Μεθοδολογία πρόβλεψης ζήτησης στην αυτοκινητοβιομηχανία

Κορμανιώτης, Τρύφων; Kormaniotis, Tryfon

dc.contributor.author	Κορμανιώτης, Τρύφων	el
dc.contributor.author	Kormaniotis, Tryfon	en
dc.date.accessioned	2023-03-06T10:47:28Z
dc.date.available	2023-03-06T10:47:28Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57209
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24907
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Τεχνο-οικονομικά συστήματα”	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Πρόβλεψη	el
dc.subject	Ποσοτικές μέθοδοι	el
dc.subject	Ανάλυση χρονοσειρών	el
dc.subject	Forecasting	en
dc.subject	Quantitative methods	en
dc.subject	Time series analysis	en
dc.title	Μεθοδολογία πρόβλεψης ζήτησης στην αυτοκινητοβιομηχανία	el
heal.type	bachelorThesis
heal.classification	Στατιστική, Ανάλυση Χρονοσειρών	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-02-14
heal.abstract	Η αβεβαιότητα αποτελεί δομικό στοιχείο της πραγματικότητας και πλήττει το αίσθημα ασφάλειας που επιδιώκει ο άνθρωπος σε ολόκληρη τη διάρκεια της ζωής του. Στο σύγχρονο ολοένα, παγκοσμιοποιημένο οικονομικό και επιχειρηματικό περιβάλλον όπου το άνοιγμα των αγορών ενισχύει την κινητικότητα των επιχειρήσεων και την αύξηση του μεταξύ τους ανταγωνισμού, η αβεβαιότητα έχει καταστεί δομικό στοιχείο της επιχειρηματικής δραστηριότητας δημιουργώντας, περισσότερο από ποτέ, μία αύξηση στην ζήτηση για οικονομικές προβλέψεις. Με τα περιθώρια κέρδους να συμπιέζονται λόγω του αυξημένου ανταγωνισμού και τα κόστη παραγωγής και οι πωλήσεις να επηρεάζονται από γεγονότα και ειδήσεις που λαμβάνουν χώρα σε αγορές και περιοχές στην άλλα άκρη του πλανήτη, η διαχείριση της πληροφορίας έχει γίνει κρίσιμης σημασίας διαδικασία στην λήψη αποφάσεων στις επιχειρήσεις. Ιδιαίτερη θέση σε αυτή τη διαχείριση έχουν οι πληροφορίες που σχετίζονται με προβλέψεις. Προβλέψεις σχετικά με την πορεία της οικονομικής ανάπτυξης (ΑΕΠ), την ομαλότητα και τις εξελίξεις σε πολιτικό, φορολογικό και νομικό επίπεδο στις χώρες των αγορών που δραστηριοποιούνται οι επιχειρήσεις, προβλέψεις σχετικά με τα κόστη παραγωγής και την ζήτηση των προϊόντων, εσχάτως προβλέψεις ακόμα και για γεγονότα υγειονομικού ενδιαφέροντος, παρουσιάζουν ολοένα και μεγαλύτερο ενδιαφέρον στην λήψη επιχειρηματικών αποφάσεων. Και αυτό διότι βάσει αυτών των προβλέψεων οι επιχειρήσεις θα καθορίσουν την παραγωγή και τα αποθέματα τους, θα τιμολογήσουν και θα επιλέξουν προμηθευτές, θα επιλέξουν τεχνολογίες ή και τόπους παραγωγής, θα αποφασίσουν για τον δανεισμό τους και εν γένει θα χαράξουν τον στρατηγικό σχεδιασμό τους. Μέσα στο παραπάνω πλαίσιο οι προβλέψεις ζήτησης αγαθών και υπηρεσιών ή απλούστερα οι προβλέψεις πωλήσεων κατέχουν εξέχουσα θέση καθώς οι πωλήσεις είναι το βασικότερο μέτρο επιτυχίας κάθε επιχειρηματικής δραστηριότητας, αφού αντικατοπτρίζουν την απήχηση της στους καταναλωτές. Για αυτό και η ζήτηση για προβλέψεις πωλήσεων δεσπόζει μεταξύ των άλλων προβλέψεων. Το γεγονός αυτό υπήρξε και το κίνητρο για την εκπόνηση της παρούσας μελέτης. Στην παρούσα εργασία συγκεντρώθηκαν στοιχεία πωλήσεων αυτοκίνητων οχημάτων από πέντε διαφορετικούς ομίλους κατασκευής, σε πέντε διαφορετικές αγορές δραστηριότητας τους, από την General Motors Company στις Η.Π.Α, από την Toyota Group στην Ιαπωνία, από την FIAT – Chrysler Group στην Ιταλία, από την Hyundai – KIA Group στην Νότια Κορέα και από την Volkswagen Group στην Γερμανία. Τα στοιχεία αφορούν πωλήσεις οχημάτων κατά την διάρκεια των ετών 2004 – 2021 και είναι μηνιαίας συχνότητας. Οι προβλέψεις που παρήχθησαν αναφέρονται σε έναν ορίζοντα πρόβλεψης 12 μηνών και πιο συγκεκριμένα, στους μήνες του 2021. Παρήχθησαν δε με την χρήση κώδικα στην γλώσσα προγραμματισμού R. Η εργασία αποτελείται από τέσσερα κεφάλαια. Στο πρώτο κεφάλαιο, γίνεται μία εισαγωγή στην έννοια της πρόβλεψης, την σημασία της διαχρονικά στην ανθρώπινη ιστορία, στη συνέχεια αναφέρονται ενδεικτικά κάποιοι χαρακτηριστικοί τομείς εφαρμογής των προβλέψεων, μεταφέρεται η κριτική την οποία αντιμετωπίζει η επιστήμη των προβλέψεων και τέλος αναλύεται η έννοια της χρονοσειράς η οποία έχει κεντρικό ρόλο στην παραγωγή τους. Ακολουθεί το δεύτερο κεφάλαιο όπου παρουσιάζονται οι κύριες κατηγορίες προβλέψεων, ποσοτικές, ποιοτικές και τεχνολογικές καθώς και τα μοντέλα τα οποία περιλαμβάνει η κάθε μία. Στο τρίτο κεφάλαιο, αναλύονται τα κύρια μοντέλα προβλέψεων που χρησιμοποιούνται στην παρούσα μελέτη, τα μοντέλα κινητών μέσων όρων μήκους 3,5,6,7,12,13,15,18, οι μέθοδοι εκθετικής εξομάλυνσης (μοντέλο σταθερού επιπέδου, μοντέλο γραμμικής τάσης, μοντέλο φθίνουσας τάσης και μοντέλο γραμμικής τάσης με πολλαπλασιαστική εποχικότητα), η απλή γραμμική παλινδρόμηση και η μέθοδος Theta. Τέλος, παρατίθενται οι κύριοι στατιστικοί δείκτες - σφάλματα μέτρησης της ακρίβειας των προβλέψεων. Στο τέταρτο και τελευταίο κεφάλαιο περιγράφονται τα δεδομένα και η μεθοδολογία που ακολουθήθηκε για την παραγωγή των προβλέψεων, τα βήματα ανάπτυξης του κώδικα στην R και παρουσιάζονται τα αποτελέσματα της αξιολόγησης των μεθόδων που χρησιμοποιήθηκαν. Ακολουθούν τα συμπεράσματα της ανάλυσης της αξιολόγησης των προβλέψεων που παρήχθησαν και το κεφάλαιο καταλήγει με προτάσεις για περαιτέρω μελέτη των αποτελεσμάτων της εργασίας. Στο παράρτημα παρατίθενται πίνακες με τα αποτελέσματα των αναλύσεων.	el
