Vraagplanning en prognose voor intermitterende vraag: voorraad optimaliseren met behulp van probabilistische modellering
Hoe plant u de juiste voorraadniveaus wanneer u een periodieke vraag heeft, het schijnbaar willekeurige, zeer sporadische gebruikspatroon dat vooral voorkomt bij reserveonderdelen?
Probabilistische prognoses: Een fundamenteel aspect van supply chain management is nauwkeurige vraagprognose.
We pakken het probleem aan van het voorspellen van intermitterende (of onregelmatige) vraag, dwz willekeurige vraag met een groot deel van nulwaarden. Dit patroon is kenmerkend voor de vraag naar voorraden serviceonderdelen en kapitaalgoederen en is moeilijk te voorspellen. We voorspellen de cumulatieve verdeling van de vraag over een vaste doorlooptijd met behulp van een nieuw type tijdreeks-bootstrap. Om de nauwkeurigheid te beoordelen bij het voorspellen van een volledige distributie, passen we de waarschijnlijkheidsintegraaltransformatie aan de intermitterende vraag aan. Met behulp van negen grote industriële datasets laten we zien dat de bootstrapping-methode nauwkeurigere voorspellingen geeft van de verdeling van de vraag over een vaste doorlooptijd dan exponentiële afvlakking en de methode van Croston.
Neem vandaag nog contact met ons op voor meer informatie
Vraagt u een demo aan, dan laat een van onze specialisten u aan de hand van uw eigen inventory data zien hoe Smart u daarbij kan helpen!