Reducering av svinnet i fa rskvaruhandeln genom fo rba ttrade efterfra geprognoser
|
|
- Lina Lundberg
- för 4 år sedan
- Visningar:
Transkript
1 Reducering av svinnet i fa rskvaruhandeln genom fo rba ttrade efterfra geprognoser Andreas Hellborg, Martin Mellvé och Martin Strandberg Institutionen för Produktionsekonomi Lunds Tekniska Högskola Bakgrund Problem kring att producera, beställa och lagerhålla rätt mängd varor genomsyrar nästan alla branscher. Även om behoven är likartade kan orsakerna vara skiftande, från att minska sin kapitalbindning till att reducera svinn. Just livsmedelsbranschens behov skiljer sig från många andra branscher då de till stor del hanterar färskvaror med begränsad livslängd. En vara som inte sålts inom ett visst datum slängs, med stora ekonomiska förluster som följd. Hand i hand med detta problem finns krav från kunder, butiksägare och producenter på att ha fulla hyllor i butik. Butikerna vill maximera sin försäljning och samtidigt undvika missnöjda kunder som inte kunnat köpa slutsålda varor. Kundernas beteende att främst ta de senast producerade varorna kombinerat med fulla hyllor policyn leder till stora mängder svinn. Naturvårdsverkets studie av svinn i livsmedelskedjan visar att den största orsaken till svinn är att fel mängd varor köps in av butikerna (Naturvårdsverket, 2008). För att undersöka hur förbättrad prognosverksamhet i livsmedelsindustrin kan påverka svinnet har vi genomfört denna studie (Hellborg, Mellvé & Strandberg, 2013) tillsammans med Pågen AB i Malmö. Syfte och problemformulering Syftet med denna studie är att undersöka på vilket sätt en god prognosverksamhet kombinerat med en genomtänkt serviceoptimering kan förbättra ett livsmedelsföretags logistikverksamhet. Studien bygger på följande tre frågeställningar: Vilka förbättringar innebär en prognosmodell i de miljöer som saknar ett systematiskt prognosverktyg? Ger vår modell signifikant mindre prognosfel än befintliga modeller på marknaden?
2 Vilken effekt har en prognosmodell i kombination med en serviceoptimering på servicegraden och mängden svinn? Metodval Metodiken för genomförandet av denna studie grundar sig i operationsanalys. Dock har vissa anpassningar gjorts då denna studies mål är att testa en av författarna redan utvecklad modell i en befintlig verksamhet. Metodiken går igenom följande steg: 1. Informations och datainsamling 2. Prognostisering 3. Serviceoptimering 4. Resultat och diskussion Teori Prognoser kan matematiskt förklaras som ett sätt att skatta framtida utfall av en stokastisk process. För att göra detta försöker man hitta en modell som beskriver den stokastiska processen och sedan utifrån denna göra skattningar av framtida utfall. För vårt arbete har vi valt att jämföra vår prognosmodell med ett flertal välkända olika modeller. Vår modell är baserad på Neurala Nätverk (NN) och de vi jämför med är följande: Glidande Medelvärde (GM) Exponentiell Utjämning (EU) SARIMA (SA) SARIMAX (SX) Glidande medelvärde och exponentiell utjämning är enklare metoder medan SARIMA och SARIMAX tar hänsyn till mer komplexa samband så som säsongsberoende trender. Skillnaden på SARIMA och SARIMAX är att SARIMAX kan ta hänsyn till externa faktorer såsom väder. Nackdelen med SARIMAX är att metoden bara hanterar linjära beroenden. Detta underlättar beräkningarna men är inte tillräckligt vid olinjära samband såsom prissänkningars påverkan på försäljningsvolym. En metod som klarar av att ta hänsyn till olinjära samband är just neurala nätverk, vilket är dess stora styrka.x Då det inte finns information om den egentliga efterfrågan, och det är denna vi vill prognostisera, krävs vissa uppskattningar utifrån historisk försäljning. Försäljningsdata speglar endast den egentliga
3 efterfråga endast då kundens efterfråga tillfredställts. Då det funnits tillgång till exakt hur många bröd som sålts varje 15 minutersintervall under vår undersökningstid har vi genom att analysera när bröden i en butik sålts slut göra antaganden för hur många försäljningsmöjligheter som missats, och därmed uppskatta den egentliga efterfrågan. De resultat som presenteras i denna studie har simulerats. Genom använda prognoserna som grund till en serviceoptimering (där ett ekonomiskt optimalt säkerhetslager sätts) har vi kunnat bestämma hur många bröd som borde ha lagts ut i varje butik enligt respektive prognosverktyg. Pågens resultat har simulerats på samma sätt som våra modeller genom att använda deras historiska utlägg i butik. Detta är inte en exakt återskapning av verkligheten, men ger en mer rättvisande jämförelse mellan Pågens verksamhet och de analyserade prognosmodellerna. Resultat Nedan följer de prognosresultat vi fick fram för de olika modellerna. Resultaten presenteras i MAD vilket