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
Gewijzigd: 2000.07.23;
logistics@3mE.tudelft.nl
, TU Delft
/ 3mE
/ TT
/ LT.