nach oben

Erschienen in:

2012 | OriginalPaper | Buchkapitel

4. Prognose sporadischer Nachfragen

verfasst von : Ulrich Küsters, Jan Speckenbach

Erschienen in: Prognoserechnung

Verlag: Physica-Verlag HD

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Eine sporadische Nachfragezeitreihe zeichnet sich dadurch aus, dass die Zeitreihe eine nicht vernachlässigbare Anzahl von Zeitpunkten aufweist, bei denen die Nachfrage null beträgt. Derartige Zeitreihen findet man häufig im Einzelhandel mit feinem Distributionsnetz sowie in der Ersatzteilbevorratung von Hightech-Produkten. Dabei nimmt die Sporadizität mit zunehmendem zeitlichem, sachlichem und regionalem Differenzierungsgrad zu. Beispielsweise kann die monatliche Gesamtnachfrage nach einer bestimmten Zigarettensorte in einer bestimmten Verpackungsform auf der Ebene der Bundesrepublik Deutschland durch zeitreihenanalytische Methoden für quasi-stetige Zufallsvariablen prognostiziert werden [38], da das Produkt ein hohes Nachfragevolumen pro Zeiteinheit aufweist. Die Gesamtnachfrage der gleichen Kombination von Sorte und Verpackungstyp auf Tagesbasis an einem Zigarettenautomaten weist hingegen tendenziell geringe ganzzahlige Volumina auf, wobei unter Umständen an einigen Tagen überhaupt keine Nachfrage auftritt. Für die Bestückung der einzelnen Automaten benötigt man aber fein aufgelöste tagesspezifische Nachfrageprognosen, die aufgrund der Lagerhaltungs- und Automatenbeschickungskosten mit Lagerhaltungsmodellen kombiniert werden müssen. Vergleichbare Situationen finden sich etwa bei Drogeriemärkten sowie bei der Bevorratung von Ersatzteilen, wobei letztere bei kurzlebigen Produkten zusätzlich noch mit einem hohen Verschrottungskostenrisiko behaftet sind.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Einführung in die Prognose saisonaler Zeitreihen mithilfe exponentieller Glättungstechniken und Vergleich der Verfahren von Holt/Winters und Harrison

Nächstes Kapitel Prognose bei unregelmäßigem Bedarf

Die in diesem Aufsatz verwendete Notation lehnt sich an die Originalliteratur an. Bei der Beschreibung von Croston-ähnlichen Verfahren wird in der Regel die Wahrscheinlichkeit \(\pi\) einer positiven Nachfrage modelliert, während verteilungsbasierte Modelle der Mikroökonometrie und Biometrie die zusätzlich erwartete Wahrscheinlichkeit \(\omega\) von Nullbesetzungen modellieren. Die Relation \(\omega=(1-\pi)\) gilt nur unter der Maßgabe, dass die Verteilung \(q(k)\) eine auf positive Nachfragen gestutzte Wahrscheinlichkeits- bzw. Dichtefunktion beschreibt.

Akram, M., Hyndman, R.J. und Ord, J.K.: Exponential smoothing and non-negative data, Aust. Nz. J. Stat. 51, 415 ff. (2009)CrossRef

Armstrong, J.S. (Hrsg.): Principles of forecasting – a handbook for researchers and practitioners, Norwell (2001)

Axsäter, S.: Inventory Control, 2. Aufl., New York (2006)

Banerjee, A., Dolado, J., Galbraith, J.W. und Hendry, D.F.: Co-Integration, Error-Correction, and the Econometric Analysis of Non-Stationary Data, Oxford (1993)

Box, G.E.P., Jenkins, G.M. und Reinsel, G.C.: Time Series Analysis: Forecasting and Control, 4. Aufl. (2008)

Boylan, J.E. und Syntetos, A.A.: Forecasting for Inventory Management of Service Parts, in: Kobbacy, K.A.H. und Murthy, D.N.P. (Hrsg.), Complex system maintenance handbook, London, S. 479 ff. (2008)

Brown, R.G.: Smoothing, forecasting and prediction of discrete time series, Englewood Cliffs, (1963)

Chib, S. und Greenberg, E.: Understanding the Metropolis-Hastings Algorithm, Am. Stat. 49, 327 ff. (1995)

Churchman, C.W., Ackoff, R.L. und Arnoff, E.L.: Operations Research: Eine Einführung in die Unternehmungsforschung, 5. Aufl., Oldenburg/Wien (1971)

10.