betyder hur många bröd prognoserna i genomsnitt avvek från den faktiska mängden sålda bröd. Raden Totalt står för samtliga Pågens bröd i de 32 Coop butikerna vi undersökte. GM EU SA SX NN Lingongrova Jättefranska Längtan Rågbröd Gifflar kanel Totalt Tabellen ovan visar de resultat som framkommit vid prognostisering där kampanjer har blivit utrensade. Det finns en tydlig skillnad i resultat på de enklare modellerna, GM och EU, och de mer komplexa modellerna, SA, SX och NN. En annan intressant punkt att nämna är att SA är konsekvent bättre än SX, där den största skillnaden är att SX tar hänsyn till yttre parametrar såsom väder och högtider. Detta kan i stor grad bero på overfitting, där modellen hittar en alldeles för precis formel som fungerar mycket bra på den datamängd där träning sker, men sämre vid okänd data. Skillnaden mellan NN och SA är i det totala hänseendet är liten, men detta visar inte hela sanningen. I nedanstående tabell presenteras hur många serier som respektive prognosmodell har gett bäst resultat på. GM EU SA SX NN Bäst resultat
4 Resultaten vi fått fram i våra simuleringar presenteras i form av missad försäljning och returer. Missad försäljning innebär hur många procent av den potentiella efterfrågan som inte kunnat uppfyllas och returer presenteras som antalet procent av de bröd vi lägger ut som får tas tillbaka på grund av att de blivit för gamla. Vi har i dessa simuleringar använt alla olika prognosmodeller för att kunna göra en jämförelse mellan dessa. Vi har även använt oss av Bästa Prognos (BP), där vi har valt att använda den modell som historiskt har gett minst prognosfel på respektive artikel och butik. Modell Returer Missad försäljning GM 9,6 % 11,6 % EU 9,2 % 11,3 % SA 7,6 % 10,8 % SX 7,0 % 10,5 % NN 6,5 % 10,5 % BP 6,5 % 10,0 % Pågen 11,3 % 10,9 % Ovanstående tabell visar att de enklare modellerna (GM) och (EU) ger liknande resultat som Pågens simulerade utfall, medan de modeller som presterade bäst prognosfel också presterar bättre i simuleringens utfall. Föga förvånande ger (BP) det bästa utfallet. Den stora skillnaden i resultat sker i returer, vilka enligt simuleringen kan minskas med 42,7 % vid användande av Bästa Prognos. De missade försäljningarna ligger rätt nära Pågens nuvarande nivåer, vilket tyder på att de i dagsläget håller en rimlig servicegrad till butikerna. Diskussion Utifrån de resultat vi fått fram genom denna studie anser vi det visat att ett väl fungerande system för efterfrågeprognostisering kan ge mycket goda ekonomiska och miljömässiga förbättringar inom livsmedelsbranschen. Trots att det finns många anledningar till svinn i försörjningskedjan kan ett av de största problemen hanteras väl, och i detta fall ge nästan en halvering av svinnet som beror på överproduktion. Det har även visat sig att en modell baserad på neurala nätverk kan bidra till den nuvarande prognosverksamheten och i många fall överträffa de traditionella prognosmodellerna.
5 Denna studie har varit begränsad till delar av Pågens utbud och butiker, vilket skulle kunna resultera i något ändrade resultat för hela dess verksamhet. Det har dock varit vår målsättning att göra ett så representativt urval som möjligt för att kunna visa på de verkliga ekonomiska effekterna för Pågens verksamhet. För vidare forskning föreslår vi att andra delar av livsmedelskedjan undersöks, där förutsättningarna kan skilja sig från brödproducenternas, för att kunna ge än ännu tydligare bild av prognosverksamhetens betydelse för minskat svinn. Det borde även finnas intresse i att undersöka möjligheterna till liknande implementationer vid försäljning mellan företag, där efterfrågan bör ha andra mönster. Referens HELLBORG, A., MELLVÉ, M. & STRANDBERG, M., 2013 Reducering av svinnet i färskvaruhandeln genom förbättrade efterfrågeprognoser, NATURVÅRDSVERKET, Svinn i livsmedelskedjan, möjligheter till minskade mängder, sid 21. Rapport 5885, pdf
Reducering av svinnet i färskvaruhandeln genom förbättrade efterfrågeprognoser
Reducering av svinnet i färskvaruhandeln genom förbättrade efterfrågeprognoser En studie på Pågen AB Lund, juli 2013 Författare: Handledare: Andreas Hellborg Martin Mellvé Martin Strandberg Johan Marklund
Läs merPrognostisering med exponentiell utjämning
Handbok i materialstyrning - Del F Prognostisering F 23 Prognostisering med exponentiell utjämning Det som karakteriserar lagerstyrda verksamheter är att leveranstiden till kund är kortare än leveranstiden
Läs merPrognostisering med glidande medelvärde
Handbok i materialstyrning - Del F Prognostisering F 21 Prognostisering med glidande medelvärde Det som karakteriserar lagerstyrda verksamheter är att leveranstiden till kund är kortare än leveranstiden
Läs merLönsammare apotek genom automatisk varupåfyllning!
