Kysynnän ennustaminen leipomotuotteille ja ennusteen tarkkuuden arviointi

Abstract

Tässä diplomityössä tutkittiin kysynnän ennustamista Vaasan & Vaasan Oy:n tuotteille. Ensin työssä perehdyttiin ennustamiseen ja sen tarjoamiin mahdollisuuksiin yrityksessä. Erityisesti kysynnän ennustamisesta saatavat hyödyt käytiin läpi. Kysynnän ennustamisesta haettiin ratkaisua erityisesti ongelmiin työvuorosuunnittelussa.Työssä perehdyttiin ennustemenetelmiin liittyvään kirjallisuuteen, jonka oppien perusteella tehtiin koe-ennustuksia yrityksen kysynnän historiadatan avulla. Koe-ennustuksia tehtiin kuudelle eri Turun leipomon koe-tuotteelle. Ennustettavana aikavälinä oli kahden viikon päiväkohtainen kysyntä. Tämän aikavälin erityisesti peruskysynnälle etsittiin ennustetarkkuudeltaan parasta kvantitatiivista ennustemenetelmää. Koe-ennustuksia tehtiin liukuvilla keskiarvoilla, klassisella aikasarja-analyysillä, eksponentiaalisen tasoituksen menetelmällä, Holtin lineaarisella eksponenttitasoituksen menetelmällä, Wintersin kausittaisella eksponentiaalisella tasoituksella, autoregressiivisillä malleilla, Box-Jenkinsin menetelmällä ja regressioanalyysillä. Myös neuroverkon opettamista historiadatalla ja käyttämistä ongelman ratkaisun apuna kokeiltiin.Koe-ennustuksien tulosten perusteella ennustemenetelmien toimintaa analysoitiin jatkokehitystä varten. Ennustetarkkuuden lisäksi arvioitiin mallin yksinkertaisuutta, helppokäyttöisyyttä ja sopivuutta yrityksen monien tuotteiden ennustamiseen. Myös kausivaihteluihin, trendeihin ja erikoispäiviin kiinnitettiin huomiota. Ennustetarkkuuden huomattiin parantuvan selvästi peruskysyntää ennustettaessa, jos ensin historiadata esikäsittelemällä puhdistettiin erikoispäivistä ja –viikoista.

The main purpose of this master’s thesis was to research demand forecasting for the products of the Vaasan & Vaasan Oy. This thesis begins with a glance of forecasting and the possibilities it offers to the firm. Especially the advantages of the demand planning are discussed. Demand planning was seen as the key to open the problems with the use of facilities and labour force.This thesis studies the literature of the quantitative forecasting methods. Those methods were then tested with the historical demand data of the firms products. Ex post forecasts were made to the six different products that were manufactured in the factory of Turku. The forecasting period was two weeks and the concentration was on the daily demand. The task was to find the quantitative method that gives the least amount of forecasting error.Ex post forecasts were made with the help of moving averages, decomposition for the time series, exponential smoothing, Holt’s exponential smoothing adjusted for trend, Winters’ exponential smoothing adjusted for trend and seasonal variation, autoregressive models, the Box-Jenkins methodology and regression analysis. Also artificial neural network was built, taught with the historical demand data and tested for its problem solving ability. The goodness of the different forecasting methods were analysed by comparing the results of the ex post forecasts. Also for the future development simplicity, ease of use and the methods ability to forecast many different products were considered in addition to the forecasting accuracy. Also special attention was aimed towards the seasonal fluctuations, trends and special events. If the historical demand data was cleaned from the special events, then the forecasting accuracy got significantly better values.