System wczesnego ostrzegania w łańcuchu dostawSystem wczesnego ostrzegania w łańcuchu dostawSystem wczesnego ostrzegania w łańcuchu dostawSystem wczesnego ostrzegania w łańcuchu dostaw
  • Produkty
  • Jak działa AI Dature
  • Branże
  • O nas
  • Baza wiedzy
  • Współpraca
  • Wsparcie
  • UE Flaga
  • Polski
    • Angielski
Polski
  • Angielski
✕
            Brak wyników wyszukiwania Zobacz wszystkie wyniki
            Nominacja do tytułu POLSKIEJ NAGRODY INNOWACYJNOŚCI 2020
            26 czerwca 2020
            Wpływ dni kalendarzowych na trafność prognoz
            2 października 2020
            Aktualności

            System wczesnego ostrzegania w łańcuchu dostaw

            Patrząc na obecny rozwój pandemii wszystko wskazuje na to, że znaleźliśmy się w błędnym kole. Po fali kolejnych luzowań restrykcji, rządy wielu krajów zastanawiają się nad ponownym powrotem do ograniczeń swobód. Nikt nie wie jak głębokie będą restrykcje, ani kiedy zostaną wprowadzone. Pewne jest natomiast to, że spowodują kolejne perturbacje zachowań popytu i podaży.
            Czy możliwe jest wyznaczenie kursu w jakim powinny zmierzać nasze decyzje w zakresie optymalizacji łańcucha dostaw, zanim wpłyniemy na skały ?
            Rozwiązaniem, które z pewnością warto rozważyć, jest zbudowanie systemu wczesnego ostrzegania, który pozwali z wyprzedzeniem wyłapać sytuacje potencjalnego ryzyka sytuacji out-of-stock i overstock. Do budowy takiego rozwiązania potrzebujemy z jednej strony narzędzia do generowania trafnych prognoz popytu, tj. takiego, które pozwoli na szybkie dostosowanie modeli do zmian zachowań rynku. Z drugiej strony narzędzia do częstej analizy projekcji stanów zapasów w przyszłości.
            Trafność prognoz można zwiększyć poprzez zastosowanie kilku elementów. Pierwszym z nich jest mechanizm uczenia maszynowego pozwalający na symulacje wielu różnych modeli prognostycznych w odniesieniu do każdego SKU i wybór tego, który jest najlepiej dopasowany do wzorca popytowego w danej chwili. Ponieważ popyt w obecnych czasach może gwałtownie się zmieniać, model taki powinien być dobierany za każdym razem kiedy wprowadzone zostaną nowe dane sprzedażowe, np. aktualizowany raz w tygodniu. Drugim elementem jest oczyszczenie danych historycznych z Outlierów i zmniejszenie ich wpływu na obecny popyt w stosowanych modelach prognostycznych. Trzecim jest uwzględnienie w prognozowaniu wpływu tzw. „dni kalendarzowych”, które mają istotny wpływ na wzorce popytowe.
            Do przeprowadzenia projekcji stanu zapasów w przyszłości konieczna jest zarówno znajomość prognoz popytu jak również realnych ograniczeń w łańcuchu dostaw oraz celów biznesowych (najczęściej wyrażonych w postaci wymaganej dostępności tzw. Service Level). Realne ograniczenia w łańcuchu dostaw można uchwycić między innymi poprzez śledzenie dostępności naszych dostawców czy ich Service Levelu (odchyleń w zakresie ilościowym jak i czasowym).
            Trafne prognozy pozwolą na przeprowadzenie symulacji konsumpcji zapasu przez popyt, a znajomość realnych ograniczeń w łańcuchu dostaw na wyliczenie momentu złożenia zamówień i optymalnej wielkości odzwierciedlającej nasz cel biznesowy tj. wymaganą dostępność produktów.

            Udostępnij
            OSTATNIE WPISY
            • Z jak zrównoważony rozwój - jak sztuczna inteligencja wspiera ochronę środowiska i walkę ze zmianami klimatu? 
            • Y jako YouTube: jak sztuczna inteligencja pomaga w tworzeniu i rekomendowaniu treści wideo? 
            • X jako XAI: co to jest i dlaczego potrzebujemy wyjaśnialnej sztucznej inteligencji? 
            • W jak wirtualna rzeczywistość - jak sztuczna inteligencja tworzy i zmienia światy cyfrowe? 
            TAGI
            • #AI
            • #bullwhip-effect
            • #covid19
            • #łańcuch-dostaw
            • #NCBiR
            • #optymalizacja-zapasów
            • #out-of-stock
            • #outllier
            • #overstock
            • #prognozowanie
            • #prognozowanie-popytu
            • #Program-Operacyjny-Inteligentny-Rozwój-2014-2020
            • #projekcja-zapasów
            • #projekcja-zapasów-w-czasie
            • #service-level-dostawcy
            • #sieci-neuronowe
            • #supplychain
            • #sztuczna-inteligencja-od-A-do-Z
            • #zapas-bezpieczeństwa
            • #zapas-sezonowy
            • #zapas-zabezpieczający
            • #zarządzanie-zapasem

            Powiązane wpisy

            25 sierpnia 2023

            Y jako YouTube: jak sztuczna inteligencja pomaga w tworzeniu i rekomendowaniu treści wideo? 


            PRZECZYTAJ

            YouTube, stanowiący największą globalną platformę wideo, codziennie transmituje ponad miliard godzin materiałów filmowych. W celu skutecznego zarządzania tak imponującą ilością treści, YouTube aktywnie wykorzystuje możliwości sztucznej […]

            22 sierpnia 2023

            X jako XAI: co to jest i dlaczego potrzebujemy wyjaśnialnej sztucznej inteligencji? 


            PRZECZYTAJ

            Sztuczna inteligencja (AI) znajduje coraz szersze zastosowanie w różnych sektorach, od medycyny i edukacji po biznes, bezpieczeństwo i rozrywkę. Mimo to, często pozostaje dla nas niejasne, […]

            16 sierpnia 2023

            W jak wirtualna rzeczywistość – jak sztuczna inteligencja tworzy i zmienia światy cyfrowe? 


            PRZECZYTAJ

            Wirtualną rzeczywistość (VR) definiuje się jako trójwymiarowy cyfrowy krajobraz, który umożliwia użytkownikowi swobodne poruszanie się i interakcje, angażując jeden lub więcej z pięciu zmysłów człowieka. VR […]

            Już teraz

            Zapisz się do newslettera

              Podanie danych w formularzu jest niezbędne do subskrypcji newslettera. Dane z formularza przetwarzane będą na podstawie udzielonej zgody art. 6 ust. 1 lit. a) RODO. Administratorem Twoich danych jest Smartstock Sp. z o.o. z Poznania (ul. Królowej Jadwigi 43, 61-871 Poznań, biuro@smartstock.cloud). Wszelkie informacje w zakresie przetwarzania danych podanych w formularzu oraz posiadanych uprawnieniach znajdziesz w Polityce Prywatności.


              TEL. +48 534 288 279
              biuro@dature.cloud

              Smartstock Sp z o.o.
              ul. Królowej Jadwigi 43
              61-871 Poznań

              Zapisz się do newslettera

              NIP: 7812000413
              REGON: 384284847
              KRS: 0000802331

              • LinkedIn
              • Facebook

              Polityka prywatności i cookies   Regulamin aplikacji   Wsparcie techniczne   Zmiana decyzji co do cookies

              Wszelkie prawa zastrzeżone. © SMARTSTOCK Sp. z o.o.
              Polski
                        Brak wyników wyszukiwania Zobacz wszystkie wyniki
                        • Polski
                        • Angielski