19.5.2010 1 / 5 Lönsammare apotek genom automatisk varupåfyllning! Den svenska apoteksmarknaden genomgår sedan årsskiftet 2009 2010 en omreglering från statligt monopol till fri marknad. Omregleringen
Läs merHandbok i materialstyrning - Del F Prognostisering
Handbok i materialstyrning - Del F Prognostisering F 71 Absoluta mått på prognosfel I lagerstyrningssammanhang kan prognostisering allmänt definieras som en bedömning av framtida efterfrågan från kunder.
Läs merFöreläsning 3. Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller och prognosverktyg
Föreläsning 3 Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller och prognosverktyg Kursstruktur Innehåll Föreläsning Lektion Laboration Introduktion, produktionsekonomiska Fö 1 grunder,
Läs merKampanjer under 104 veckor i sex butiker...
Kampanjer under 104 veckor i sex butiker... Bas-frukt : 162 kampanj-observationer IckeBas-frukt : 138 kampanj-observationer Bas-grönsaker : 174 kampanj-observationer Totalt alltså 474 kampanj-observationer
Läs merStrategisk Logistik 20 YHp Dag 2(8)
Strategisk Logistik 20 YHp Dag 2(8) Affärslogistik 400 YH-poäng Dag 2(8) Repetition Lagerkurva Säkerhetslager Kapitalbindning/Kapitalomsättning Flexibilitet Prognostisering, intro 2 1 Lagerspelet Lagerspelet
Läs merInnovativa SCM-lösningar
Innovativa SCM-lösningar RELEX SCM-seminarium 2015 Johanna Småros, RELEX Solutions Revolutionerande teknologi Minnesbaserad beräkningsteknologi (IMC) kommer att revolutionera planering och styrning av
Läs merHandbok i materialstyrning - Del F Prognostisering
Handbok i materialstyrning - Del F Prognostisering F 31 Focus forecasting Lagerstyrda verksamheter karakteriseras av att leveranstiden till kund är kortare än leveranstiden från den egna produktionen eller
Läs merVad Betyder måtten MAPE, MAD och MSD?
Vad Betyder måtten MAPE, MAD och MSD? Alla tre är mått på hur bra anpassningen är och kan användas för att jämföra olika modeller. Den modell som har lägst MAPE, MAD och/eller MSD har bäst anpassning.
Läs merIN-SEASON MANAGEMENT
IN-SEASON MANAGEMENT Planering och styrning av varuflödet inom modeindustrin Joel Johansson RELEX hjälper detaljhandlare med att styra säsongerna från början till slut Ett effektivt verktyg för detaljhandlare
Läs merTillämpad statistik (A5), HT15 Föreläsning 24: Tidsserieanalys III
Tillämpad statistik (A5), HT15 Föreläsning 24: Tidsserieanalys III Sebastian Andersson Statistiska institutionen Senast uppdaterad: 16 december 2015 är en prognosmetod vi kan använda för serier med en
Läs merRäkneövning 4. Om uppgifterna. 1 Uppgift 1. Statistiska institutionen Uppsala universitet. 14 december 2016
Räkneövning 4 Statistiska institutionen Uppsala universitet 14 december 2016 Om uppgifterna Uppgift 2 kan med fördel göras med Minitab. I de fall en gur för tidsserien efterfrågas kan du antingen göra
Läs merPlanering av flygplatser
Fö 2: Prognostisering Tobias Andersson Källor Delar av materialet till denna föreläsning är hämtat från: Kap 7 av Airport Planning av Lynn S. Bezilla Edlund, Högberg, Leonardz: Beslutsmodeller redskap
Läs merLedtidsanpassa standardavvikelser för efterfrågevariationer
Handbok i materialstyrning - Del B Parametrar och variabler B 43 Ledtidsanpassa standardavvikelser för efterfrågevariationer I affärssystem brukar standardavvikelser för efterfrågevariationer eller prognosfel
Läs merNedan redovisas resultatet med hjälp av ett antal olika diagram (pkt 1-6):
EM-fotboll 2012 några grafer Sport är en verksamhet som genererar mängder av numerisk information som följs med stort intresse EM i fotboll är inget undantag och detta dokument visar några grafer med kommentarer
Läs merPrognostisering av efterfrågan Konkurrera med hjälp av Affärsanalys
Copyright SAS Institute Sweden, november 2008 SAS INSTITUTE AB STORA FRÖSUNDA, BOX 609 169 26 SOLNA TEL: 08-52 21 70 00 FAX: 08-52 21 70 70 WWW.SAS.COM/SWEDEN SAS Institute AB is a subsidiary of SAS Institute
Läs merReservationshantering vid materialbehovsplanering
Handbok i materialstyrning - Del C Materialstyrningsmetoder C 44 Reservationshantering vid materialbehovsplanering Vid materialstyrning föreligger ofta situationer där man har både prognoser och reservationer
Läs mer732G71 Statistik B. Föreläsning 9. Bertil Wegmann. December 1, IDA, Linköpings universitet
732G71 Statistik B Föreläsning 9 Bertil Wegmann IDA, Linköpings universitet December 1, 2016 Bertil Wegmann (IDA, LiU) 732G71, Statistik B December 1, 2016 1 / 20 Metoder för att analysera tidsserier Tidsserieregression
Läs merFå styr på kampanjerna!
Whitepaper 2.2.2012 1 / 7 Få styr på kampanjerna! Författare: Johanna Småros Direktör, Skandinavien, D.Sc. (Tech.) För företag som jobbar med konsumtionsvaror, utgör kampanjerna en ständigt återkommande
Läs mer1 10 e 1 10 x dx = 0.08 1 e 1 10 T = 0.08. p = P(ξ < 3) = 1 e 1 10 3 0.259. P(η 2) = 1 P(η = 0) P(η = 1) = 1 (1 p) 7 7p(1 p) 6 0.
Tentamen TMSB18 Matematisk statistik IL 091015 Tid: 08.00-13.00 Telefon: 036-10160 (Abrahamsson, Examinator: F Abrahamsson 1. Livslängden för en viss tvättmaskin är exponentialfördelad med en genomsnittlig
Läs merMIO310 Optimering & Simulering. Kursansvarig: Universitetslektor Fredrik Olsson, Produktionsekonomi, Lunds tekniska högskola
MIO310 Optimering & Simulering 2013 Kursansvarig: Universitetslektor Fredrik Olsson, Produktionsekonomi, Lunds tekniska högskola Antal poäng: 6 hp. Obligatorisk för: Industriell Ekonomi åk 3. Nivå: G2
Läs merVälja prognosmetod En översikt
Handbok i materialstyrning - Del F Prognostisering F 01 Välja prognosmetod En översikt All materialstyrning med avseende på att bestämma när nya inleveranser till lager skall planeras in och hur stora
Läs merMIO310 Optimering & Simulering. Kursansvarig: Universitetslektor Fredrik Olsson Produktionsekonomi Lunds tekniska högskola
MIO310 Optimering & Simulering 2015 Kursansvarig: Universitetslektor Fredrik Olsson Produktionsekonomi Lunds tekniska högskola Antal poäng: 6 hp. Obligatorisk för: Industriell Ekonomi åk 3. Nivå: G2 Rek.
Läs merBEFOLKNINGSPROGNOS. 2015 2024 för Sollentuna kommun och dess kommundelar. www.sollentuna.se
BEFOLKNINGSPROGNOS 2015 2024 för Sollentuna kommun och dess kommundelar www.sollentuna.se Förord På uppdrag av Sollentuna kommun har Sweco Strategy beräknat en befolkningsprognos för perioden 2015-2024.
Läs merVad gör rätt lagerstyrning för sista raden
Vad gör rätt lagerstyrning för sista raden Nils Robertsson VD på PromoSoft 100 % fokus på lager och inköp Utvecklar lagerstyrningssystem och säljer WMS och andra moduler för Supply Chain Add-on till affärssystemen
Läs merOptimering och simulering: Hur fungerar det och vad är skillnaden?
Optimering och simulering: Hur fungerar det och vad är skillnaden? Anders Peterson, Linköpings universitet Andreas Tapani, VTI med inspel från Sara Gestrelius, RIS-SIS n titt i KAJTs verktygslåda Agenda
Läs merLogistik. Varukapital. Kapitalbindning. Fö: Lager. Gemensam benämning på allt material, alla komponenter, produkter i Diskussionsuppgift
Logistik Fö: Lager Varukapital Gemensam benämning på allt material, alla komponenter, produkter i Diskussionsuppgift arbete (PIA, VUA, VIA) och förråd Förråd Varför Upplag har av utgångs- man lager? och
Läs merDen framtida verksamhetsvolymen i rättskedjan - Centrala prognoser för perioden : Resultatbilaga
RESULTATBILAGA I resultatbilagan beskrivs de modeller som ligger till grund för prognoserna i rapporten. Tanken är att redovisningen ska öka transparensen i rapporten. Med utgångspunkt i nedstående specificering
Läs merMyter om lagerstyrning
Myter om lagerstyrning Om man dimensionerar ett säkerhetslager för en artikel med en beräkningsmetod som utgår från en önskad servicenivå så får man denna servicenivå - Maj 2013 När man läser om dimensionering
Läs merModellskattningen har gjorts med hjälp av minsta kvadratmetoden (OLS).
MODELLSKATTNINGAR Modeller med bäst anpassning ger inte alltid de bästa prognoserna. Grundantaganden, till exempel vilka modeller som testas, påverkar i viss grad prognosutfallet. Modellerna har, i de
Läs merOptimeringslara = matematik som syftar till att analysera och. Optimeringslara ar en gren av den tillampade matematiken.
Optimal = basta mojliga. Optimeringslara = matematik som syftar till att analysera och nna det basta mojliga. Anvands oftast till att nna ett basta handlingsalternativ i tekniska och ekonomiska beslutsproblem.
