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:
Show full item record

Page view(s)

275
checked on Mar 26, 2024

Download(s) 20

1,339
checked on Mar 26, 2024

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.