Optimizing demand forecasting for food safety products

Abstract

The primary objective of this thesis was to evaluate the effectiveness of various forecasting methods within biotechnology company focused on food safety products. The aim was to identify an optimal forecasting model that seamlessly integrates into the company’s existing Enterprise Resource Planning (ERP) system, thereby enhancing accuracy in demand prediction. The study used historical sales data to compare the Simple Moving Average (SMA), Single Exponential Smoothing (SES), and the company’s original forecasting technique.

The research findings indicate that the SMA method, particularly when applied over a three-month period, consistently outperforms other models in terms of Mean Squared Error (MSE), Mean Absolute Error (MAE), and Mean Absolute Percentage Error (MAPE). While SMA demonstrated superior accuracy for two of the three studied products, its performance was less distinct for the third product, suggesting that forecasting methods may need to be tailored to specific products. The study highlights the practical benefits of incorporating SMA into the company’s ERP system, noting significant improvements in inventory management and supply chain efficiency without the need for substantial new investments in technology.

This research supports the broader application of simple, cost-effective statistical methods in demand forecasting, particularly in industries where operational efficiency is crucial. The research also underscores the importance of aligning forecasting techniques with specific product demand and operational frameworks to optimize supply chain outcomes.

Tässä tutkielmassa arvioidaan erilaisten kysynnän ennustemenetelmien tehokkuutta elintarviketurvallisuustuotteisiin keskittyvässä bioteknologia yrityksessä. Tavoitteena oli löytää optimaalinen ennustemalli, joka integroituu yrityksen olemassa olevaan ERP järjestelmään, parantaen ennuste tarkkuutta. Tutkimuksessa vertailtiin yksinkertaista liukuvaa keskiarvoa (SMA), yksinkertaista eksponentiaalista tasoitusta (SES) sekä yrityksen nykyistä menetelmää historiallisen myyntidatan avulla.

Tutkimus osoitti, että kolmen kuukauden SMA-menetelmä suoriutui johdonmukaisesti paremmin kuin muut testatut mallit. SMA paransi merkittävästi ennustetarkkuutta kahdelle kolmesta tukitusta tuotteesta. Kolmannen tuotteen kohdalla erot eivät olleet yhtä selkeitä, mikä viittaa siihen, että menetelmien teho voi vaihdella tuotteittain. Tulokset korostavat SMA:n käyttöönoton hyötyjä, kuten parempaa varastonhallintaa ja toimitusketjun tehokkuutta, ilman suuria investointeja uuteen teknologiaan.

Tämä tutkimus tukee yksinkertaisten tilastollisten menetelmien tehokkuutta kysynnän ennustamisessa, erityisesti teollisuuden aloilla, joissa operatiivinen tehokkuus on keskeistä. Lisäksi tutkimus korostaa ennustamistekniikoiden tuotekohtaisen kohdentamisen tärkeyttä ottaen huomioon operatiivisen viitekehyksen, jotta toimitusketjun suoriutumista voidaan optimoida.