Läs merAvsnitt 2. Modell: intuitiv statistisk
Avsnitt 2. Modell: intuitiv statistisk En prognos är en utsaga om en framtida händelse. Vi kommer mest att syssla med numeriska prognoser. Med det menar vanligen ett tal på en intervallskala. Exempel:
Läs merIntroduktion till statistik för statsvetare
och enkäter "Det finns inget så praktiskt som en bra teori" September 2011 och enkäter Inledning Inledning Om vi vill mäta en egenskap hos en population individer (individer kan vara personer, företag
Läs merKI:s igelkottar: Global BNP
Konjunkturinstitutets igelkottmönster långt ifrån verkligheten Konjunkturinstitutet (KI) publicerade idag sina uppdaterade prognoser för global och svensk ekonomisk utveckling. Två slutsatser sticker ut:
Läs merData på individ/hushålls/företags/organisationsnivå. Idag större datamänger än tidigare
MIKROEKONOMETRI Data på individ/hushålls/företags/organisationsnivå Tvärsnittsdata och/eller longitudinella data o paneldata Idag större datamänger än tidigare Tekniska framsteg erbjuder möjligheter till
Läs mer732G71 Statistik B. Föreläsning 8. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23
732G71 Statistik B Föreläsning 8 Bertil Wegmann IDA, Linköpings universitet Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23 Klassisk komponentuppdelning Klassisk komponentuppdelning bygger på en intuitiv
Läs merBättre lönsamhet i detaljhandeln genom effektivare varupåfyllning!
Whitepaper 8.9.2009 1 / 7 Bättre lönsamhet i detaljhandeln genom effektivare varupåfyllning! Författare: Mikko Kärkkäinen Verkställande direktör, D.Sc. (Tech.) mikko.karkkainen@relexsolutions.com Johanna
Läs merOm erbjudandet för din pensionsförsäkring med traditionell förvaltning.
Om erbjudandet för din pensionsförsäkring med traditionell förvaltning. Avtalspension Kompletterande pension Fakta om erbjudandet att ändra villkor till vår nya traditionella förvaltning Nya Trad Du har
Läs merDifferentiera säkerhetslager med cykelservice
Handbok i materialstyrning - Del E Bestämning av säkerhetslager E 53 Differentiera säkerhetslager med cykelservice Med differentierad materialstyrning menas allmänt att klassificera artiklar och tillämpa
Läs merStrategisk Logistik 20 YHp Dag 3(8)
Strategisk Logistik 20 YHp Dag 3(8) Affärslogistik 400 YH-poäng Dag 3(8) Repetition Prognos intro Prognostisering KanBan 1 Repetition Prognostisering Prognostisering Långsiktig produktionsplanering Resursplanering
Läs merBakgrund. Problemidentifiering. Fleet Management. Utveckling av verktyg för estimering av underhållskostnader
Fleet Management Utveckling av verktyg för estimering av underhållskostnader Isac Alenius Marcus Pettersson Produktionsekonomi, Lunds Universitet, Lunds Tekniska Högskola Den danska trafikoperatören Arriva
Läs merAlternativa sätt att beräkna standardavvikelser
Alternativa sätt att beräkna standardavvikelser Stig-Arne Mattsson Sammanfattning I affärssystem är det vanligt att standardavvikelser beräknas per prognosperiod motsvarande en månad eller en fyraveckorsperiod.
Läs merOm erbjudandet för din pensionsförsäkring med traditionell förvaltning.
Om erbjudandet för din pensionsförsäkring med traditionell förvaltning. Privat Pension Pensionskonto LRF MedlemsPension Fakta om erbjudandet att ändra villkor till vår nya traditionella förvaltning Nya
Läs merTidsserier, forts från F16 F17. Tidsserier Säsongrensning
Tidsserier Säsongrensning F7 Tidsserier forts från F6 Vi har en variabel som varierar över tiden Ex folkmängd omsättning antal anställda (beroende variabeln/undersökningsvariabeln) Vi studerar den varje
Läs merEtt A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.
Tentamen Linköpings Universitet, Institutionen för datavetenskap, Statistik Kurskod och namn: Datum och tid: Jourhavande lärare: Tillåtna hjälpmedel: 732G71 Statistik B 2015-02-06, 8-12 Bertil Wegmann
Läs merSkriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012
Statistiska Institutionen Patrik Zetterberg Skriftlig Tentamen i Finansiell Statistik Grundnivå 7.5 hp, HT2012 2013-01-18 Skrivtid: 9.00-14.00 Hjälpmedel: Godkänd miniräknare utan lagrade formler eller
Läs merRegressions- och Tidsserieanalys - F8
Regressions- och Tidsserieanalys - F8 Klassisk komponentuppdelning, kap 7.1.-7.2. Linda Wänström Linköpings universitet November 26 Wänström (Linköpings universitet) F8 November 26 1 / 23 Klassisk komponentuppdelning
Läs merModellprognos för konjunkturlönestatistikens definitiva utfall för oktober 2017 september 2018
Modellprognos för konjunkturlönestatistikens definitiva utfall för oktober 2017 september 2018 Utfall helåret 2017 Helåret 2017 var löneökningstakten i ekonomin som helhet 2,3 procent, enligt preliminära
Läs merModellprognos för konjunkturlönestatistikens definitiva utfall december 2016-november 2017
Modellprognos för konjunkturlönestatistikens definitiva utfall december 2016-november 2017 Utfall helåret 2016 Helåret 2016 var den definitiva löneökningstakten i ekonomin totalt sett 2,4 procent, enligt
Läs merModellprognos för konjunkturlönestatistikens definitiva utfall januari 2018 december 2018
Modellprognos för konjunkturlönestatistikens definitiva utfall januari 2018 december 2018 Utfall helåret 2017 Helåret 2017 var löneökningstakten i ekonomin som helhet 2,3 procent, enligt definitiva siffror
Läs merBengt Sebring OKTOBER 1999 Sida: 1 Ordförande GRANSKNINGSRAPPORT 4
ÅSTORPS KOMMUN GRANSKNING AV PROGNOSMETODER 1996-1998 Bengt Sebring OKTOBER 1999 Sida: 1 Ordförande Innehållsförteckning Sammanfattning...... 2 1. Inledning....... 3 2. Differenser mellan prognoser och
Läs merDifferentiera säkerhetslager med andel efterfrågan under ledtid
Handbok i materialstyrning - Del E Bestämning av säkerhetslager E 51 Differentiera säkerhetslager med andel efterfrågan under ledtid Med differentierad materialstyrning menas allmänt att klassificera artiklar
Läs merOm erbjudandet för din pensionsförsäkring med traditionell förvaltning.
Om erbjudandet för din pensionsförsäkring med traditionell förvaltning. Friplan Länsplan Basplan Fakta om erbjudandet att ändra villkor till vår nya traditionella förvaltning Nya Trad Du har nu möjlighet
Läs merGranskning av delårsbokslut augusti 2015
Emil Forsling Auktoriserad revisor Fredrik Winter Revisor Granskning av delårsbokslut augusti 2015 Landstinget Dalarna Hjälpmedelsnämnden Dalarna Innehållsförteckning 1 Sammanfattande bedömning 1 2. Granskningsresultat
Läs merModellprognos för konjunkturlönestatistikens definitiva utfall april 2017-mars 2018
Modellprognos för konjunkturlönestatistikens definitiva utfall april 2017-mars 2018 Utfall helåret 2017 Helåret 2017 var den löneökningstakten i ekonomin totalt sett 2,4 procent, enligt preliminära siffror.
Läs merPerspektiv på den låga inflationen
Perspektiv på den låga inflationen PENNINGPOLITISK RAPPORT FEBRUARI 7 Inflationen blev under fjolåret oväntat låg. Priserna i de flesta undergrupper i KPI ökade långsammare än normalt och inflationen blev
Läs merF11. Kvantitativa prognostekniker
F11 Kvantitativa prognostekniker samt repetition av kursen Kvantitativa prognostekniker Vi har gjort flera prognoser under kursen Prognoser baseras på antagandet att historien upprepar sig Trenden följer
Läs merPlanering av Flygtrafik. Fö 2: Flygbolag Strategiska frågeställningar
Planering av Flygtrafik Fö 2: Flygbolag Strategiska frågeställningar Varför växer flygtrafiken? Ökad levnadsstandard Fler har råd att flyga, och att betala för flygfrakt Ökad säkerhet Fler vågar använda
Läs merBästa resultat med rätt organisation och rätt kompetens!
Bästa resultat med rätt organisation och rätt kompetens! RELEX SCM-seminarium 2014 Michael Falck E-post: michael.falck@relexsolutions.com Telefon: +358 44 5520 860 Adress: Gjuterivägen 27, Helsingfors
Läs merMarknadsekonomins grunder
Marknadsekonomins grunder Föreläsning 3 Varumarknadens grunder Mattias Önnegren Agenda Vad är en marknad? Efterfrågan Utbud Jämnvikt och anpassningar till jämnvikt Reglerade marknader Skatter och subventioner
Läs merDEN FRAMTIDA VERKSAMHETSVOLYMEN I RÄTTSKEDJAN - CENTRALA PROGNOSER FÖR PERIODEN : RESULTATBILAGA
DEN FRAMTIDA VERKSAMHETSVOLYMEN I RÄTTSKEDJAN - CENTRALA PROGNOSER FÖR PERIODEN 2016-2019: RESULTATBILAGA I denna bilaga beskrivs de prognosmodeller som ligger till grund för prognoserna. Tanken är att
Läs merMALLAR PÅ NÅGRA FRÅGOR I TENTAMEN (OBS! EJ KVALITETSÄKRADE)
MALLAR PÅ NÅGRA FRÅGOR I TENTAMEN 160318 (OBS! EJ KVALITETSÄKRADE) FRÅGA 1 (2p) Ett sätt att bedöma en prognos lämplighet är att beräkna hur väl en presterar relativt en naiv prognos, d.v.s. om man gör
Läs merInnehåll. Standardavvikelse... 3 Betarisk... 3 Value at Risk... 4 Risknivån i strukturerade produkter... 4
Del 22 Riskbedömning Innehåll Standardavvikelse... 3 Betarisk... 3 Value at Risk... 4 Risknivån i strukturerade produkter... 4 Vid investeringar i finansiella instrument följer vanligen en mängd olika
Läs merBeräkning av behovet av nya bostäder Öppet forum för boendeplanering 21 september Bengt J Eriksson, analytiker
Beräkning av behovet av nya bostäder Öppet forum för boendeplanering 21 september 2016 Bengt J Eriksson, analytiker Bakgrund Boverket har gjort långsiktiga regionala byggbehovsanalyser sedan 1995. Regionala
Läs merJobbhälsobarometern Skola
8 september 2014 Sveriges Företagshälsor och Svensk Kvalitetsindex: Jobbhälsobarometern Skola De anställdas syn på jobbet inom utbildningssektorn Innehållsförteckning Förord... 2 Om undersökningen... 3
Läs mer2015:3. Jobbhälsobarometern. Det är stor risk att det inte kommer bli någon förbättring i hälsoläget på svensk arbetsmarknad 2016.
