Tekoäly ja koneoppiminen kysynnän ennustamisessa kaupan alan toimitusketjuissa
Ladataan...
761.38 KB
Kokoteksti luettavissa vain Tritonian asiakaskoneilla.
Lataukset3
Pysyvä osoite
Kuvaus
Opinnäytetyö kokotekstinä PDF-muodossa.
Päivittäistavarakaupan toimitusketjut toimivat nopeatempoisessa ympäristössä, jossa kysyntä
vaihtelee lyhyelläkin aikavälillä. Epätarkka ennustaminen johtaa herkästi tuotteiden
loppumiseen tai ylijäämään. Molemmat aiheuttavat kustannuksia. Ongelma korostuu
päivittäistavarakaupassa, koska monet tuotteet ovat helposti pilaantuvia.
Tutkimuksen tavoitteena on selvittää, miten tekoälyyn ja koneoppimiseen perustuvat
ennustemenetelmät voivat vahvistaa päivittäistavarakaupan kysynnän ennustamista ja
toimitusketjun varmuutta. Aihetta tarkastellaan yleisellä tasolla ilman teknistä syventymistä
yksittäisiin menetelmiin. Työ on toteutettu kirjallisuuskatsauksena, jossa aineistona käytetään
aiempia tutkimuksia ja alan julkaisuja.
Kirjallisuuden perusteella koneoppimismenetelmät parantavat ennustetarkkuutta perinteisiin
menetelmiin verrattuna erityisesti silloin, kun kysyntään vaikuttaa moni tekijä yhtä aikaa.
Mikään yksittäinen menetelmä ei ole kaikissa tilanteissa paras. Toimitusketjuissa tarkempi
ennuste tukee tilaamista ja varastonhallintaa. Lisäksi se vähentää hävikkiä ja varastopuutteita.
Haasteet kohdistuvat datan laatuun, mallien tulkittavuuteen sekä kustannuksiin ja osaamiseen.
Havaintojen perusteella voidaan todeta, että menetelmät tuovat lisäarvoa, mutta hyötyjen
saaminen edellyttää laadukasta dataa, osaamista ja resursseja.