Managing Intermittent Demand

هدف این کار افزایش سطح خدمات و کاهش هزینه‌های موجودی با ترکیب مدل پیش‌بینی و موجودی در یک مدل موجودی مبتنی بر پیش‌بینی سازگار است. این مدل جدید بر اساس پیش‌بینی توزیع احتمال آینده با فرض یک فرآیند خودرگرسیون با مقدار صحیح به عنوان فرآیند تقاضا است. الگوریتم های توسعه یافته را می توان برای شناسایی، برآورد و پیش بینی تقاضا و همچنین بهینه سازی تصمیم گیری موجودی سری تقاضای متناوب استفاده کرد. در یک مطالعه شبیه‌سازی گسترده، مدل جدید با طیف گسترده‌ای از ترکیب‌های مدل پیش‌بینی/ موجودی مرسوم مقایسه می‌شود. با استفاده از رویکرد سازگار، میانگین سطح موجودی کاهش می‌یابد در حالی که سطح خدمات افزایش می‌یابد. علاوه بر این، یک طرح طبقه بندی موجودی چند معیاره مدرن برای تشخیص خوشه های سری تقاضای مختلف ارائه شده است.

This work aims to increase the service level and to reduce the inventory costs by combining the forecast and inventory model into one consistent forecast-based inventory model. This new model is based on the prediction of the future probability distribution by assuming an integer-valued autoregressive process as demand process. The developed algorithms can be used to identify, estimate, and predict the demand as well as optimize the inventory decision of intermittent demand series. In an extensive simulation study the new model is compared with a wide range of conventional forecast/inventory model combinations. By using the consistent approach, the mean inventory level is lowered whereas the service level is increased. Additionally, a modern multi-criteria inventory classification scheme is presented to distinguish different demand series clusters.