2015:3 Jobbhälsobarometern Det är stor risk att det inte kommer bli någon förbättring i hälsoläget på svensk arbetsmarknad 2016. Delrapport 2015:3 Sveriges Företagshälsor 2016-02-03 2 Innehåll Innehåll...
Läs merRäkneövning 5. Sebastian Andersson Statistiska institutionen Uppsala universitet 7 januari För Uppgift 2 kan man med fördel ta hjälp av Minitab.
Räkneövning 5 Sebastian Andersson Statistiska institutionen Uppsala universitet 7 januari 016 1 Om uppgifterna För Uppgift kan man med fördel ta hjälp av Minitab. I de fall en figur för tidsserien efterfrågas
Läs merKundundersökning mars 2014
Operatör: Trafikslag: Sträcka: Destination Gotland Färja Innehållsförteckning Bakgrund och syfte Sid 3 Metodbeskrivning Sid 4 Klassificering av indexnivåer Sid 5 Drivkraftsanalys och prioriteringslista
Läs merBättre kontroll över varuflödet genom noggrannare prognoser, bättre beställningsförslag och en högre automationsgrad
Bättre kontroll över varuflödet genom noggrannare prognoser, bättre beställningsförslag och en högre automationsgrad Jimmy Olsen Logistics Manager Granngården Innehåll 1) Introduktion av Granngården 2)
Läs merOptimering av NCCs klippstation för armeringsjärn
Optimering av NCCs klippstation för armeringsjärn Sammanfattning I det här arbetet har vi försökt ta reda på optimal placering av en klippningsstation av armeringsjärn för NCCs räkning. Vi har optimerat
Läs merVästsvenska paketet Skattning av trafikarbete
Västsvenska paketet Skattning av trafikarbete Rapport Dokumenttitel: Skattning av trafikarbete Västsvenska paketet rapport Utförande part: WSP Kontaktperson: Tobias Thorsson Innehåll 1 Introduktion Fel!
Läs merButikernas förväntningar på säljkåren. S t o c k h o l m O k t o b e r
Butikernas förväntningar på säljkåren S t o c k h o l m O k t o b e r 2 0 1 9 Bakgrund Förstå butikens förväntningar o Den fysiska butikens syfte & roll utmanas och kontaktytorna blir fler o Shopperns
Läs merVi fortsätter att föda fler barn
Vi fortsätter att föda fler barn En historisk tillbakablick på barnafödandet i Sverige visar en uppåtgående trend under 1800-talet och kraftiga svängningar under 1900-talet. Idag beräknas kvinnor i genomsnitt
Läs merSveriges bruttonationalprodukt Årsdata. En kraftig trend.
Vad är tidsserier? En tidsserie är en mängd av observationer y t, där var och en har registrerats vid en specifik tidpunkt t. Vanligen görs mätningarna vid vissa tidpunkter och med samma avstånd mellan
Läs merEfterfrågeprognoser. En jämförelse av prognosmodeller med avseende på FMCG-marknaden
Efterfrågeprognoser En jämförelse av prognosmodeller med avseende på FMCG-marknaden My concern is with the future since I plan to spend the rest of my life there - C. F. Kettering Författare: Jonathan
Läs merHärledning av Black-Littermans formel mha allmänna linjära modellen
Härledning av Black-Littermans formel mha allmänna linjära modellen Ett sätt att få fram Black-Littermans formel är att formulera problemet att hitta lämpliga justerade avkastningar som ett skattningsproblem
Läs merPROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd
Statistik för modellval och prediktion att beskriva, förklara och förutsäga Georg Lindgren PROGRAMFÖRKLARING I Matematisk statistik, Lunds universitet stik för modellval och prediktion p.1/4 Statistik
Läs merLogistikkostnader skall reduceras Tomma Hyllor skall undgås
Till våra kunder Vitten den 13. oktober 2014 Logistikkostnader skall reduceras Tomma Hyllor skall undgås I Frode Laursen Gruppen ser vi det som en av våra viktigaste uppdrag att arbeta för att förbättra
Läs merLagerstyrning i hög- och lågpresterande företag 1
Lagerstyrning i hög- och lågpresterande företag 1 Logistik och Transport, Chalmers Tek- Patrik Jonsson Stig-Arne Mattsson niska Högskola Lagerstyrning handlar principiellt om att fastställa kvantiteter
Läs mer1. För tiden mellan två besök gäller. V(X i ) = 1 λ 2 = 25. X i Exp (λ) E(X i ) = 1 λ = 5s λ = 1 5
