Please use this identifier to cite or link to this item:
https://hdl.handle.net/10316/39052
Title: | Prediction of order arrivals and stock outs: an artificial neural network approach | Other Titles: | Previsão de chegadas de pedidos e saída de stock: uma abordagem de rede neural artificial | Authors: | Silva, Nathalie Santos da | Orientador: | Silva, Cristóvão Neto, Pedro Mariano Simões |
Keywords: | Supply Chain; Resilience; Artificial Neural Networks; Prediction; Cadeia de Abastecimento; Resiliência; Redes Neuronais Artificiais; Previsão | Issue Date: | 23-Jul-2015 | Place of publication or event: | Coimbra | Abstract: | Prediction of stock outs is a major issue to increase stability and reaction capacity
in supply chains (SCs). Moreover, having such predicted data at the right time empowers the
company to act proactively and avoid stock outs. In this thesis, it is stated a methodology,
applying artificial neural networks (ANNs), to predict (1) the capacity to fulfil upcoming
orders and their time in system and (2) which SC nodes will reach the re-order point and
thus, require new orders upstream. That information will give the managers time to act,
anticipate and cope with disruptions. It was designed a SC with a simulator to generate data
and feed the ANNs. The network was trained and tested with untrained values generated by
the simulator. These predictions were performed for different time horizons.
The first challenge aims to predict back orders on the retailer along with the time
to finish each order. The proposed system achieved a recognition rate (RR) greater than 99%
when predicting the events for the next period, and, for an interval of ten future periods, it
achieved results around 90%. In the second challenge, the prediction for the next period
regarding new orders through all the nodes of the SC outcome RRs of 97%. A capacidade de prever ruturas de stock é um tópico importante que permite, por um lado, o aumento da estabilidade de uma cadeia de abastecimento (SC) e por outro, a capacidade de reação de cada elo que a compõe. Para além disso, ter acesso a essa informação antecipadamente permite às empresas agir proactivamente de modo a evitar ruturas de stock. Nesta tese é apresentada uma metodologia, com a aplicação de redes neuronais artificiais (ANNs) para prever: (1) a capacidade de responder a novas encomendas e, caso o stock não seja suficiente, qual o tempo previsto para completar a encomenda, e (2) quais os elos que vão atingir o nível de stock que irá despoletar uma ordem de encomenda no elo anterior. Essa informação proporciona aos gestores a capacidade de agir, antecipar e gerir problemas de disrupções na SC. Foi desenvolvida uma SC recorrendo a um simulador para gerar valores e usá-los nas ANNs. Essas previsões foram aplicadas para diferentes horizontes temporais. O primeiro desafio consiste em prever ruturas de stock no retalhista, bem como o tempo que este vai demorar a concluir cada encomenda. O método proposto atingiu uma taxa de reconhecimento superior a 99% para prever eventos no período seguinte, e para previsões de dez períodos, atingiu valores de 90%. O segundo desafio, para a previsão de novas encomendas em cada elo da SC referentes ao período seguinte, registou resultados de 97%. |
Description: | Dissertação de Mestrado em Engenharia e Gestão Industrial apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra. | URI: | https://hdl.handle.net/10316/39052 | Rights: | openAccess |
Appears in Collections: | UC - Dissertações de Mestrado FCTUC Eng.Mecânica - Teses de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Prediction of Order Arrivals and Stock Outs in a Supply Chain.pdf | 499.74 kB | Adobe PDF | View/Open |
Page view(s)
319
checked on Oct 15, 2024
Download(s) 20
1,371
checked on Oct 15, 2024
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.