Metoda operacyjnego prognozowania wielkości popytu uwzględniająca determinanty rynku

• Autorzy: Łukasz Mach , Ryszard Knosala

Warianty tytułu

An Operative Forecast Method of Demand Including Market Determiners

• Języki publikacji: PL

Abstrakty

Jednym z kluczowych elementów planowania produkcji w przedsiębiorstwach jest poprawna i terminowa ocena rynku oraz potrzeb na nim zgłaszanych. Ocena ta najczęściej określana jest na podstawie wielkości statystyk popytu na wyroby gotowe. Decyzje dotyczące wielkości planowanej produkcji mogą być zdecydowanie lepsze, jeśli ich wybór będzie bazował na wiarygodnych prognozach. Wysoka dynamika rynku oraz nowe zjawiska rynkowe powodują, że wiele powszechnie stosowanych metod prognostycznych często uzyskuje nieakceptowalne błędy sporządzanych prognoz. Analizując problemy związane z wyborem odpowiedniej metody prognozowania, adekwatnej do warunków panujących na rynku konsumenta, podejmuje się próby zastosowania nowych metod prognostycznych. W celu zasymulowania różnorodnego spektrum czynników rynkowych następuje integracja technik sztucznej inteligencji oraz statystyczno-matematycznych metod prognostycznych, przejmując od każdej z tych grup utylitarne aspekty. Integracja metod prognostycznych ma na celu budowę narzędzia prognostycznego, posiadającego możliwość aproksymacji dynamicznie zmieniających się zjawisk rynkowych. W artykule przedstawiono proces badawczy mający na celu utworzenie metody prognozowania adekwatnej do zmiennych warunków rynkowych. Dobierając odpowiednie modele prognostyczne, wchodzące w skład opracowanej metody, przebadano grupę modeli należącą do statystyczno-matematycznych metod prognozowania oraz grupę modeli bazującą na zastosowaniu sztucznych sieci neuronowych. Celem przeprowadzonych badań jest wybór po jednym modelu prognostycznym z każdej z przebadanych grup. Po zdefiniowaniu końcowej postaci tworzonej metody, przeprowadzono proces jej weryfikacji w rzeczywistych warunkach produkcyjnych, w celu zbadania jej przydatności. (fragment tekstu)

EN

The article presents issues of demand forecast for ready made goods including the application of marketing - mix tools. The issues mentioned include: application of artificial neural networks methods, assigning parameters to market determiners in a market based on the implementation of marketing mix instruments, operative method of demand forecast its implementation and verification in an enterprise. The aim of the research is to develop a method of operative potential demand forecast for ready made goods which is a basic condition for timely and correct recognition of customers' behaviour in the target market. To attain the objectives the following actions were scheduled to be taken:Analysis of statistic - mathematical methods of forecast including the non-stationary character of the analysed phenomenon, its trend, periodic, seasonal and accidental shifts: Choice of statistic - mathematical method of forecast, approximating the analysed relationships, Determining algorithm of selected parameters for the method chosen.Analysis of neural networks with predictive properties and specification of algorithm for the choice of the kind of network and its topology: Choice of appropriate kind of a neural network, Choice of topology network, Selection of optimum network parameters.Identification of market determiners based on the application of marketing - mix instruments: Identification of product data, Identification of product price data, Identification of product distribution data, Identification of product promotion data, Including the initial constituent meaningful periodic rows, calculated by means of statistic - mathematical forecast method, method based on artificial neural networks.Development of operative demand forecast method. linking the statistic - mathematical method of forecast demand and a method based on artificial neural networks and its verification. (original abstract)

Słowa kluczowe

PL

Prognozowanie popytu; Metody prognozowania; Metodologia prognozowania; Metoda sztucznych sieci neuronowych; Sieci neuronowe

EN

Demand forecasting; Forecasting methods; Forecasting methodology; Artificial neural networks method; Neural networks

• Czasopismo: Zarządzanie Przedsiębiorstwem / Polskie Towarzystwo Zarządzania Produkcją
• Rocznik: 2005
• Numer: nr 2
• Strony: 45--56

Twórcy

autor

Łukasz Mach

• Politechnika Opolska

autor

Ryszard Knosala

• Politechnika Opolska

Bibliografia

• [1] Altkorn J.: Podstawy marketingu. Instytut Marketingu, Kraków 1996.
• [2] Box G.E.P., Jenkins G.M.: Analiza szeregów czasowych. Prognozowanie i sterowanie, PWN, Warszawa 1983.
• [3] Cieślak M.: Prognozowanie gospodarcze - metody i zastosowania, Wydawnictwo Naukowe PWN, Warszawa 1997.
• [4] Dittmann P.: Metody prognozowania sprzedaży w przedsiębiorstwie, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław 1998.
• [5] Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: Biocybernetyka i Inżynieria Biomedyczna - Sieci neuronowe, tom 6, EXIT, Warszawa 2000.
• [6] Gajda J.B.: Prognozowanie i symulacja a decyzje gospodarcze, Wydawnictwo C.H. Beck, Warszawa 2001.
• [7] Garbarski L., Rutkowski I., Wrzosek W.: Marketing, Polskie Wydawnictwo Ekonomiczne, Warszawa 2000.
• [8] Kotler Ph., Armstrong G., Saunders J., Wong V.: Marketing - podręcznik europejski, Polskie Wydawnictwo Ekonomiczne, Warszawa 2002.
• [9] Mach Ł.: Metoda operacyjnego prognozowania wielkości popytu uwzględniająca determinanty rynku, Praca doktorska, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2005.
• [10] Osowski S.: Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.
• [11] Zastosowanie metod statystycznych w badaniach naukowych II, Wydawnictwo StatSoft Polska Sp. z o.o., Kraków 2003.