Ανάλυση και πρόβλεψη δεδομένων ζήτησης για την υποστήριξη της διαδικασίας αναπλήρωσης αποθεμάτων και τη βελτίωση του φόρτου των αυτοματισμών κέντρου διανομής δικτύου καταστημάτων λιανικής πώλησης αθλητικών ειδών

Λάλου, Παναγιώτα; Lalou, Panagiota

dc.contributor.author	Λάλου, Παναγιώτα	el
dc.contributor.author	Lalou, Panagiota	en
dc.date.accessioned	2020-01-21T09:51:19Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/49701
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17399
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Analytics	en
dc.subject	Forecasting	en
dc.subject	Automations	en
dc.subject	Big Data	en
dc.subject	Supply chain	en
dc.subject	Ανάλυση δεδομένων	el
dc.subject	Τεχνικές πρόβλεψης	el
dc.subject	Αυτοματισμοί	el
dc.subject	Μεγάλοι όγκοι δεδομένων	el
dc.subject	Εφοδιαστική αλυσίδα	el
dc.title	Ανάλυση και πρόβλεψη δεδομένων ζήτησης για την υποστήριξη της διαδικασίας αναπλήρωσης αποθεμάτων και τη βελτίωση του φόρτου των αυτοματισμών κέντρου διανομής δικτύου καταστημάτων λιανικής πώλησης αθλητικών ειδών	el
heal.type	bachelorThesis
heal.classification	Συστήματα παραγωγής	el
heal.dateAvailable	2021-01-20T22:00:00Z
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2019-07-04
heal.abstract	Η παρούσα διπλωματική με τίτλο «Ανάλυση και Πρόβλεψη Δεδομένων Ζήτησης για την Υποστήριξη της Διαδικασίας Αναπλήρωσης Αποθεμάτων και τη Βελτίωση του Φόρτου των Αυτοματισμών Κέντρου Διανομής Δικτύου Καταστημάτων Λιανικής Πώλησης Αθλητικών Ειδών» έχει σκοπό να προσφέρει μια πρώτη ανάλυση για τα πλεονεκτήματα της χρήσης πρόβλεψης κατά την αναπλήρωση αποθεμάτων με χρήση αυτοματισμών αποθήκης (Automated Storage and Retrieval Systems - AS/RS, Order Storage and Retrieval - OSR), και να παρέχει ένα πλαίσιο υποστήριξης αποφάσεων, που βασίζονται στη χρήση σύγχρονων τεχνικών ανάλυσης δεδομένων, για την βελτιστοποίηση του φόρτου των αυτοματισμών του κέντρου διανομής. Η ανάλυση επικεντρώνεται στη διαδικασία αναπλήρωσης αποθεμάτων των καταστημάτων αθλητικών ειδών από το κέντρο διανομής. Αναλύεται το μοντέλο της υπάρχουσας πολιτικής αναπλήρωσης στο κέντρο διανομής και μελετάται η εφαρμογή ενός νέου μοντέλου το οποίο συμπεριλαμβάνει πρόβλεψη των αναγκών του κάθε καταστήματος για κάθε είδος. Ένας κωδικός σε ένα κατάστημα αποτελεί ένα μοναδικό συνδυασμό. Επιλέγονται να μελετηθούν αναλυτικά εκατόν δύο συνδυασμοί κωδικού- καταστήματος. Το πλαίσιο υποστήριξης αποφάσεων που αναπτύσσεται σε αυτή την εργασία, σκοπό έχει να μειώσει τον φόρτο εργασίας των αυτοματισμών και του ανθρώπινου δυναμικού που εμπλέκονται στη διαδικασία εκτέλεσης των παραγγελιών του κέντρου διανομής. Για να υλοποιηθεί αυτός ο στόχος, αναλύονται δεδομένα προηγούμενων ετών που αφορούν τις εντολές παραγγελιών των καταστημάτων στη στατιστική γλώσσα προγραμματισμού R, και επιλέγεται μοντέλο πρόβλεψης της ζήτησης κάθε κωδικού του δείγματος για κάθε κατάστημα, με στόχο την ελαχιστοποίηση του σφάλματος πρόβλεψης. Στη συνέχεια αναπτύσσεται πρόγραμμα προσομοίωσης, με σκοπό να ποσοτικοποιηθεί η επίδραση του πλαισίου υποστήριξης αποφάσεων, το οποίο προτείνεται σε αυτή την εργασία, στον φόρτο εργασίας των αυτοματισμών του κέντρου διανομής, για το επιλεγμένο δείγμα κωδικών. Οι ποσότητες αναπλήρωσης καθορίζονται βάση του πλαισίου που αναπτύσσεται στην εργασία. Τα αποτελέσματα υποδεικνύουν ότι μειώνεται σημαντικά ο αριθμός των γραμμών παραγγελιών προς εκτέλεση από το κέντρο διανομής, που αποτελεί βασική μετρική του φόρτου εργασίας του. Συγκεκριμένα, για τους εκατόν δύο ταχυκίνητους συνδυασμούς κωδικών-καταστημάτων που μελετήθηκαν, αναπτύχθηκαν δύο σενάρια. Στο πρώτο σενάριο με απόθεμα ασφαλείας μιας εβδομάδας ζήτησης στο εκάστοτε κατάστημα για τον εκάστοτε κωδικό, και ποσότητα ανατροφοδοσίας δύο εβδομάδων ζήτησης, η αναμενόμενη μείωση του αριθμού των γραμμών ανατροφοδοσίας προς εκτέλεση στο κέντρο διανομής αγγίζει το 64,44%. Στο δεύτερο σενάριο με απόθεμα ασφαλείας μιας εβδομάδας ζήτησης στο εκάστοτε κατάστημα για