HEAL DSpace

Πρόβλεψη ζήτησης σε κεντρικές αποθήκες καταστημάτων λιανικής με έμφαση σε εποχιακά προϊόντα

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Αντώνη, Σοφία el
dc.contributor.author Antoni, Sofia en
dc.date.accessioned 2021-12-06T09:22:57Z
dc.date.available 2021-12-06T09:22:57Z
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/54138
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.21836
dc.description Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Τεχνο-οικονομικά συστήματα”
dc.rights Default License
dc.subject Παραγγελία el
dc.subject Αποθήκη el
dc.subject Πρόβλεψη el
dc.subject Καταστήματα el
dc.subject Λιανεμπόριο el
dc.subject Warehouse en
dc.subject Prediction en
dc.subject Rstudio en
dc.title Πρόβλεψη ζήτησης σε κεντρικές αποθήκες καταστημάτων λιανικής με έμφαση σε εποχιακά προϊόντα el
heal.type bachelorThesis
heal.classification Οικονομικά/Μηχανική el
heal.access campus
heal.recordProvider ntua el
heal.publicationDate 2021-10
heal.abstract Η παρούσα διπλωματική πραγματεύεται την ανάπτυξη και την αξιολόγηση μίας μεθόδου πρόβλεψης που βασίζεται στα ιστορικά δεδομένα που έχει στη διάθεση της μία επιχείρηση στον κλάδο του λιανεμπορίου. Οι πληροφορίες και γενικότερα η δυνατότητα να έχεις την γνώση τι ζήτηση θα υπάρχει στο μέλλον είναι καταλυτικό πλεονέκτημα στο επιχειρηματικό χώρο. Η στατιστική και συγκεκριμένα οι διάφορες μέθοδοι προβλέψεων έχουν συνδράμει αρκετά στην επίτευξη αυτού του στόχου. Οι επιχειρήσεις, λοιπόν στο εργαλείο των πληροφοριακών συστημάτων που χρησιμοποιούν, έχουν εντάξει την διαχείριση αποθέματος αλλά και την πρόβλεψη. Οι διάφοροι μέθοδοι προβλέψεων ποικίλουν και η καθεμία προτιμάται ανάλογά με τα χαρακτηριστικά και τις ιδιαιτερότητες που έχουν τα δεδομένα που χρησιμοποιούνται. Επομένως, είναι σημαντικό να αναλυθούν για να κατανοηθούν οι μέθοδοι αλλά και τα δεδομένα που θα χρησιμοποιηθούν όπως και η εταιρεία. Επίσης, παρουσιάζονται κάποια βασικά χαρακτηριστικά περιορισμών, οι οποίοι παίζουν σημαντικό ρόλο στην παραγγελιοδότηση των οργανισμών από το εξωτερικό. Τα ιστορικά δεδομένα που χρησιμοποιήθηκαν προήλθαν από αξιόπιστες πηγές και η μελέτη πραγματοποιήθηκε με χρήση γλώσσας R, στην πλατφόρμα R Studio ώστε να καταλήξουμε ποια μέθοδος προσεγγίζει καλύτερα την πραγματική ζήτηση και τις πραγματικές πωλήσεις. Οι υλοποιήσεις των μοντέλων που χρησιμοποιήθηκαν και των γραφημάτων που δημιουργήθηκαν προήλθαν από ευρέως διαδεδομένες βιβλιοθήκες R ανοικτού κώδικα. Εν’ κατακλείδι, ύστερα από την ανάλυση και την πειραματική διαδικασία καταλήγουμε στις καλύτερες μεθόδους πρόβλεψης, οι οποίες προσομοιάζουν καλύτερα στην πραγματικότητα και γίνεται σύγκριση με τις διαδικασίες που ακολουθήθηκαν έως τώρα από τον εξεταζόμενο οργανισμό. el
heal.advisorName Ασκούνης, Δημήτριος el
heal.committeeMemberName Βενιέρης, Ιάκωβος el
heal.committeeMemberName Ψαρράς, Ιωάννης el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών el
heal.academicPublisherID ntua
heal.numberOfPages 77 σ. el
heal.fullTextAvailability false
heal.fullTextAvailability false


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής