| dc.contributor.advisor | Μοσχούρης, Σωκράτης | |
| dc.contributor.author | Κρανάς, Νικόλαος | |
| dc.date.accessioned | 2026-04-28T12:50:38Z | |
| dc.date.available | 2026-04-28T12:50:38Z | |
| dc.date.issued | 2026 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/19224 | |
| dc.description.abstract | Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή και την αποτελεσματικότητα διαφόρων μεθόδων πρόβλεψης στο πεδίο των logistics, με στόχο τη βελτιστοποίηση της διαχείρισης αποθεμάτων, της ζήτησης και των εφοδιαστικών ροών. Η ακρίβεια στις προβλέψεις αποτελεί κρίσιμο παράγοντα για τη μείωση κόστους, τη διατήρηση επάρκειας προϊόντων και την αποτελεσματική λειτουργία της εφοδιαστικής αλυσίδας. Επομένως, η ανάπτυξη ακριβών μοντέλων πρόβλεψης για τον όγκο παραγγελιών είναι απαραίτητη για την αποδοτική διαχείριση πόρων και τον επιτυχή επιχειρηματικό σχεδιασμό.
Αρχικά, πραγματοποιείται θεωρητική επισκόπηση των βασικών ποσοτικών και ποιοτικών μεθόδων πρόβλεψης, όπως ο κινούμενος μέσος όρος (Moving Average), η εκθετική εξομάλυνση (Exponential Smoothing), Delphi Model, και έρευνα αγοράς μέσω ανώνυμων ερωτηματολογίων. Παρουσιάζονται τα πλεονεκτήματα, οι περιορισμοί και τα πεδία εφαρμογής τους.
Στη συνέχεια, ενσωματώνεται μία μελέτη περίπτωσης που βασίζεται σε ρεαλιστικά ιστορικά δεδομένα ζήτησης προϊόντων σε μια εταιρεία στον τομέα των τροφίμων και ποτών, όπου εφαρμόζονται και συγκρίνονται οι προβλεπτικές επιδόσεις διαφορετικών μεθόδων. Η αξιολόγηση πραγματοποιείται με βάση δείκτες όπως το MAPE και το RMSE κ.α.
Τα αποτελέσματα δείχνουν ότι οι μέθοδοι, οι οποίες λαμβάνουν υπόψη την εποχικότητα και τη γενική τάση των δεδομένων, αποδίδουν καλύτερα σε σενάρια με μεταβλητή ζήτηση. Τέλος, παρουσιάζονται προτάσεις για τη βέλτιστη αξιοποίηση των μεθόδων πρόβλεψης στον τομέα των logistics. | el |
| dc.format.extent | 93 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Ανάλυση των μεθόδων πρόβλεψης στο πεδίο των logistics | el |
| dc.title.alternative | Analysis of forecasting methods in the field of logistics | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Ναυτιλίας και Βιομηχανίας. Tμήμα Βιομηχανικής Διοίκησης και Tεχνολογίας | el |
| dc.description.abstractEN | This work examines the application and effectiveness of forecasting methods in logistics, aiming to optimize inventory management, demand planning, and supply flows. Forecast accuracy is a critical driver of cost reduction, product availability, and overall supply chain performance. Developing reliable models for predicting order volumes is therefore essential for efficient resource allocation and successful business planning.
The study first provides a theoretical overview of key quantitative and qualitative forecasting techniques, including Moving Average, Exponential Smoothing, the Delphi method, and market research via anonymous surveys, highlighting their advantages, limitations, and typical use cases. It then incorporates a case study based on realistic historical demand data from a company in the food and beverage sector, where multiple methods are implemented and their predictive performance compared. Evaluation is conducted using metrics such as Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE), among others.
The results indicate that approaches accounting for seasonality and underlying trends deliver superior performance in scenarios with variable demand. The thesis concludes with practical recommendations for selecting and deploying forecasting methods to achieve robust, actionable demand forecasts in logistics settings. | el |
| dc.contributor.master | Βιομηχανική Διοίκηση και Τεχνολογία | el |
| dc.subject.keyword | Μέθοδοι πρόβλεψης | el |
| dc.subject.keyword | Εφοδιαστική αλυσίδα | el |
| dc.subject.keyword | Ποιοτικές μέθοδοι πρόβλεψης | el |
| dc.subject.keyword | Ποσοτικές μέθοδοι πρόβλεψης | el |
| dc.date.defense | 2026-03-18 | |