In food retail industry, there is a

In food retail industry, there is a real need of daily sales forecast to support the store managers in precise ordering, without compromising food waste and stock-outs. However, the time series which contain daily sales of perishable food in retail stores, are usually characterized by high volatility and skewness, which are also time varying. These are important constraints, but often ignored in forecasting. In order to overcome these issues, there is a need to develop a time series forecasting model which incorporates uncertainty in forecasts and influence of external variables such day-of-the-week seasonality, month-of-the year seasonality, holidays, festivals, price reduction and weather on the sales. In this study, SARIMA-MLR and SARIMA-QR models are developed and applied to forecast the daily sales of banana in a German retail store. Both of these models yield better predictions for out-sample data, compared to seasonal naïve forecasting, SARIMA, and MLPNN models. Other than this, the derivation of inventory policy from the estimated sales forecast is one of the important problems in stock management in food retail industry. The SARIMA-MLR model produces only the point forecast, i.e., the mean forecast. As the true distribution of demand or sales is not normal, the estimation of prediction intervals from the point forecast is not going to reflect the reality. However, the SARIMA-QR model has additional benefits over the SARIMA-MLR model as follows: (i) it helps to forecast the higher service levels directly and accurately without extrapolation, (ii) the QR results offer detailed and focused insights into the effects of the covariates, and (iii) when the focus of interest is on the higher (for promotional activities) or lower sales (due to extreme weather conditions), the model can aid the management to make accurate and proper decisions.

ผลลัพธ์ (ไทย) 1:

ในอุตสาหกรรมค้าปลีกอาหาร มีความต้องการจริงของคาดการณ์ยอดขายประจำวันเพื่อสนับสนุนผู้จัดการร้านในแม่นยำสั่งซื้อ โดยไม่สูญเสียอาหารขยะและสต็อกเอาท์ อย่างไรก็ตาม เวลาชุดซึ่งประกอบด้วยยอดขายรายวันของอาหารเน่าเสียง่ายในร้านค้าปลีก มักจะมีลักษณะ โดยความผันผวนสูง และความเบ้ ซึ่งยังมีเวลาแตกต่างกัน เหล่านี้มีข้อจำกัดที่สำคัญ แต่มักจะถูกละเว้นในการคาดการณ์ เพื่อเอาชนะปัญหาเหล่านี้ มีความจำเป็นในการพัฒนาชุดเวลาการคาดการณ์ที่แบบจำลองซึ่งประกอบด้วยความไม่แน่นอนในการคาดการณ์และอิทธิพลของตัวแปรภายนอก เช่นวันสัปดาห์ฤดูกาล ฤดูกาลเดือนของการ วันหยุด เทศกาล ลดราคา และสภาพอากาศในการขาย ในการศึกษานี้ ทิพย MLR และทิพย QR รุ่นพัฒนา และประยุกต์ใช้ในการพยากรณ์ยอดขายรายวันของกล้วยในร้านค้าปลีกที่เยอรมัน ทั้งสองรุ่นอัตราผลตอบแทนดีกว่าคาดการณ์เหล่านี้สำหรับออกข้อมูลตัวอย่าง เมื่อเทียบกับการพยากรณ์ ทิพย ไร้เดียงสาที่ตามฤดูกาล และรุ่น MLPNN นอกเหนือจากนี้ ที่มาของนโยบายสินค้าคงคลังจากการคาดการณ์ยอดขายโดยประมาณเป็นหนึ่งในปัญหาสำคัญในการจัดการสินค้าคงคลังในอุตสาหกรรมค้าปลีกอาหาร แบบ MLR ทิพยผลิตเพียงจุดคาดการณ์ การคาดการณ์หมายถึงเช่น เป็นการกระจายความต้องการหรือขายจริงไม่ปกติ การประมาณค่าคาดการณ์ช่วงจากจุดที่คาดการณ์จะไม่สะท้อนความเป็นจริง อย่างไรก็ตาม รุ่น QR ทิพยมีสิทธิประโยชน์เพิ่มเติมแบบทิพย MLR เป็นดังนี้: (i) จะช่วยให้การคาดการณ์ระดับบริการที่สูงขึ้นโดยตรง และถูกต้องโดยไม่คาดการณ์แบบ, (ii) QR ผลยังมีรายละเอียด และเน้นเจาะลึกผลกระทบ ของการ covariates และ (iii) เมื่อโฟกัสของดอกเบี้ยสูงขึ้น (สำหรับกิจกรรมส่งเสริมการขาย) หรือต่ำกว่าขาย (เนื่องจากสภาพอากาศรุนแรง) แบบจำลองสามารถช่วยฝ่ายบริหารในการตัดสินใจที่ถูกต้อง และเหมาะสมได้

ผลลัพธ์ (ไทย) 2:

