To decide in advance the amount of resources that is required next week or next month can be both a complicated and hazardous task depending on the situation, despite the known time frame when the resources are needed. Intermittent demand, or slow-moving demand, that is when there are time periods without demand and then suddenly a time period with demand, becomes even more difficult to forecast. If the demand is underestimated it will lead to lost sales and therefore lost revenues. If the demand is overestimated, in the best case the stock is increased or in worst case, the items lie unsold until they become obsolete. The items with intermittent demand can have a value of up to 60% of the total stock value for all items.This thesis addresses the topic of forecasting intermittent demand and how to measure the accuracy of the chosen forecast method or methods. Four forecasting methods are tested on almost 18 months of empirical demand data from a manufacturing company. The tested forecasting method are single exponential smoothing, Croston and two modification of the Croston method, one by Syntetos and Boylan the other by Segerstedt (modified Croston). Four start values and eight smoothing constants are tested. The methods are evaluated with different accuracy measures; variance (MSE and MAD), bias (CFE, the maximum and minimum value of CFE) and sMAPE. In addition with a new complementary measure of bias; Periods in Stock (PIS), PIS considers the time aspect, when the forecast error occurred not just the error size. Also two variants of MAD and MSE are tested. To improve the evaluation of the bias measures, the percentages of demand occasions that can not be fulfilled are used. The relationship between the different errors for a certain method is examined with principal component analysis (PCA). The errors are also examined with logistic regression to find out if a certain forecasting method is favoured by certain accuracy measures. The logistic regression is based on descriptive statistics for time series plus the mean absolute change that considers the sequence of the time series as well as the variation. Ranking and error quotients between different methods are other applied methods. The results of the research both confirm and contradict earlier findings. Among the confirming research results are the bias among the different methods. Croston and Modified Croston are overestimating the demand, Syntetos and Boylan's Croston variant has a tendency to underestimate the demand. Single exponential smoothing is relatively biasfree when low smoothing constants are concerned. The contradictive results are that CFE is not a suitable measure of bias at least when the number of forecasting periods is limited. The value of CFE can indicate a nonbiased forecast when both PIS and the percentage of unmet demands indicate a biased forecast. PIS is also less sensitive to transient demand events that can distort CFE. PIS is recommended as a bias measure for limited time series, especially considering intermittent demand, along with the percentage of unmet demand. Another result is that MAD is not reliable since the method in certain circumstances favours methods that underestimate the demand. / Att på förhand bestämma vilken mängd resurser som krävs nästa vecka eller nästa månad kan vara både en komplicerat och riskfylld uppgift beroende av situation, trots att man känner till när resurserna behövs. Intermittent efterfrågan, eller lågrörlig efterfrågan, är när många perioder saknar efterfrågan och plötsligt sker en efterfrågan en period. Detta gör det svårare att prognostisera. Om efterfrågan underskattas kommer det att leda till förlorad försäljning och därmed förlorade intäkter. Om efterfrågan är överskattad kommer det i bästa fall att bara leda till ökat lager eller, i värsta fall, leda till osålda produkter och till slut inkurans. Artiklar med intermittent efterfrågan kan utgöra upp till 60 % av det totala lagervärdet för samtliga artiklar.Denna uppsats avhandlar prognoser av intermittent efterfrågan samt hur prognosfelen ska mätas för den valda eller de valda prognosmetoderna. Fyra prognosmetoder utvärderas med nästan 18 månaders empirisk efterfrågedata från ett tillverkande företag. De utvärderade metoderna är exponentiell utjämning, Croston och två modifierade varianter av Croston; Syntetos och Boylans metod samt modifierad Croston av Segerstedt. Fyra olika startvärden och åtta utjämningskonstanter används. Prognosmetoderna utvärderas med olika typer av prognosfel; varians (MSE och MAD), bias (CFE samt max- och minvärde av CFE) och sMAPE. Vidare sker utvärdering med ett komplimenterande mått för bias, Lagerperioder (Periods in Stock, PIS). PIS tar tidsaspekten i beaktande och inte bara storleken på prognosfelen. Dessutom undersöks två varianter av MAD och MSE. För att förbättra utvärderingen av biasmåtten undersöks procentantalet av de efterfrågetillfällen som en prognosmetod inte kan uppfylla.Förhållandet mellan de olika prognosfelen undersöks med hjälp av principal component analysis (PCA). Prognosfelen undersöks även med binär logistisk regression för att utröna huruvida vissa prognosmetoder gynnas av vissa prognosfel. Den logistiska regressionen baseras på deskriptiv statistik för tidsserierna samt medelabsolutförändringen som tar ordningen för tidserien i beaktande såväl som variationen. Rankning och kvoter mellan olika prognosfel från olika metoder är andra tillämpade metoder. Resultatet av forskningen både bekräftar och motsäger tidigare forskning. Bland de bekräftande resultaten är den bias olika prognosmetoder har. Croston och modifierad Croston överskattar efterfrågan, Syntetos och Boylans metod underskattar efterfrågan. Exponentiell utjämning är förhållandevis fri från bias när utjämningskonstanterna har låga värden. De avvikande resultaten är att CFE inte är lämpligt att använda när antal prognosperioder är begränsat. Värdet för CFE kan indikera att prognosen är fri från bias när både PIS och procentandelen icke mött efterfrågan. PIS är dessutom mindre känslig för transienta efterfrågehändelser som kan förvränga CFE. PIS rekommenderas som ett biasmått när tidsserien är ändlig, särskilt när det gäller intermittent efterfrågan, tillsammans med måttet procentandelen icke mött efterfrågan. Andra resultat är att MAD inte är pålitlig eftersom måttet, under vissa förhållanden, gynnar prognosmetoder som underskattar efterfrågan
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:ltu-17514 |
| Date | January 2009 |
| Creators | Wallström, Peter |
| Publisher | Luleå tekniska universitet, Industriell Ekonomi, Luleå |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Licentiate thesis, comprehensive summary, info:eu-repo/semantics/masterThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | Licentiate thesis / Luleå University of Technology, 1402-1757 |
Page generated in 0.0028 seconds