| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Ražošanas inženierzinības un vadība |
| Nosaukums |
Intelektiska pieprasījuma prognozēšana farmācijas piegādes ķēdēm |
| Nosaukums angļu valodā |
Intelligent Demand Forecasting for Pharmaceutical Supply Chains |
| Struktūrvienība |
22000 Inženierekonomikas un vadības fakultāte |
| Darba vadītājs |
Gaļina Merkurjeva |
| Recenzents |
|
| Anotācija |
Maģistra darba “Intelektiska pieprasījuma prognozēšana farmācijas piegādes ķēdēm” autore ir Mg.Sc.Ing. Aija Valberga, zinātniskā vadītāja - Dr.habil.sc.ing., profesore G.Merkurjeva.
Pirmajā nodaļā analizētas farmācijas piegādes ķēdes un farmaceitisko produktu portfelis, sniegta farmaceitisko produktu klasifikācija un gadījuma izpētes objekta apskats, kā arī pieprasījuma prognozēšanas izaicinājumu analīze.
Otrajā daļā tiek pētīti prognožu raksturojumi, sniegta pieprasījuma prognozēšanas metožu klasifikācija un aprakstīti farmaceitisko produktu pieprasījuma prognozēšanas modeļi. Sniegts īss apraksts farmācijas nozarē izmantojamai prognozēšanas programmatūrai.
Trešajā nodaļā tiek aprakstīta pieprasījuma prognozēšanas procedūra un tās integrēšana pirkšanas pasūtījuma procedūrā. Tiek veikta piegādes ķēdē nepieciešamā krājumu līmeņa noteikšana, vēsturisko pārdošanas datu struktūras analīze, neatkarīgo faktoru identificēšana un sniegts jaunu rīku kā produktu derīguma termiņu matrica un pirkšanas pasūtījuma loģikas apraksts.
Ceturtā nodaļa apraksta eksperimentālos scenārijus un pieprasījuma prognozēšanas aprēķina rezultātus izvēlētām pieprasījuma prognozēšanas metodēm.
Darbā kopumā izmantoti 36 literatūras avoti, tajā skaitā 3 grāmatas, 8 zinātniskās publikācijas un 25 citi avoti. Darbam ir 79 lapaspuses un 16 tabulas, 27 attēli, 22 formulas, un 5 pielikumi. |
| Atslēgas vārdi |
pieprasījuma prognozēšana, piegādes ķēdes, mākslīgais intelekts, lineārā regresija, simboliskā regresija, ģenētiskā programmēšana |
| Atslēgas vārdi angļu valodā |
demand forecasting, supply chain, artificial intelligence, AI, linear regression, symbolic regression, genetic programming |
| Valoda |
eng |
| Gads |
2018 |
| Darba augšupielādes datums un laiks |
01.06.2018 12:32:54 |
