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 มีความจำเป็นที่แท้จริงของคาดการณ์ยอดขายประจำวันเพื่อสนับสนุนผู้จัดการร้านในแม่นยำสั่งซื้อ โดยไม่สูญเสียอาหารขยะและสต็อกเอาท์ อย่างไรก็ตาม อนุกรมเวลาซึ่งประกอบด้วยยอดขายรายวันของอาหารเน่าเสียง่ายในร้านค้าปลีก มีโดดเด่น ด้วยความผันผวนสูงและความเบ้ ซึ่งมักจะนอกจากนี้ เวลาที่แตกต่างกัน เหล่านี้เป็นข้อจำกัดสำคัญ แต่มักจะละเว้นในการคาดการณ์ เพื่อเอาชนะปัญหาเหล่านี้ มีการต้องพัฒนาเป็นเวลาชุดโมเดลการคาดการณ์ซึ่งประกอบด้วยความไม่แน่นอนในการคาดการณ์และอิทธิพลของตัวแปรภายนอกวันของสัปดาห์เช่นฤดูกาล ฤดูกาลเดือนของการวันหยุด เทศกาล ลดราคา และสภาพอากาศในการขาย ในการนี้ศึกษา ทิพย MLR และรุ่น QR สมถวิลได้รับการพัฒนา และใช้ในการพยากรณ์ยอดขายรายวันของกล้วยขายปลีกเยอรมันจัดเก็บ ทั้งสองรุ่นนี้ให้ผลผลิตดีกว่าคาดการณ์ out-sampleข้อมูล เมื่อเทียบกับการคาดการณ์ไร้เดียงสาตามฤดูกาล ทิพย และ MLPNNรุ่น นอกจากนี้ ที่มาของนโยบายสินค้าคงคลังจากการคาดการณ์การขายที่ประเมินเป็นหนึ่งในปัญหาสำคัญในการการจัดการหุ้นในอุตสาหกรรมค้าปลีกอาหาร แบบ MLR ทิพยผลิตเพียงจุดคาดการณ์ การคาดการณ์หมายถึงเช่น เป็นการแจกจริงของอุปสงค์หรือขายไม่ปกติ การประเมินช่วงทำนายจากจุดของ การพยากรณ์จะไม่สะท้อนความเป็นจริง อย่างไรก็ตาม รุ่น QR ทิพยมีเพิ่มเติมผลประโยชน์มากกว่าแบบทิพย MLR เป็นดังนี้: (i) จะช่วยให้การคาดการณ์ระดับบริการที่สูงขึ้นโดยตรง และถูกต้องโดยไม่ต้องคาดการณ์แบบ, (ii) QR ผลลัพธ์มีข้อมูลเชิงลึกละเอียด และมุ่งเน้นในผลกระทบของ covariates และ (iii) เมื่อโฟกัสของสนใจอยู่สูงกว่า (สำหรับกิจกรรมส่งเสริมการขาย) หรือต่ำกว่าขาย(เนื่องจากสภาพอากาศรุนแรง), รูปแบบสามารถช่วยให้การจัดการการตัดสินใจที่ถูกต้อง และเหมาะสม

ผลลัพธ์ (ไทย) 2:

