Készletoptimalizálási probléma megoldása adatbányászati módszerekkel

OData támogatás
Konzulens:
Nagy István
Távközlési és Médiainformatikai Tanszék

A raktárkészlet hatékony menedzselése egy fontos tényező egy szervezet sikeressége szempontjából. Ha a beszerzési folyamatok tervezése során a termékmenedzserek rosszul mérik fel a szükséges igényeket, akkor a tárolási költségek szükségtelenül növekedhetnek, másrészről, ha alulbecslik a keresletet, akkor nem tudják kielégíteni a vásárlók igényeit, ez a profit csökkenésében mutatkozhat meg.

Az adatbányászat egy hatékony eszközt adhat a termékmenedzserek kezébe, mely segíthet a folyamatok optimalizálásában, a tárolási és logisztikai költségek csökkentésében.

Egy autószalon készletoptimalizálási problémájának a megoldása volt a feladatom, melyet egy idősor előrejelzéseként fogalmaztam meg. A rendelkezésemre álló adathalmaz a múltban eladott járművekről tartalmazott információkat (típus, felszereltség, eladás dátuma). A múltbéli eladások alapján egy modellt lehet felállítani az eladási számokra, amelyet felhasználva előrejelezhető, hogy várhatóan mekkora készletet kell fenntartani az egyes termékekből a közeljövőben.

Készítettem néhány baseline algoritmust, melyek egyszerű módszereket használnak a termékeladások előrejelzéséhez. Ezekkel az algoritmusokkal vetettem össze az modellek teljesítményét. A cél a baselineoknál jobb teljesítmény elérése volt.

Különböző adatelőkészítési és modellezési technikákat próbáltam ki, használtam döntési fákat, neurális hálókat, lineáris és logisztikus regressziót. Háromféle előrejelzési időintervallumra készítettem modelleket (heti, kétheti, négyheti előrejelzés). Az eredmények azt mutatták, hogy sikerült a baselineoknál jobb teljesítményt nyújtó modelleket létrehoznom, ezáltal elértem a munka elején kitűzött üzleti célt.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.