had besteed aan het corrigeren van het technische proza van twee verder goede afgestudeerde studenten, vond ik het schrijven in dit boek een verfrissend contrast, waardoor technische concepten begrijpelijk werden.
Een ander voordeel van dit boek is de selectie van onderwerpen. De technische zijn redelijk standaard (afvlakkingsmethoden, regressie met behulp van polynoomtrends en dummy-variabelen), maar variëren ook een beetje in de richting van meer exotisch (logistische regressie, neurale netwerken, een beetje ARIMA). Indrukwekkender is de opname van wat "meta-onderwerpen" kunnen worden genoemd die relevant zijn voor prognoses: prestatiebeoordeling, een overzicht van alternatieve technische benaderingen en een over het prognoseproces, van het definiëren van doelen tot manieren om rapporten anders af te stemmen op management- en technische publiek. Dit is het soort voorspellende wijsheid die we vinden Chris Chatfields boek (2004), hoewel iets minder scherp gepresenteerd en met minder wiskundige uiteenzetting. Meestal raad ik Chatfields inleidende boek aan voor meer technische lezers die geïnteresseerd zijn in tijdreeksen; Ik zou het boek van Shmueli aanbevelen voor een meer algemeen publiek.
Geen beoordeling is compleet zonder haarkloverijen. Hier zijn er een paar - te weinig om mijn zeer positieve kijk op dit indrukwekkende boekje ongedaan te maken:
• De tekst is een goed argument voor 'goed opgemaakte en gemakkelijk leesbare' grafieken (p. 179). Maar ik vond veel van de schermafbeeldingen slecht afgedrukt en moeilijk te zien. Het boek is overigens zo visueel aantrekkelijk dat deze gebreken erg vreemd lijken. Het maakt met groot effect gebruik van luxueuze hoeveelheden witruimte en grillige marginale kunst, waardoor een zeer "licht" gevoel ontstaat dat het begrip zeker moet helpen.
• De auteur beweert (p. 115) dat afvlakkingsmethoden (bijv. voortschrijdende gemiddelden, exponentiële afvlakking) niet volledig geautomatiseerd kunnen worden omdat "de gebruiker afvlakkingsconstanten moet specificeren". Dit is natuurlijk niet zo, aangezien er verschillende softwarepakketten zijn die dit doen, en de tekst spreekt zichzelf later op dit punt tegen op pagina 127.
• De verder goede bespreking van autocorrelatie is misleidend wanneer wordt beweerd (p. 88) dat negatieve lag-1 autocorrelatie betekent dat "hoge waarden onmiddellijk worden gevolgd door lage waarden en vice versa." Nou ja, meestal, maar niet altijd.
Toen ik dit boek uit had, besefte ik meteen dat er buiten de klas nog een andere doelgroep is. Mijn bedrijf geeft vaak trainingssessies over het gebruik van onze software, inclusief algemene achtergrondinformatie over prognosemethoden en -processen. Als we het materiaal op XLMiner zouden kunnen uitknippen, en zelfs als we dat niet zouden kunnen, zou deze tekst een prachtige "achterwege" zijn om zakelijke voorspellers in opleiding te helpen de basisprincipes van tijdreeksprognoses te begrijpen. Het boek is zo goed geschreven, goed georganiseerd en goed ontworpen dat het zelfs gelezen zou kunnen worden. We kunnen het zeker gebruiken om onze nieuwe programmeurs te helpen de applicaties die ze ontwikkelen te begrijpen. En dit boek zou zelfs kunnen dienen als schuldig leesvoer voor een afgestudeerde student die echt wil 'snappen' wat er gaande is in Box, Jenkins en Reinsel (2008).
Thomas Willemain, PhD, was mede-oprichter van Smart Software en is momenteel Senior Vice President for Research. Dr. Willemain is ook emeritus hoogleraar Industrial and Systems Engineering aan het Rensselaer Polytechnic Institute en als lid van de onderzoeksstaf van het Centre for Computing Sciences, Institute for Defence Analyses.
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.
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.
Op elk gebied, inclusief voorspellingen, wordt volkswijsheid verzameld die zich uiteindelijk voordoet als ‘best practices’. Deze best practices zijn vaak verstandig, althans gedeeltelijk, maar missen vaak context en zijn mogelijk niet geschikt voor bepaalde klanten, sectoren of bedrijfssituaties. Er zit vaak een addertje onder het gras: een ‘ja, maar’. Deze opmerking gaat over zes doorgaans juiste voorspellingen, die niettemin hun kanttekeningen plaatsen.