Croston, J.D.: Forecasting and Stock Control for Intermittent Demands, Oper. Res. Quart. 23, 289 ff. (1972)CrossRef

11.

Croston, J.D.: Stock Levels for Slow-moving Items, Oper. Res. Quart. 25, 123 ff. (1974)CrossRef

12.

Davison, A.C. und Hinkley, D.V.: Bootstrap methods and their application, Cambridge (1997)

13.

Deistler, M. und Neusser, K.: Prognose uni- und multivariater Zeitreihen, Kapitel 12 dieses Buches

14.

Dunsmuir, W.T.M. und Snyder, R.D.: Control of inventories with intermittent demand, Eur. J. Oper. Res. 40, 16 ff. (1989)CrossRef

15.

Eaves, A.H.C. und Kingsman, B.G.: Forecasting for the ordering and stock-holding of spare parts, J. Oper. Res. Soc. 55, 431 ff. (2004)CrossRef

16.

Efron, B., Bootstrap Methods: Another Look at the Jackknife, Ann. Stat 7, 1 ff. (1979)CrossRef

17.

Evans, M., Hastings, N. und Peacock, B.: Statistical distributions, 3. Aufl., New York, (2000)

18.

Gardner, E.S.: Exponential Smoothing: The State of the Art, J. Forecast. 4, 1 ff. (1985)CrossRef

19.

Gardner, E.S.: Exponential smoothing: The state of the art – Part II, Int. J. Forecast. 22, 637 ff. (2006)CrossRef

20.

Gardner, E.S. und Koehler, A.B.: Comments on a patented bootstrapping method for forecasting intermittent demand, Int. J. Forecast. 21, 617 ff. (2005)CrossRef

21.

Ghobbar, A.A. und Friend, C.H.: Evaluation of forecasting methods for intermittent parts demand in the field of aviation: a predictive model, Comput. Oper. Res 30, 2097 ff. (2003)CrossRef

22.

Greene, W.H.: Econometric analysis, 6. Aufl., Upper Saddle River (2008)

23.

Grunwald, G.K., Hamza, K. und Hyndman, R.J.: Some Properties and Generalizations of Non-negative Bayesian Time Series Models, J. Roy. Stat. Soc. B Met. 59, 615 ff. (1997)CrossRef

24.

Gutierrez, R.S., Solis, A.O. und Mukhopadhyay, S.: Lumpy demand forecasting using neural networks, Int. J. Prod. Econ. 111, 409 ff. (2008)CrossRef

25.

Hansen, K.: Lineare Filter und integrierte autoregressive Prozesse, in: Mertens, P. und Rässler, S. (Hrsg.), Prognoserechnung, 6. Aufl., Heidelberg 2005, S. 215 ff.

26.

Hansen, K.: Prognose mithilfe von Markovprozessen, Kapitel 14 dieses Buches

27.

Harvey, A.C.: Forecasting, structural time series models and the Kalman filter, Cambridge 1989

28.

Harvey, A.C. und Fernandes, C.: Time Series Models for Count or Qualitative Observations, Journal of Business & Economic Statistics 7, 407 ff. (1989)

29.

Hyndman, R.J.: Another look at forecast-accuracy metrics for intermittent demand, Foresight: The International Journal of Applied Forecasting 1, 43 ff. (2006)

30.

Hyndman, R.J. und Koehler, A.B.: Another look at measures of forecast accuracy, Int. J. Forecasting 22, 679 ff. (2006)CrossRef

31.