ในอุตสาหกรรมค้าปลีกอาหารที่มีความจำเป็นที่แท้จริงของยอดขายรายวันคาดว่าจะสนับสนุนผู้จัดการร้านในการสั่งซื้อได้อย่างแม่นยำโดยไม่สูญเสียเศษอาหารและสต็อกลึกหนาบาง อย่างไรก็ตามชุดเวลาที่มียอดขายรายวันของอาหารที่เน่าเสียง่ายในร้านค้าปลีก, มักจะโดดเด่นด้วยความผันผวนสูงและเบ้ซึ่งนอกจากนี้ยังมีเวลาที่แตกต่างกัน เหล่านี้เป็นข้อ จำกัด สำคัญ แต่มักจะละเลยในการพยากรณ์ เพื่อที่จะเอาชนะปัญหาเหล่านี้มีความจำเป็นในการพัฒนารูปแบบการพยากรณ์อนุกรมเวลาซึ่งประกอบด้วยความไม่แน่นอนในการคาดการณ์และอิทธิพลของตัวแปรภายนอกเช่นวันของสัปดาห์ฤดูกาลเดือนของปีฤดูกาลวันหยุดเทศกาล ลดราคาและสภาพอากาศในการขายที่ ในการศึกษานี้ SARIMA-MLR และ SARIMA QR-รุ่นได้รับการพัฒนาและนำไปใช้ในการคาดการณ์ยอดขายประจำวันของกล้วยในร้านค้าปลีกเยอรมัน ทั้งสองรุ่นนี้คาดการณ์ผลผลิตที่ดีกว่าสำหรับข้อมูลจากตัวอย่างเมื่อเทียบกับฤดูกาลไร้เดียงสาพยากรณ์รุ่น SARIMA และ MLPNN นอกเหนือจากนี้ที่มาของนโยบายสินค้าคงคลังจากการคาดการณ์ยอดขายโดยประมาณเป็นหนึ่งในปัญหาที่สำคัญในการจัดการหุ้นในอุตสาหกรรมค้าปลีกอาหาร รุ่น SARIMA-MLR ผลิตเพียงการคาดการณ์จุดคือการคาดการณ์เฉลี่ย ที่จำหน่ายจริงของความต้องการหรือการขายไม่ปกติประมาณค่าของช่วงการคาดคะเนจากการคาดการณ์จุดจะไม่สะท้อนให้เห็นถึงความเป็นจริง อย่างไรก็ตามรูปแบบการ SARIMA QR-มีประโยชน์เพิ่มที่มากกว่ารุ่น SARIMA-MLR ดังต่อไปนี้: (i) จะช่วยให้การคาดการณ์ระดับการให้บริการที่สูงขึ้นโดยตรงและถูกต้องโดยไม่ต้องคาดการณ์ (ii) ผล QR นำเสนอรายละเอียดและมุ่งเน้นความรู้ความเข้าใจในผลกระทบ ของตัวแปรและ (iii) เมื่อโฟกัสที่สนใจที่อยู่บนยอดขายที่สูงขึ้น (สำหรับกิจกรรมส่งเสริมการขาย) หรือต่ำกว่า (เนื่องจากสภาพอากาศที่รุนแรง) รูปแบบการจัดการสามารถช่วยในการตัดสินใจที่ถูกต้องและเหมาะสม

ผลลัพธ์ (ไทย) 3:

ในอุตสาหกรรมอาหาร มีความต้องการที่แท้จริงของการขายทุกวัน คาดว่าจะสนับสนุนผู้จัดการร้านในการสั่งซื้อที่ชัดเจน โดยไม่ลดทอนเสน่ห์ของเศษอาหารและลึกหนาบางของหุ้น อย่างไรก็ตาม เวลาชุดซึ่งประกอบด้วยทุกวัน ขายอาหารที่เน่าเสียง่ายในร้านค้าปลีกมักจะมีความผันผวนสูงและความเบ้ ซึ่งมีเวลาแตกต่างกัน เหล่านี้เป็นปัญหาที่สำคัญ แต่มักจะมองข้ามในการพยากรณ์ เพื่อเอาชนะปัญหาเหล่านี้ มีความต้องการที่จะพัฒนารูปแบบการพยากรณ์อนุกรมเวลาซึ่งประกอบด้วยความไม่แน่นอนในการคาดการณ์และอิทธิพลของตัวแปร เช่น วันของสัปดาห์ฤดูกาลภายนอก เดือนของปีฤดูกาล , วันหยุด , เทศกาล , การลดราคาและสภาพอากาศในการขาย ในการศึกษานี้ และรุ่น sarima-mlr sarima-qr พัฒนาและประยุกต์เพื่อพยากรณ์ยอดขายรายวันของกล้วยในเยอรมัน ร้านค้าปลีก ทั้งสองรุ่นนี้ผลิตขึ้นเพื่อคาดคะเนข้อมูลตัวอย่างเปรียบเทียบกับฤดูกาลและไตได้ การคาดคะเน sarima และ mlpnn รุ่น นอกจาก นี้ ชนิดของนโยบายสินค้าคงคลังจากประมาณการขายพยากรณ์เป็นหนึ่งในปัญหาสำคัญในการบริหารสินค้าในอุตสาหกรรมอาหาร การ sarima-mlr รุ่นผลิตเพียงจุดพยากรณ์ เช่น หมายถึง การคาดการณ์ ขณะที่การกระจายจริงความต้องการขายหรือไม่ปกติ การประมาณช่วงเวลาการพยากรณ์จากจุดที่คาดว่าจะไม่สะท้อนความเป็นจริง อย่างไรก็ตาม sarima-qr แบบมีสิทธิประโยชน์เพิ่มเติมมากกว่า sarima-mlr แบบ ( 1 ) ช่วยให้พยากรณ์ระดับการบริการที่สูงขึ้นโดยตรงและถูกต้องโดยที่ไม่มีจุดหมาย ( 2 ) QR ผลเสนอรายละเอียดและเน้นข้อมูลเชิงลึกในลักษณะของความรู้และ ( 3 ) เมื่อโฟกัสที่น่าสนใจบนที่สูง ( สำหรับกิจกรรมส่งเสริมการขาย หรือขายที่ลดลงเนื่องจากสภาพอากาศที่รุนแรง ) , รูปแบบสามารถช่วยจัดการให้ถูกต้องและเหมาะสมในการตัดสินใจ