Forecasting of customer demand for seasonal goods using retail curve vector
| Autor: | Nikulchenko, Artem Aleksandrovych |
|---|---|
| Jazyk: | ruština |
| Rok vydání: | 2018 |
| Předmět: |
товарний запас
управління запасами прогнозування попиту вектор кривої продажів сезонний товар мікро-сервісна архітектура товарный запас управление запасами прогнозирование спроса вектор кривой продаж сезонный товар микросервисная архитектура inventory stock inventory control demand forecasting retail curve vector seasonal goods micro-service architecture |
| Zdroj: | Bulletin of National Technical University "KhPI". Series: System Analysis, Control and Information Technologies; № 21 (2018); 23-27 Вестник Национального технического университета "ХПИ". Серия: Системный анализ, управление и информационные технологии; № 21 (2018); 23-27 Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї; № 21 (2018); 23-27 |
| ISSN: | 2079-0023 2410-2857 |
| Popis: | A method for forecasting the demand for seasonal goods using the vector of distribution of sales during the year, called retail curve vector is proposed. Components of retail curve vector are the weekly sales volumes of the considered or similar product, obtained on the basis of sales statistics for the previous calendar year. The condition of applicability of the proposed method is the fulfillment of the hypothesis about the convergence of the corresponding weekly sales volumes of two consecutive years and the hypothesis about the existence of goods groups with similar sales dynamics. The application of the method allows to build a demand forecast for the goods within the next week based on sales volumes data for the previous few weeks of the current and previous years, as well as sales volumes data for the same week of the previous year. Software architecture to implement proposed method for forecasting demand using a micro-service architecture based on the Google Cloud Platform is presented. Such components as Google Kubernetes Engine, Google BigQuery, Redis as used. To reduce the computational load on the main system, necessary data is copied to the OLAP system and required forecast is build without usage of the OLTP system. The results of numerical experiment on forecasting the demand for goods, obtained on the basis of real data, are presented. Comparison of the results of demand forecasting using the retail curve vector and the moving average method is performed. The possibility of using proposed method of demand forecasting as a component of an automated inventory control system in supply networks is shown. Предложен метод прогнозирования спроса на сезонные товары с использованием вектора распределения объемов продаж в течение года или вектора кривой продаж, компонентами которого являются объемы недельных продаж рассматриваемого либо аналогичного товара, полученные на основе статистики продаж за предыдущий календарный год. Условием применимости предложенного метода является выполнение гипотезы о сходимости соответствующих недельных объемов продаж двух последовательно идущих лет и гипотезы о существовании групп товаров со схожей динамикой продаж. Применение метода позволяет построить прогноз спроса на товар в течение следующей недели на основе данных об объемах продаж за предыдущие несколько недель текущего и предыдущего годов, а также данных об объемах продаж за интересующую неделю предыдущего года. Представлены особенности программной реализации предложенного метода прогнозирования спроса с использованием микро-сервисной архитектуры на основе платформы Google Cloud Platform, с использованием таких компонентов как Google Kubernetes Engine, Google BigQuery, Redis. Для снижения вычислительной нагрузки на основную систему выполняется копирование необходимых данных для анализа в OLAP-систему и построение требуемого прогноза без использования OLTP-системы. Приведены результаты численного эксперимента по прогнозированию спроса на товар, полученные на основе реальных данных. Выполнено сравнение результатов прогнозирования спроса, полученных с использованием вектора кривой продаж и метода скользящего среднего. Показана возможность использования данного метода прогнозирования спроса в качестве компоненты системы автоматизированного управления запасами в сетях поставок. Запропоновано метод прогнозування попиту на сезонні товари з використанням вектора розподілу обсягів продажів протягом року або вектора кривої продажів, компонентами якого є обсяги тижневих продажів розглянутого або аналогічного товару, отримані на основі статистики продажів за попередній календарний рік. Умовою застосування запропонованого методу є виконання гіпотези про збіжність відповідних тижневих обсягів продажів двох років, які йдуть послідовно, і гіпотези про існування груп товарів зі схожою динамікою продажів. Застосування методу дозволяє побудувати прогноз попиту на товар протягом наступного тижня на основі даних про обсяги продажів за попередні кілька тижнів поточного і попереднього років, а також даних про обсяги продажів за тиждень, який цікавить, попереднього року. Представлені особливості програмної реалізації запропонованого методу прогнозування попиту з використанням мікросервісної архітектури на основі платформи Google Cloud Platform, з використанням таких компонентів як Google Kubernetes Engine, Google BigQuery, Redis. Для зниження обчислювального навантаження на основну систему виконується копіювання необхідних даних для аналізу в OLAP-систему і побудова необхідного прогнозу без використання OLTP-системи. Наведено результати чисельного експерименту щодо прогнозування попиту на товар, отримані на основі реальних даних. Виконано порівняння результатів прогнозування попиту, отриманих з використанням вектора кривої продажів і методу змінного середнього. Показана можливість використання даного методу прогнозування попиту в якості компоненти системи автоматизованого управління запасами в мережах поставок. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|