Technische Universiteit Delft
Faculteit Werktuigbouwkunde, Maritieme Techniek en Technische Materiaalwetenschappen Transporttechnologie / Logistieke Techniek
P.E. Hoefkens Het voorspellen van een seizoengebonden vraag.
Literatuuropdracht/scriptie, Rapport 91.3.TL.2885, Transporttechnologie, Logistieke Techniek.
Het voorspellen van de vraag naar een produkt is voor ieder bedrijf, dat van het marktgedrag afhankelijk is, van groot belang.
De seizoenfluctuaties van die vraag kunnen zorgen voor problemen in de gehele organisatie, zowel op produktieniveau als bij het voorraadbeheer en de planning. Dit maakt het voorspellen van deze periodieke fluctuaties belangrijk.
Er moet echter eerst gekeken worden naar de grootte van de potentiële besparingen die een betere vraagvoorspelling met zich meebrengt. De baten moeten de kosten en inspanning wel overtreffen.
Er zijn vele wiskundige methoden ontwikkeld waarmee een tijdreeks (time series) van de vraag goed beschreven kan worden en geëxtrapoleerd kan worden in de toekomst. Hierbij spelen 'exponential smoothing' technieken, causale verbanden en decompositietechnieken een grote rol. Belangrijk is het aantal parameters van een voorspelmodel zo veel mogelijk te beperken om de doorzichtigheid en gebruiksvriendelijkheid te vergroten en het rekenwerk te minimaliseren.
De volgende aspecten zijn belangrijk bij het maken van een goede voorspelling voor de vraag naar een produkt: er dienen voldoende gegevens uit het verleden beschikbaar te zijn.
experts met inzicht in de markt dienen de voorspellingen te interpreteren.
de vraag naar een produkt mag niet te grote, onverwachte veranderingen laten zien, tenzij deze veranderingen goed en op tijd zijn te implementeren in het voorspelmodel.
De veranderingen van de vraag naar een produkt t.g.v. seizoengebonden of periodieke invloeden kunnen verschillende oorzaken hebben. Deze periodieke fluctuaties van de vraag kunnen op een aantal manieren gecorrigeerd worden in het voorspelmodel. De correcties vinden plaats m.b.v. één of meer van de volgende vier hulpmiddelen:
additieve seizoencomponenten; multiplicatieve seizoenindices; goniometrische functies;
seizoengebonden 'dummy' variabelen.
Verder zijn de volgende omstandigheden van invloed op de keuze van de seizoencorrectie: de gebruikte methode voor vraagvoorspelling;
de voorspelhorizon (aantal perioden vooruit); de grootte en het patroon van de tijdreeks; de beschikbare tijd en budget;
de gewenste nauwkeurigheid;
de kennis van de oorzaken van de fluctuaties.
Hieruit blijkt dat door de variëteit van de omstandigheden er gezocht moet worden naar de beste voorspelmethode voor bepaalde condities. Uit onderzoeken is gebleken dat eenvoudige extrapolatietechnieken qua performance vaak weinig onderdoen voor de complexere methoden. Bovendien blijkt dat het combineren van een aantal voorspeltechnieken de resultaten kan verbeteren.
Verschillende factoren spelen een rol in de specifieke onderzochte voorspelsituaties met variërende randvoorwaarden en beïnvloeden de resultaten in termen van performance dus op verschillende manieren. Dit verklaart ook gelijk de vaak van elkaar afwijkende conclusies in de literatuur wanneer er voorspeltechnieken worden vergeleken.
Rapporten studenten Logistieke Techniek
