İlaç Sektöründe Zaman Serisi ve Regresyon Birleşik Modeller ile Talep Tahmini Uygulaması
| Autor: | İMECE, Salih, BEYCA, Ömer Faruk |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | Volume: 34, Issue: 3 415-425 International Journal of Advances in Engineering and Pure Sciences |
| ISSN: | 2636-8277 |
| Popis: | Accurate demand forecasting is crucially important to reduce inventory and backlogging cost. In this study, we analyze howpromos, holiday statements, price changes, stock availability and date-time features (weekdays, months etc.) affect thedemand by using several forecasting methods. Data sets were collected for the products of the global pharmaceuticalcompany providing services in Turkey. Actual daily sales data for 2016, 2017 and 2018 were used in the construction of thisdata set. In order to predict the next periods demand, we used four different models which are Holt Winters, RidgeRegression, Random Forest and Xgboost. We also ensemble those models to improve forecasting accuracy. Next, byweighting inversely proportional to the error rates of the models, binary, triple and quadruple combinations of the singlemodels were compared with themselves and the single models. Our numerical results show that the lowest forecasting errorrate was obtained in ensemble models. Particularly, the lowest error rate in individual models was obtained in Random Forestwith 15.7% RMSPE (Root Mean Square Percentage Error) value, and the lowest error rate was obtained with 10.7% RMSPEvalue in Holt Winters & Xgboost models combination. Results show that ensemble of several models can increase theforecasting accuracy. Doğru talep tahmini, karşılanmayan talep ve stok miktarını azaltmak için büyük önem taşımaktadır. Bu çalışma, yapılanpromosyonların, yıl içi tatil günlerinin, ürünün fiyatında olan değişikliklerin, ürünün stokta bulunup bulunmamasının ve bazıtarih özelliklerinin (haftanın günleri, aylar, yıllar vb.) birden çok tahmin modelinde kullanılarak talebi nasıl etkilediğininanaliz edilmesini amaçlamaktadır. Çalışma için, Türkiye'de uzun yıllar hizmet veren bir global ilaç şirketine ait bir ürünincelenmiştir. Veri seti için 2016, 2017 ve 2018 yıllarına ait günlük satış verileri kullanılmıştır. Gelecek dönemlerin talebinitahmin etmek için; Holt Winters, Ridge Regression, Rastgele Orman ve Xgboost olmak üzere dört ayrı model kullanılmıştır.Ayrıca tahmin doğruluğunu arttırmak için dört modelin birbiriyle olan kombinasyonlarından oluşan modeller dekullanılmıştır. Sonrasında, modellerin hata oranları ile ters orantılı şekilde ağırlıklandırma yapılarak, tekli modellerin ikili,üçlü ve dörtlü kombinasyonları elde edilmiş ve hata oranları hem kendi aralarında hem de tekli modellerle kıyaslanmıştır.Sonuçlar, en düşük tahminleme hatalarının birleştirilmiş modellerden elde edildiğini göstermiştir.Oluşturulan tüm modellerhata oranı bakımından kıyaslandığında, hata oranı en düşük modelimiz %10,7 RMSPE (Kök ortalama Kare Yüzde Hata)değeri ile Holt Winters ve Xgboost modellerinin kombinasyonlarından oluşan kombinasyon olmuştur. Sonuçlar, birden çokmodelin birlikte kullanılarak talep tahmininin doğruluk oranının artırılabileceğini göstermiştir. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|