ในอุตสาหกรรมค้าปลีกอาหารที่มีความจำเป็นที่แท้จริงของยอดขายรายวันคาดการณ์
ที่จะสนับสนุนผู้จัดการร้านในการสั่งซื้อได้อย่างแม่นยำโดยไม่สูญเสีย
เศษอาหารและสต็อกลึกหนาบาง อย่างไรก็ตามชุดเวลา
ที่มียอดขายรายวันของอาหารที่เน่าเสียง่ายในร้านค้าปลีกจะ
มักจะโดดเด่นด้วยความผันผวนสูงและเบ้ซึ่งเป็น
ช่วงเวลาที่แตกต่างกัน เหล่านี้เป็นข้อ จำกัด ที่สำคัญ แต่มักจะ
ไม่สนใจในการพยากรณ์ เพื่อที่จะเอาชนะปัญหาเหล่านี้มีความ
จำเป็นที่จะต้องพัฒนารูปแบบการพยากรณ์อนุกรมเวลาซึ่งประกอบด้วย
ความไม่แน่นอนในการคาดการณ์และอิทธิพลของตัวแปรภายนอก
เช่นวันของสัปดาห์ฤดูกาลเดือนของปีฤดูกาล
วันหยุดเทศกาล ลดราคาและสภาพอากาศในการขายที่ ในการนี้
การศึกษา SARIMA-MLR และ SARIMA QR-รุ่นมีการพัฒนาและ
นำไปใช้กับการคาดการณ์ยอดขายรายวันของกล้วยในค้าปลีกเยอรมัน
ร้าน ทั้งสองรุ่นนี้คาดการณ์ผลผลิตที่ดีกว่าสำหรับการออกตัวอย่าง
ข้อมูลเมื่อเทียบกับฤดูกาลไร้เดียงสาพยากรณ์ SARIMA และ MLPNN
รุ่น นอกเหนือจากนี้ที่มาของนโยบายสินค้าคงคลังจาก
การคาดการณ์ยอดขายโดยประมาณเป็นหนึ่งในปัญหาสำคัญในการ
บริหารสต็อกในอุตสาหกรรมค้าปลีกอาหาร รุ่น SARIMA-MLR
ผลิตเพียงการคาดการณ์จุดคือการคาดการณ์เฉลี่ย ในฐานะที่เป็น
การกระจายความจริงของความต้องการหรือการขายไม่ปกติการประเมิน
ของช่วงการคาดคะเนจากการคาดการณ์จุดจะไม่
สะท้อนให้เห็นถึงความเป็นจริง อย่างไรก็ตามรูปแบบการ SARIMA QR-มีเพิ่มเติม
ผลประโยชน์มากกว่ารุ่น SARIMA-MLR ดังต่อไปนี้: (i) จะช่วยให้
การคาดการณ์ระดับการให้บริการที่สูงขึ้นโดยตรงและถูกต้องโดยไม่ต้อง
คาดการณ์ (ii) ผล QR นำเสนอรายละเอียดและมุ่งเน้นข้อมูลเชิงลึก
ลงไปในผลกระทบ ของตัวแปรและ (iii) เมื่อจุดเน้นของการ
ที่น่าสนใจคือยอดขายที่สูงขึ้น (สำหรับกิจกรรมส่งเสริมการขาย) หรือต่ำกว่า
(เนื่องจากสภาพอากาศที่รุนแรง), รุ่นสามารถช่วย
จัดการในการตัดสินใจที่ถูกต้องและเหมาะสม

ผลลัพธ์ (ไทย) 3:

ในอุตสาหกรรมอาหาร มีความต้องการที่แท้จริงของการพยากรณ์การขายทุกวันช่วยผู้จัดการร้านในการสั่งซื้อที่ชัดเจนโดยไม่มีการประนีประนอมเศษอาหารและลึกหนาบางของหุ้น อย่างไรก็ตาม อนุกรมเวลาซึ่งประกอบด้วยทุกวัน ขายอาหารที่เน่าเสียง่ายในห้างค้าปลีกมักจะมีความผันผวนสูงและความเบ้ ซึ่งเป็นนอกจากนี้ เวลาที่แตกต่างกัน เหล่านี้เป็นปัญหาที่สำคัญ แต่มักจะไม่สนใจในการพยากรณ์ เพื่อเอาชนะปัญหาเหล่านี้ มีต้องพัฒนารูปแบบการพยากรณ์อนุกรมเวลาซึ่งประกอบด้วยความไม่แน่นอนในการคาดการณ์และอิทธิพลของตัวแปรภายนอกวันต่างๆของสัปดาห์ เดือน ปี ฤดูกาล , ฤดูกาล ,วันหยุดเทศกาล ลดราคา และสภาพอากาศในการขาย ในนี้การศึกษาและพัฒนารูปแบบ sarima-mlr sarima-qr และใช้พยากรณ์ยอดขายรายวันของกล้วยในภาษาเยอรมันค้าปลีกร้าน ทั้งสองรุ่นนี้ผลิตขึ้นเพื่อใช้คาดคะเนข้อมูล เทียบกับฤดูกาลและไตได้ sarima และ mlpnn การพยากรณ์รุ่น นอกจาก นี้ ชนิดของนโยบายสินค้าคงคลังจากประมาณการการขายการพยากรณ์เป็นหนึ่งในปัญหาสำคัญในการจัดการสินค้าในอุตสาหกรรมอาหาร การ sarima-mlr รุ่นผลิตเพียงจุดพยากรณ์ เช่น หมายถึง การคาดการณ์ เป็นแจกจริงความต้องการขายหรือไม่ปกติ การประเมินของช่วงเวลาการพยากรณ์จากจุดพยากรณ์ ไม่ ได้ ไปสะท้อนให้เห็นถึงความเป็นจริง อย่างไรก็ตาม sarima-qr นางแบบเพิ่มเติมประโยชน์มากกว่า sarima-mlr แบบ ( 1 ) ช่วยการพยากรณ์ระดับการบริการที่สูงขึ้นโดยตรงและถูกต้องโดยไม่การประมาณค่านอกช่วง ( 2 ) QR มีรายละเอียดและเน้นข้อมูลเชิงลึกผลผลของความรู้และ ( 3 ) เมื่อโฟกัสของที่น่าสนใจคือบนที่สูง ( สำหรับกิจกรรมส่งเสริมการขาย หรือขายที่ลดลง( เนื่องจากสภาพอากาศที่รุนแรง ) แบบจำลองที่ได้สามารถช่วยการจัดการเพื่อให้ถูกต้องและเหมาะสมในการตัดสินใจ