τον εκάστοτε κωδικό, και ποσότητα ανατροφοδοσίας δύο εβδομάδων ζήτησης, η αναμενόμενη μείωση του αριθμού των γραμμών ανατροφοδοσίας προς εκτέλεση στο κέντρο διανομής αγγίζει το 76,51%. Επίσης, υπολογίζεται το επίπεδο εξυπηρέτησης των καταστημάτων, και δίνεται έμφαση στη διατήρηση του σε ικανοποιητικά επίπεδα, στην παρούσα μελέτη άνω του 95%. Σημαντικό είναι οι ενέργειες βελτιστοποίησης της εφοδιαστικής αλυσίδας, να γίνονται μετά από κοινή μελέτη με άλλα τμήματα του οργανισμού, όπως το εμπορικό και το marketing, καθώς αυτά τα τμήματα μπορούν να επηρεάσουν σε μεγάλο βαθμό τη ζήτηση. Προτείνονται τέλος πεδία για περαιτέρω έρευνα, τόσο συμπληρωματικά της παρούσας εργασίας, όσο και προς νέες κατευθύνσεις, όπως η εναλλακτική σχεδίαση δικτύου ανατροφοδοσίας με micro-fulfillment centers σε στρατηγικά σημεία του δικτύου.	el
heal.abstract	The objective of this diploma thesis is to conduct a first analysis of the benefits of using forecasting methods during inventory replenishment process at stores from Distribution Center using automations (Automated Storage and Retrieval Systems - AS/RS, Order Storage and Retrieval - OSR), and to provide a decision support framework which relies on contemporary data analytics methods, for optimization of the workload of Distribution Center’s automations. The scope of this study is focused on the process of inventory replenishment of retail stores from the Distribution Center (DC). The current replenishment and fulfillment processes at DC are analyzed, and the implementation of a new model that includes demand forecasting of Stock Keeping Unit (SKU) at the store level is examined. A SKU in a store form a unique combination. A representative sample of data from one hundred and two store-SKU combinations is selected. The decision support framework that is developed in this study, aims to reduce the workload on automations and human resources, which are both involved in fulfillment process at DC. To achieve this goal, order data from stores to DC are analyzed using statistical programming language R, and a forecasting model for each SKU of the sample is selected, in order to minimize forecasting error. Consequently, a simulation is developed, to quantify the impact of the proposed framework at DC’s automations workload, for the selected sample of SKUs. Replenishment quantities are determined based on this study’s framework. The simulation results indicate a significant reduction of replenishment lines that DC has to fulfill, which is an important indicator of DC’s workload. Specifically, two scenarios were developed for the one hundred and two fast moving store-SKU combinations that were examined. In the first scenario, with one week demand of safety stock at the store level, and replenishment quantity from DC of up to two weeks of demand as cycle stock, the reduction of replenishment lines is 64.44%. In the second scenario, with one week demand of safety stock at the store level, and replenishment quantity of up to three weeks of demand as cycle stock, the reduction of replenishment lines is 76.51%. For this study the service level at store level for these SKUs, was important to stay above 95%. Key take-away from this study is that optimization efforts for supply chain should be conducted in coordination with other departments of the organization, such as commercial and marketing that impact tremendously the final stage demand. Finally, further research is proposed, both complementary to this study and in new directions, such as alternative network planning to include micro-fulfillment centers in strategic nodes.	en
heal.advisorName	Πόνης, Σταύρος	el
heal.committeeMemberName	Ναθαναήλ, Δημήτριος	el
heal.committeeMemberName	Λεώπουλος, Βρασίδας - Ιωάννης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Βιομηχανικής Διοίκησης και Επιχειρησιακής Έρευνας	el
heal.academicPublisherID	ntua
heal.numberOfPages	72 σ.
heal.fullTextAvailability	true