| Anotācija |
PIEPRASĪJUMA PROGNOZĒŠANA, PIEPRASĪJUMA UZTVERŠANA,
LĒMUMU ATBALSTA SISTĒMA, LIGHTGBM, ARIMA, SARIMA, APSKATES
VALIDĀCIJA, INVENTORIJAS SIMULĀCIJA, DROŠĪBAS KRĀJUMI,
MAZUMTIRDZNIECĪBAS ANALĪTIKA
Precīza īstermiņa pieprasījuma prognozēšana ir svarīga mazumtirdzniecībā, jo
tā tieši ietekmē papildināšanas plānošanu, krājumu līmeņus un pakalpojumu sniegumu.
Tradicionālie modeļi, piemēram, ARIMA un SARIMA, tiek plaši izmantoti, taču tiem
ir grūtības ar pēkšņām pieprasījuma izmaiņām akciju, sezonalitātes un notikumu dēļ.
Pieprasījuma noteikšana risina šo problēmu, izmantojot papildu funkcijas, lai labāk
uztvertu pieprasījuma svārstības un uzlabotu lēmumu pieņemšanu. Šajā darbā tiek
piedāvāta un novērtēta uz pieprasījuma noteikšanu balstīta DSS mazumtirdzniecības
prognozēšanai un krājumu plānošanai.
Pētījumā tiek izveidota pilna cikla DSS, kas ietver datu pirmapstrādi, funkciju
inženieriju, modeļu apmācību, apskašanas validāciju, statistisko testēšanu un krājumu
simulāciju, izmantojot (s, S) politiku. Tiek salīdzināti trīs modeļi: ARIMA, SARIMA
un LightGBM. Veiktspēja tiek novērtēta apkopotā un kategoriju līmenī (PĀRTIKA,
HOBIJI, MĀJSAIMNIECĪBA), izmantojot MAE, RMSE, MAPE, krājumu trūkuma
līmeni un vidējos krājumus, kā arī Diebold-Mariano un Mann-Whitney testus.
Rezultāti liecina, ka apkopotā līmenī LightGBM darbojas nedaudz labāk nekā
SARIMA, un abi nepārprotami pārspēj ARIMA. Tomēr statistiskie testi liecina, ka
atšķirība starp LightGBM un SARIMA nav stipri nozīmīga 95% ticamības līmenī, kas
nozīmē, ka kopējais pieprasījums ir relatīvi stabils un labi atspoguļots sezonālos
modeļos, piemēram, SARIMA.
Kategoriju līmenī LightGBM darbojas daudz labāk nekā SARIMA un ARIMA,
ar statistiski nozīmīgiem uzlabojumiem. Tas liecina, ka pieprasījuma noteikšana ir
noderīgāka, ja pieprasījums ir svārstīgāks. Krājumu simulācija arī parāda, ka veiktspēja
ir ļoti atkarīga no drošības krājumu līmeņiem. Augstāki buferi samazina krājumu
trūkumu, bet palielina vidējos krājumus, parādot skaidru kompromisu starp
pakalpojumu līmeni un izmaksām.
Kopumā darbs parāda, ka pieprasījuma noteikšana uzlabo prognozēšanu, īpaši
detalizētākos līmeņos. Tas arī parāda, ka prognozēšana jāizvērtē pilnīgas DSS ietvaros,
5
kas ietver krājumu simulāciju un nenoteiktības pārvaldību, izmantojot lēmumus par
drošības krājumiem.
Maģistra darbs satur kopumā 127 lappuses, 17 attēlus, 14 tabulas, 75 avotus un
2 pielikumus. |
| Atslēgas vārdi |
PIEPRASĪJUMA PROGNOZĒŠANA, PIEPRASĪJUMA UZTVERŠANA, LĒMUMU ATBALSTA SISTĒMA, LIGHTGBM, ARIMA, SARIMA, APSKATES VALIDĀCIJA, INVENTORIJAS SIMULĀCIJA, DROŠĪBAS KRĀJUMI, MAZUMTIRDZNIECĪBAS ANALĪTIKA |
| Atslēgas vārdi angļu valodā |
DEMAND FORECASTING, DEMAND SENSING, DECISION SUPPORT SYSTEM, LIGHTGBM, ARIMA, SARIMA, WALK-FORWARD VALIDATION, INVENTORY SIMULATION, SAFETY STOCK, RETAIL ANALYTICS. |