LÖSNINGAR TILL Matematisk statistik Tentamen: 29 7 kl 8 3 Matematikcentrum FMSF45 Matematisk statistik AK för D,I,Pi,F, 9 h Lunds universitet MASB3 Matematisk statistik AK för fysiker, 9 h. För tiden mellan
Läs merPrognosering och produktionsstyrning
Prognosering och produktionsstyrning 1, 2 Ander s Seger st edt 1 Industrial Logistics, Luleå University of Technology, Luleå, Sweden, 2 AT, Narvik University College, Narvik, Norway civ.ing I 1973, tekn.lic
Läs merÖVNINGSUPPGIFTER KAPITEL 7
ÖVNINGSUPPGIFTER KAPITEL 7 TIDSSERIEDIAGRAM OCH UTJÄMNING 1. En omdebatterad utveckling under 90-talet gäller den snabba ökningen i VDlöner. Tabellen nedan visar genomsnittlig kompensation för direktörer
Läs merOmslag i vädret Vad händer i butikerna? Robert Fredholm, RELEX Solutions
Omslag i vädret Vad händer i butikerna? Robert Fredholm, RELEX Solutions Introduktion Hur kan vi utnyttja väderdata till bättre prognoser? Förstå hur vädret påverkar försäljningen Basera prognos på analys
Läs merGMM och Estimationsfunktioner
Lunds Universitet med Lund Tekniska Högskola Finansiell Statistik Matematikcentrum, Matematisk Statistik VT 2006 GMM och Estimationsfunktioner I laborationen möter du två besläktade metoder för att estimera
Läs merSTOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh
1 STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh Skriftlig tentamen på momentet Statistisk dataanalys III (SDA III), 3 högskolepoäng ingående i kursen Undersökningsmetodik
Läs merTrendspaning i livsmedelsbranschen
Trendspaning i livsmedelsbranschen Ronja Boije 13 november 2015 Macklean strategi- och affärsutveckling med fokus på hela livsmedelsbranschens värdekedja Vårt fokus Några av våra kunder 2 Macklean Insikter
Läs merRegressionsmodellering inom sjukförsäkring
Matematisk Statistik, KTH / SHB Capital Markets Aktuarieföreningen 4 februari 2014 Problembeskrivning Vi utgår från Försäkringsförbundets sjuklighetsundersökning och betraktar en portfölj av sjukförsäkringskontrakt.
Läs merPrognoser. ekonomisk-teoretisk synvinkel. Sunt förnuft i kombination med effektiv matematik ger i regel de bästa prognoserna.
Prognoser Prognoser i tidsserier: Gissa ett framtida värde i tidsserien killnad gentemot prognoser i regression: Det framtida värdet tillhör inte dataområdet. ftet med en prognosmodell är att göra prognos,
Läs merOm erbjudandet för din pensionsförsäkring med traditionell förvaltning.
Om erbjudandet för din pensionsförsäkring med traditionell förvaltning. Fakta om erbjudandet att ändra villkor till vår nya traditionella förvaltning Nya Trad Du har nu möjlighet att ändra villkor till
Läs merBefolkningsprognos. Fö r Kumla kömmun Vision. Program. Policy. Regler. Handlingsplan. Riktlinjer Kommunfullmäktige Kommunstyrelsen Nämnd
Befolkningsprognos Fö r Kumla kömmun 2016 Vision Program Policy Regler Handlingsplan Riktlinjer Kommunfullmäktige Kommunstyrelsen Nämnd Beslutande: Kommunstyrelsen Datum och paragraf: 2016-11-16, 163 Dokumentansvarig:
Läs merUppskatta ordersärkostnader för inköpsartiklar
Handbok i materialstyrning - Del B Parametrar och variabler B 11 Uppskatta ordersärkostnader för inköpsartiklar Med ordersärkostnader för inköpsartiklar avses alla de kostnader som är förknippade med att
Läs merStokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012
Föreläsning 7 Stokastiska Processer och ARIMA Patrik Zetterberg 19 december 2012 1 / 22 Stokastiska processer Stokastiska processer är ett samlingsnamn för Sannolikhetsmodeller för olika tidsförlopp. Stokastisk=slumpmässig
Läs merLaboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
LUNDS TEKNISKA HÖGSKOLA MATEMATIKCENTRUM MATEMATISK STATISTIK DATORLABORATION 4 MATEMATISK STATISTIK, FÖR I/PI, FMS 121/2, HT-3 Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar
Läs merSäkerhetslager beräknat från antal dagars täcktid
Handbok i materialstyrning - Del E Bestämning av säkerhetslager E 13 Säkerhetslager beräknat från antal dagars täcktid All materialstyrning är förknippad med osäkerheter av olika slag. Det kan gälla osäkerheter
Läs mer