Hyndman, R.J., Koehler, A.B., Ord, J.K. und Snyder, R.D.: Forecasting with Exponential Smoothing: The State Space Approach, Berlin/Heidelberg 2008.

32.

Kedem, B. und Fokianos, K.: Regression Models for Time Series Analysis, Hoboken, 2002.

33.

Küsters, U.: Evaluation, Kombination und Auswahl betriebswirtschaftlicher Prognoseverfahren, Kapitel 18 dieses Buches

34.

Küsters, U., Thyson, J. und Becker, C.: Monitoring von Prognosemodellen, Kapitel 17 dieses Buches

35.

Levén, E. und Segerstedt, A.: Inventory control with a modified Croston procedure and Erlang distribution, Int. J. Prod. Econ. 90, 361 ff. (2004)CrossRef

36.

McCullagh, P. und Nelder, J.A.: Generalized linear models, 2. Aufl., Boca Raton, 1989.

37.

Montgomery, D.C., Johnson, L.A. und Gardiner, J.S.: Forecasting and time series analysis, New York, 1990.

38.

Montgomery, D.C., Jennings, C.L. und Kulahci, M.: Introduction to time series analysis and forecasting, Hoboken, 2008.

39.

Muckstadt, J.A. und Sapra, A.: Principles of Inventory Management: When You Are Down to Four, Order More, New York, 2010.

40.

Nowack, A.: Prognose bei unregelmäßigem Bedarf, in: Mertens, P. und Rässler, S. (Hrsg.), Prognoserechnung, 6. Aufl., Heidelberg 2005, S. 61 ff.

41.

Ord, J.K., Koehler, A.B. und Snyder, R.D.: Estimation and Prediction for a Class of Dynamic Nonlinear Statistical Models, J. Am. Stat. Assoc. 92, 1621 ff. (1997)CrossRef

42.

Ord, J.K., Snyder, R.D. und Beaumont, A.: Forecasting the Intermittent Demand for Slow-Moving Items, Center of Economic Research, Department of Economics, The George Washington University, RPF Working Paper No. 2010-003 (2010)

43.

Rao, A.V.: A Comment on: Forecasting and Stock Control for Intermittent Demands, Oper. Res. Quart. 24, 639 ff. (1973)CrossRef

44.

Sani, B. und Kingsman, B.G.: Selecting the best periodic inventory control and demand forecasting methods for low demand items, J. Oper. Res. Soc. 48, 700 ff. (1997)

45.

Schröder, M.: Einführung in die kurzfristige Zeitreihenprognose und Vergleich der einzelnen Verfahren, Kapitel 2 dieses Buches

46.

Schuhr, R.: Einführung in die Prognose saisonaler Zeitreihen mithilfe exponentieller Glättungstechniken und Vergleich der Verfahren von Holt/Winters und Harrison, Kapitel 3 dieses Buches

47.

Schultz, C.R.: Forecasting and Inventory Control for Sporadic Demand under Periodic Review, J. Oper. Res. Soc. 38, 453 ff. (1987)

48.

Segerstedt, A.: Inventory control with variation in lead times, especially when demand is intermittent, Int. J. Prod. Econ. 35, 365 ff. (1994)CrossRef

49.

Shale, E.A., Boylan, J.E. und Johnston, F.R.: Forecasting for intermittent demand: the estimation of an unbiased average, J. Oper. Res. Soc. 57, 588 ff. (2006)CrossRef

50.

Shenstone, L. und Hyndman, R.J.: Stochastic models underlying Croston's method for intermittent demand forecasting, J. Forecasting 24, 389 ff. (2005)CrossRef

51.

Smith, M. und Babai, Z.M.: A Review of Bootstrapping for Spare Parts Forecasting, in: Altay, N. und Litteral, L. A. (Hrsg.), Service Parts Management – Demand Forecasting and Inventory Control, Berlin 2011, 125 ff.

52.

Snyder, R.D.: Forecasting sales of slow and fast moving inventories, Eur. J. Oper. Res. 140, 684 ff. (2002)CrossRef

53.

