Vorhersage von Aufträgen eines Logistikdienstleisters mit Hilfe statistischer Modelle, Machine Learning und neuronalen Netzen
DOI:
https://doi.org/10.26034/lu.akwi.2024.5116Schlagworte:
Auftragsprognose, KI, Logistik, Machine Learning, Neuronale Netze, Statistik, ZeitreihenprognoseAbstract
Diese Thesis beschäftigt sich mit der Entwicklung einer Auftragsprognose für einen Logistikdienstleister in der Distributionslogistik. Da die Profitabilität des Unternehmens maßgeblich von der effizienten Abwicklung der logistischen Prozesse abhängt, ist es wichtig, verlässliche Informationen über zukünftige Aufträge vorliegen zu haben. Es werden Prognosen über die Anzahl/Höhe der Aufträge kostenstellenbasiert entwickelt.
Literaturhinweise
Axsäter, Sven, Inventory Control. Springer New York, 2006, Vol. 2. [Online]. URL: http://dx.doi.org/10.1007/0-387-33331-2
Chen, Tianqi und Guestrin, Carlos, „XGBoost: A Scalable Tree Boosting System,” in Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Serie KDD ’16. ACM, Aug. 2016. [Online]. URL: http://dx.doi.org/10.1145/2939672.2939785
Lim, Bryan, Arik, Sercan O., Loeff, Nicolas, und Pfister, Tomas, „Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting,” 2019. [Online]. URL: https://arxiv.org/pdf/1912.09363.pdf
Oreshkin, Boris N., Carpov, Dmitri, Chapados, Nicolas, und Bengio, Yoshua, „N-BEATS: Neural basis expansion analysis for interpretable time series forecasting,” in International Conference on Learning Representations, 2020. [Online]. URL: https://openreview.net/forum?id=r1ecqn4YwB
Petropoulos, Fotios et al., „Forecasting: theory and practice,” International Journal of Forecasting, Vol. 38, Nr. 3, S. 705–871, 2022. [Online]. URL: http://dx.doi.org/10.1016/j.ijforecast.2021.11.001
Spiliotis, Evangelos, „Time Series Forecasting with Statistical, Machine Learning, and Deep Learning Methods: Past, Present, and Future,” in Forecasting with Artificial Intelligence. Springer Nature Switzerland, 2023, S. 49–75. [Online]. URL: http://dx.doi.org/10.1007/978-3-031-35879-1_3
Vandeput, Nicolas, Data Science for Supply Chain Forecasting. De Gruyter, 2021. [Online]. URL: http://dx.doi.org/10.1515/9783110671124
Vogel, Jürgen, Prognose von Zeitreihen: Eine Einführung für Wirtschaftswissenschaftler. Springer Fachmedien Wiesbaden, 2015. [Online]. URL: http://dx.doi.org/10.1007/ 978-3-658-06837-0
Downloads
Veröffentlicht
Ausgabe
Rubrik
Lizenz
Copyright (c) 2024 Lina Marie Müller, Harald Ritz, Manuel Groh
Dieses Werk steht unter der Lizenz Creative Commons Namensnennung 4.0 International.
