Arbetet syftade till att finna en passande modell för Moraberg AB:s beställningsrutiner för två färskvaror av anledning att optimera lagernivåer och minska matsvinn. Då efterfrågan hos Moraberg AB var okänd togs en modell fram för att prediktera och undersöka ifall det fanns ett linjärt samband mellan ett par parametrar och efterfrågan. Parametrarna som undersöktes var veckodag, temperatur, nederbörd och antal smittade personer i Covid-19. Modellen baserades på historisk försäljningsdata för åren 2018– 2020. Två efterfrågemodeller togs fram, den första modellen innehöll alla nämnda parametrar förutom antal smittade personer i Covid-19 och den andra modellen innehöll alla parametrar. Resultatet visade att temperatur, nederbörd och antal smittade personer i Covid-19 har ett svagt beroende med efterfrågan hos företaget men parametern veckodag visade ett högt beroende med efterfrågan. Analys av modellerna visade att det inte existerade multikollinearitet samt att de inte bröt de fem antagandena om regression. Vidare visade resultatet att modell 2 presterade bättre än modell 1. Lageroptimeringsmodellen som var lämpligast för Moraberg AB, med avseende på de resurser och begräsningar som fanns inom ramen av detta arbete, var den deterministiska periodiska inspektions modellen som kan lösas med dynamisk programmering. Ett numeriskt exempel genomfördes på den valda lageroptimeringsmodellen med hjälp av modell 2. Det numeriska exemplet baserades på prognoser från vecka 17 år 2021. / This thesis aimed to find a suitable inventory model for Moraberg AB’s ordering routines to optimize inventory levels and reduce food waste for two perishable products. As the demand at Moraberg AB was unknown, a regression model was developed to predict and investigate whether there was a linear relationship between a few parameters and the demand. The parameters examined were weekday, temperature, precipitation, and number of infected people in Covid19. The model was based on historical sales data for the years 2018–2020. Two demand models were developed, the first model contained all the mentioned parameters except the number of people infected in Covid-19 and the second model contained all parameters. The results showed that temperature, precipitation, and number of people infected in Covid-19 have a weak dependence with the demand, however the parameter weekday showed a dependence with the demand. Analysis of the two models did not show any signs of multicollinearity and they did not violate the five assumptions regarding regression. Furthermore, the results showed that model 2 performed better than model 1. The inventory model that was most suitable for Moraberg AB, regarding the resources and limitations that existed within the framework of this thesis, was the deterministic periodic review model that could be solved by dynamic programming. A numerical example was solved using the suitable inventory model and with the second demand model. The numerical example was based on forecasts from week 17 year 2021.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-311691 |
| Date | January 2021 |
| Creators | Hedengren, Sofia, Zargari Marandi, Ronya |
| Publisher | KTH, Matematisk statistik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-SCI-GRU ; 2021:310 |
Page generated in 0.003 seconds