Bibtex
Cite as text
@Article{Schmid+Sobottka+Luther+Sihn,
Cite-key = "Schmid2022Demand",
Year= "2022",
Number= "6",
Volume= "IM 38",
Pages= "47-50",
Journal = "Industrie 4.0 Management",
Title= "Demand Planning Falcon – Zielgenaue, stochastische Bedarfsvorhersagen mit einer neu entwickelten digitalen Planungsmethode",
Author= "Alexander Schmid, Thomas Sobottka, Fraunhofer Austria Research GmbH/
Technische Universität Wien, Samuel Luther, Technische Universität Wien und
Wilfried Sihn, Fraunhofer Austria Research GmbH",
Doi= "https://doi.org/10.30844/IM_22-6_47-50",
Abstract= "Präzise Bedarfsprognosen sind der Schlüssel für eine erfolgreiche Materialdisposition. EntscheidungsträgerInnen stehen jedoch vor dem Dilemma, welches Prognoseverfahren sie verwenden sollen. Zumeist fehlt auch das Methodenwissen, um komplexe mathematische Prognoseverfahren anwenden zu können. Doch auch nach der Wahl des Prognoseverfahrens verbleibt noch die Hürde, die Prognoseverfahren optimal zu parametrisieren. Der vorliegende Beitrag untersucht das Optimierungspotenzial eines selbst entwickelten automatisch optimierenden Prognoseansatzes auf Basis zehngängiger Prognoseverfahren. In die Praxis umgesetzt wurde die Methode im Forschungsprojekt DISPO 4.0 im digitalen Planungstool Demand Planning Falcon, das zielgenaue Bedarfsprognosen für die Investitionsgüterindustrie erstellt.",
Keywords= "Absatzplanung, Exponentielle Glättung, Prognosen, Parameteroptimierung, Bedarfszeitreihen, Simulation",
}
Alexander Schmid, Thomas Sobottka, Fraunhofer Austria Research GmbH/
Technische Universität Wien, Samuel Luther, Technische Universität Wien und
Wilfried Sihn, Fraunhofer Austria Research GmbH(2022): Demand Planning Falcon – Zielgenaue, stochastische Bedarfsvorhersagen mit einer neu entwickelten digitalen Planungsmethode. IM 386(2022), S. 47-50. Online: https://doi.org/10.30844/IM_22-6_47-50 (Abgerufen 20.11.24)
Open Access
Präzise Bedarfsprognosen sind der Schlüssel für eine erfolgreiche Materialdisposition. EntscheidungsträgerInnen stehen jedoch vor dem Dilemma, welches Prognoseverfahren sie verwenden sollen. Zumeist fehlt auch das Methodenwissen, um komplexe mathematische Prognoseverfahren anwenden zu können. Doch auch nach der Wahl des Prognoseverfahrens verbleibt noch die Hürde, die Prognoseverfahren optimal zu parametrisieren. Der vorliegende Beitrag untersucht das Optimierungspotenzial eines selbst entwickelten automatisch optimierenden Prognoseansatzes auf Basis zehngängiger Prognoseverfahren. In die Praxis umgesetzt wurde die Methode im Forschungsprojekt DISPO 4.0 im digitalen Planungstool Demand Planning Falcon, das zielgenaue Bedarfsprognosen für die Investitionsgüterindustrie erstellt.
Absatzplanung, Exponentielle Glättung, Prognosen, Parameteroptimierung, Bedarfszeitreihen, Simulation