Πρόβλεψη ζήτησης με χρήση μηχανικής μάθησης και βάσεων δεδομένων στην εφοδιαστική αλυσίδα
Demand forecasting using machine learning and data bases in supply chain

Προβολή/ Άνοιγμα
Λέξεις κλειδιά
Μηχανική μάθηση ; Πρόβλεψης ζήτησης ; ΤαξινόμησηΠερίληψη
Στόχος αυτής της μεταπτυχιακής εργασίας είναι η ανάλυση της ζήτησης στην εφοδιαστική αλυσίδα ,πιο συγκεκριμένα ο αναγνώστης έχοντας διαβάσει την παρούσα εργασία θα είναι σε θέση να κατανοήσει την έννοια της ζήτησης , τους προσδιοριστικούς της παράγοντες αλλά και μέσα από ποσοτικές μεθόδους μηχανικής μάθησης να κάνει τις αντίστοιχες προβλέψεις. Η εργασία θεωρεί ότι ο αναγνώστης δεν έχει έρθει σε προηγουμένη επαφή με στατιστικές μεθόδους και βάσεις δεδομένων για αυτό τον λόγο γίνεται αναλυτική αναφορά σε βασικές στατιστικές έννοιές όπως ο μέσος ορός η διακύμανση η τυπική απόκλιση κλπ., επίσης στην εργασία κατασκευάζεται και μια απλή βάση δεδομένων για την διαχείριση προϊόντων ενός μικρού καταστήματος ηλεκτρονικών ειδών. Στην συνέχεια έχοντας αναλύσει τις βασικές έννοιές γίνεται αναφορά σε στατιστικές μεθόδους πρόβλεψης της ζήτησης όπως για παράδειγμα το αυτοπαλίνδρομο τον κινήτο μέσο ορό τον συνδυασμό αυτών των δυο(Arma) και της μεθόδου Arima , προφανώς τα χαρακτηριστικά των παραπάνω αναλύονται σε βάθος όπως για παράδειγμα η στασιμότητα ,η εποχικότητα ,η κυκλικότητα κλπ. Στην συνέχεια γίνεται η ανάλυση της ζήτησης μέσα από μοντέλα μηχανικής μάθησης όπως τα δέντρα αποφάσεων ,οι κ-κοντινότεροι γείτονες ,η γραμμική και λογιστική παλινδρόμηση για ταξινόμηση αλλά και για πρόβλεψη των επομένων τιμών των χρονοσειρων. Τέλος εφαρμόζονται πιο σύγχρονα μοντέλα για την πρόβλεψη της ζήτησης όπως τα νευρωνικά δίκτυα με την χρήση των long sort term memory κυττάρων και του Facebook prophet. Για τις παραπάνω αναλύσεις χρησιμοποιείται η γλώσσα προγραμματισμού python και τα δεδομένα όσο αναφορά την ταξινόμηση έχουν να κάνουν με την πιθανότητα ένας πελάτης να ξανά αγοράσει από το κατάστημα με βάση διάφορες μεταβλητές όπως η ηλικία ,το φύλο ,τα χρήματα που ξόδεψε στην τελευταία του αγορά και αλλά. Ενώ η πρόβλεψη της ζήτησης εφαρμόζεται στο πρώτο παράδειγμα μέσο της πρόβλεψης της τιμή του κινητού τηλεφώνου Samsung s24 ενώ στο δεύτερο παράδειγμα αναλύονται οι εξαμηνιαίες πωλήσεις από το 2012 έως το 2024 των καταστημάτων πώλησης ηλεκτρικών συσκευών πλαίσιο.