Syntetos, A.A. und Boylan, J.E.: On the bias of intermittent demand estimates, Int. J. Prod. Econ. 71, 457 ff. (2001)CrossRef

54.

Syntetos, A.A. und Boylan, J.E.: The accuracy of intermittent demand estimates, Int. J. Forecasting 21, 303 ff. (2005)CrossRef

55.

Syntetos, A.A. und Boylan, J.E.: On the stock control performance of intermittent demand estimators, Int. J. Prod. Econ. 103, 36 ff. (2006)CrossRef

56.

Syntetos, A.A. und Boylan, J.E.: On the variance of intermittent demand estimates, Int. J. Prod. Econ. 128, 546 ff. (2010)CrossRef

57.

Syntetos, A.A., Boylan, J.E. und Croston, J.D.: On the categorization of demand patterns, J. Oper. Res. Soc. 56, 495 ff. (2005)CrossRef

58.

Tashman, L.J.: Out-of-sample tests of forecasting accuracy: an analysis and review, Int. J. Forecasting 16, 437 ff. (2000)CrossRef

59.

Tempelmeier, H.: Bestandsmanagement in Supply Chains, 2. Aufl., Norderstedt 2006.

60.

Tempelmeier, H.: Material-Logistik: Modelle und Algorithmen für die Produktionsplanung und -steuerung in Advanced Planning-Systemen, 6. Aufl., Berlin 2006.

61.

Teunter, R. und Sani, B.: Calculating order-up-to levels for products with intermittent demand, Int. J. Prod. Econ. 118, 82 ff. (2009)CrossRef

62.

Teunter, R. und Sani, B.: On the bias of Croston's forecasting method, Eur. J. Oper. Res. 194, 177 ff. (2009)CrossRef

63.

Ward, J.B.: Determining Reorder Points When Demand Is Lumpy, Manage. Sci. 24, 623 ff. (1978)CrossRef

64.

Wedekind, H.: Ein Vorhersagemodell für sporadische Nachfragemengen bei der Lagerhaltung, Ablauf- und Planungsforschung 9, 1 ff. (1968)

65.

Wei, W.W.S.: Time series analysis: Univariate and multivariate methods, Boston, 2006.

66.

West, M. und Harrison, J.: Bayesian forecasting and dynamic models, 2. Aufl., New York, 1997.

67.

West, M., Harrison, P.J. und Migon, H.S.: Dynamic Generalized Linear Models and Bayesian Forecasting, J. Am. Stat. Assoc. 80, 73 ff. (1985)CrossRef

68.

Willemain, T.R., Smart, C.N. und Schwarz, H.F.: A new approach to forecasting intermittent demand for service parts inventories, Int. J. Forecasting 20, 375 ff. (2004)CrossRef

69.

Willemain, T.R., Smart, C.N., Shockor, J.H. und DeSautels, P.A.: Forecasting intermittent demand in manufacturing: A comparative evaluation of Croston's method, Int. J. Forecasting 10, 529 ff. (1994)

70.

Williams, T.M.: Stock Control with Sporadic and Slow-Moving Demand, J. Oper. Res. Soc. 35, 939 ff. (1984)

71.

Winkelmann, R.: Econometric Analysis of Count Data, 5. Aufl., Berlin/Heidelberg, 2008.

72.

Yelland, P.M.: Bayesian forecasting for low-count time series using state-space models: An empirical evaluation for inventory management, Int. J. Prod. Econ. 118, 95 ff. (2009)CrossRef

73.

Yelland, P.M.: Bayesian forecasting of parts demand, Int. J. Forecasting 26, 374 ff. (2010)CrossRef

Titel: Prognose sporadischer Nachfragen
verfasst von: Ulrich Küsters
Jan Speckenbach
Verlag: Physica-Verlag HD
Buch: Prognoserechnung
Print ISBN: 978-3-7908-2796-5

Electronic ISBN: 978-3-7908-2797-2

Copyright-Jahr: 2012
DOI: https://doi.org/10.1007/978-3-7908-2797-2_4

Springer Professional

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"