heal.abstract	Uncertainty constitutes a fundamental aspect of the world around us and it opposes the very sentiment of security Man strives to achieve throughout his life. In today’s more and more globalized economic and entrepreneurial environment where the constant opening of markets amplifies the mobility of businesses and raises the competition among them, uncertainty has been established as a structural element of the business activity causing, more than ever before, a rise in demand for economic and financial forecasting. With profit margins being compressed due to rising competition along with production costs and sales being affected by events and news taking place in remote markets and regions which lie across the world, information management has become of critical importance to business decision-making. Even more so, the above is true about information relating to forecasting. Forecasts concerning economic growth, stability on a political, taxation, and legislative level in regions of entrepreneurial interest, costs of production and demand for goods and services, and even forecasts concerning public health issues, have become more and more a matter of increasing interest for businesses. And that is because business forecasts determine production levels, inventories, pricing policies, partnering choices, selection of regions of production basing and technologies, credit policies, etc. In general, forecasts determine the strategic planning of a whole business. Bearing in mind the above, forecasts concerning the demand for goods and services or simply sales forecasts hold a prominent position since, sales constitute the main measure of success of every business activity because they reflect its appeal to the consumers. That is why sales forecasts stand out among other forecasts in terms of demand popularity. This fact has been the main motive for the writer to undertake the present study. For this thesis, sales data were gathered from the automotive industry. They consist of sales for automotive vehicles coming from five automotive groups and their sales results in five distinct markets. More specifically the data concern sales of General Motors Company in the U.S.A, of Toyota Group in Japan, of FIAT – Chrysler Group in Italy, of Hyundai – KIA Group in South Korea, and of Volkswagen Group in Germany. The data are about vehicle sales during the period 2004 – 2021 and they demonstrate a monthly frequency. The forecasts produced refer to a forecasting period of 12 months and more specifically, to the 12 months of 2021. The thesis breaks down into four chapters. In the first chapter, there is an introduction to the concept of forecasting in general, followed by some notable examples of forecasting implementation as well as the critics that forecasting scientists confront. The chapter closes with an introduction to the concept of time series and the analysis of its main characteristics. The second chapter is a presentation of the main categories of forecasting methods such as quantitative, qualitative, and technological methods, as well as the forecasting models they consist of. The third chapter is an analysis of the main forecasting models which are implemented in the current thesis. These are the models of moving averages with 3,5,6,7,12,13,15,18 periods (months) of length, exponential smoothing methods (simple exponential smoothing, Holt’s exponential smoothing, and exponential smoothing with multiplicative seasonality), the simple linear regression method (LRL), and the Theta method. The chapter ends with the presentation of the most notable forecasting accuracy indices – errors. In the fourth and final chapter, there is an analysis of the methodology implemented which resulted in the production of sales forecasts. There are also presented the steps followed for the R code development which produced the forecasts and the errors for the comparative evaluation of the forecasting methods implemented. Following, are the writer’s conclusions concerning the performance of the applied forecasting methodology and his suggestions for further study on the topic. The appendix includes tables presenting the results of the forecasts’ analysis.	en
heal.advisorName	Ματσόπουλος, Γεώργιος	el
heal.committeeMemberName	Ματσόπουλος, Γεώργιος	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Παναγόπουλος, Αθανάσιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	122 σ.	el
heal.fullTextAvailability	false