New Forecasting Technique for Intermittent Demand, Based on Stochastic Simulation. An Alternative to Croston’s Method

Mariusz Doszyń

doi:10.18778/0208-6018.338.03

Autor

Mariusz Doszyń University of Szczecin, Faculty of Economics and Management, Institute of Econometrics and Statistics

DOI:

https://doi.org/10.18778/0208-6018.338.03

Słowa kluczowe:

prognozowanie popytu nietypowego, metoda Crostona, symulacja stochastyczna, błędy prognoz

Abstrakt

Głównym celem artykułu jest przedstawienie nowej techniki prognozowania popytu nietypowego (sporadycznego). Aby zaprezentować właściwości proponowanej techniki, przeanalizowano dokładność prognoz generowanych metodą Crostona i metodą autora (opartą na symulacji stochastycznej). Do porównań przyjęto również takie metody, jak średnia ruchoma i proste wygładzanie wykładnicze. Zastosowano również metodę SBA, która jest modyfikacją metody Crostona. Metoda Crostona jest rozszerzeniem metod adaptacyjnych. Oddzielnie analizowane są odstępy między niezerową sprzedażą oraz poziom sprzedaży. Jej celem jest lepsze prognozowanie nietypowego (sporadycznego) popytu. Drugą metodą prognostyczną jest propozycja autora, która opiera się na dwóch etapach. W pierwszym, w oparciu o symulację stochastyczną, określa się, czy zdarzenie (sprzedaż) w danym okresie wystąpi. W drugim etapie szacowany jest poziom sprzedaży (jeśli poprzedni etap pokazuje, że nastąpi sprzedaż). Ze względu na silną asymetrię sprzedaży jej poziom ustalany jest na podstawie odpowiednich kwantyli. Podstawą prognozowania są cotygodniowe serie sprzedaży około czternastu tysięcy produktów (dane rzeczywiste). Analizowane szeregi czasowe można zdefiniować jako nietypowe, co przejawia się niewielką liczbą niezerowych obserwacji (duża liczba zer), dużą zmiennością i losowością (testy losowości wskazują na biały szum). Stosowane miary błędów prognoz charakteryzują zarówno obciążenie, jak i efektywność prognoz. Błędy prognoz zostaną dostosowane do szeregów czasowych z dużą liczbą zer (w tym autorska propozycja miary błędu prognozy). Prognozy zweryfikowano ze względu na rozkłady czterech błędów ex post: błędu średniego (ME), średniego odchylenia bezwzględnego (MAD), średniego absolutnego błędu skalowanego (MASE) i błędu D (propozycja autora). Metoda prognozowania oparta na symulacji stochastycznej jest najmniej obciążona i najbardziej efektywna. Metoda Crostona daje dodatnio obciążone prognozy o raczej niskiej efektywności. Proponowana technika prognozowania może wspierać decyzje podejmowane w przedsiębiorstwach, które borykają się z problemem prognozowania sporadycznego popytu. Bardziej dokładne prognozy mogą zwiększyć poziom obsługi klienta i zoptymalizować poziom zapasów.

Pobrania

Brak dostępnych danych do wyświetlenia.

Biogram autora

Mariusz Doszyń - University of Szczecin, Faculty of Economics and Management, Institute of Econometrics and Statistics

Bibliografia

Boylan J.E., Syntetos A.A. (2007), The accuracy of a Modified Croston procedure, “International Journal of Production Economics”, vol. 107, pp. 511–517.
Google Scholar

Croston J.D. (1972), Forecasting and stock control for intermittent demands, “Operational Research Quarterly” 1970–1977, vol. 23(3), pp. 289–303.
Google Scholar

Doszyń M. (2017), Forecasting of Randomly Distributed Zero–inflated Time Series, “Folia Oeconomica Stetinensia”, vol. 17(1), pp. 7–19.
Google Scholar

Hyndman R.J., Koehler A.B. (2006), Another look at measures of forecast accuracy, “International Journal of Forecasting”, vol. 22(4), pp. 679–688.
Google Scholar

Shukur G., Doszyń M., Dmytrów K. (2017), Comparison of the Effectiveness of Forecasts Obtained by Means of Selected Probability Functions with Respect to Forecast Error Distributions, “Communications in Statistics. Simulation and Computation”, vol. 46, no. 5, pp. 3667–3679, http://dx.doi.org/10.1080/03610918.2015.1100734.
Google Scholar

Syntetos A.A. (2001), Forecasting of intermittent demand, A Thesis submitted for the degree of Doctor of Philosophy, Business School, Buckinghamshire Chilterns University College, Brunel University, London.
Google Scholar

Syntetos A.A., Boylan J.E. (2005), The accuracy of intermittent demand estimates, “International Journal of Forecasting”, vol. 21(2), pp. 303–314.
Google Scholar

Teunter R.H., Syntetos A.A., Babai M.Z. (2011), Intermittent demand: Linking forecasting to inventory obsolescence, “European Journal of Operational Research”, vol. 214, pp. 606–615.
Google Scholar

Xu Q., Wang N., Shi H. (2012), A Review of Croston’s Method for Intermittent Demand Forecasting, 9th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD 2012).
Google Scholar