Esempio ppt Tesi di laurea di Automatica

Problema

La ricerca scientifica sui modelli per la previsione

della domanda

 Problema studiato a livello globale in modo

uniforme

 Trend stazionario preso in esame sin dal secolo

scorso

 Affrontata da studiosi appartenenti ai

dipartimenti di Industrial Engineering

 Modelli testati con dati reali nella letteratura.

A.A. 2022- Iacopo Righi – Modelli per la previsione della domanda nell’industria del Fashion 4/14

2023 Rilevanza delle Previsioni e Domanda nel

settore Moda

La previsione della domanda muove la programmazione operativa

che guida l’azienda.

Una previsione accurata della domanda migliora l'efficienza dei

processi produttivi e delle relative catene di approvvigionamento.

Allinea le risorse ai requisiti e riduce gli

sprechi.

La domanda nel settore Moda è caratterizzata da:

 Stagionalità

 Effetto moda

 Raramente costante e/o soggetta a trend.

A.A. 2022- Iacopo Righi – Modelli per la previsione della domanda nell’industria del Fashion 5/14

2023 Fashion Trend e l’utilizzo

dei Dati

Un secolo fa: Oggi:

 Le previsioni si muovono molto

 Le sfilate di moda stabilivano le più rapidamente

tendenze di mercato  La tecnologia con i social media

ha democratizzato l’industria del

Fashion.

L’utilizzo di dati analitici nelle previsioni del Fashion porta una serie di

vantaggi:

 Permette di ottenere un saving di tempo e risorse necessarie

 Ottimizza la produttività

 Rafforza la collaborazione e la condivisione delle informazioni.

A.A. 2022- Iacopo Righi – Modelli per la previsione della domanda nell’industria del Fashion 6/14

2023 Modelli di Previsione della

Domanda

Attraverso l'applicazione di modelli avanzati è possibile ottenere proiezioni

precise che influenzano la competitività delle aziende in tutti i settori.

Modelli Quantitativi Modelli

Qualitativi

  Basati sull’esperienza

Metodi Classici (basati su modelli degli

matematici-statistici) esperti del settore.

 Metodi Euristici moderni (basati su

modelli avanzati che sfruttano l’AI).

Questa ricerca ha trattato soltanto modelli di Metodi

Quantitativi.

A.A. 2022- Iacopo Righi – Modelli per la previsione della domanda nell’industria del Fashion 7/14

2023

Dal processo di ricerca sono emersi come più significativi tre

classi principali di modelli:

 Artificial Neural Network (ANN)

 Arima

 Hybrid Intelligence model (HI)

 Intelligent Fast Sales Forecasting Model (IFSFM)

Le ANN e Arima, modelli General-Purpose, vengono applicati per effettuare

previsioni in molti settori oltre a quello della Moda.

Gli ultimi due metodi, HI e IFSFM, sono entrambi dei modelli Ibridi creati

appositamente per le previsioni nel settore del Fashion.

Iacopo Righi – Modelli per la previsione della domanda nell’industria del Fashion 8/14

A.A. 2022-2023 Artificial Neural Networks (ANN)

Modello AI basato sull’utilizzo di reti neurali artificiali

Caratteristiche generali:

 sono modelli non lineari,

 sono costituite da un insieme di neuroni, le unità di input/output,

 sono in grado di apprendere dai dati di addestramento.

Viene utilizzato uno degli algoritmi di retro-propagazione, il Resilient Back-propagation (RPROP).

Funzionamento del modello:

Input: Rete Output:

- Serie storica ‘ricostruita’ con vari - Previsione finale

Quantità iniziale venduta q moduli

- 0 (Fig.1)

İlker Güven, Fuat Şimşir Department of Industrial Engineering, Karabuk

forecasting with color parameter in retail apparel industry using artificial neural networks (ANN)

Fonte:Demand

University, Turkey

A.A. 2022- Iacopo Righi – Modelli per la previsione della domanda nell’industria del Fashion 9/14

2023 Arima

Modello statistico composto dalla combinazione del modello AR (auto-regressivo) e il modello MA (media mobile)

I modelli ARIMA sono indicati come ARIMA (p,d,q), tutti parametri non negativi:

 p è l'ordine del modello auto-regressivo,

 d è il grado di differenziazione,

 q è l'ordine del modello di media mobile.

Il modello AR è definito dall'equazione seguente: Risultati: Riduzione delle tre misure di accuratezza,

rispetto al metodo di Holt.

Il modello MA è definito dall'equazione seguente:

Dataset di convalida: (Fig.2)

- Approvvigionamento di camicie a maniche lunghe, codice prodotto TMBL1,

- Periodo di previsione 12 mesi.

:

Fonte Demand Forecasting and Inventory Prediction for Apparel Product using the ARIMA and Fuzzy EPQ Model Tran Thi Bich Chau Vo1,* , Phan Hung Le2 , Nhut Tien N

A.A. 2022- Iacopo Righi – Modelli per la previsione della domanda nell’industria del Fashion 10/14

2023 Hybrid Intelligent model (HI)

Modello ibrido basato su tecniche ELM combinate a tecniche euristiche/statistiche.

Composizione del modello: Risultati: - Prestazioni

(Fig.3)

superiori rispetto a tecniche tradizionali

 Componente di Pre-elaborazione dati

 Rilevamento e rimozione dati anomali

 Interpolazione dati mancanti

 Normalizzazione dei dati.

 HI

Forecaster

 combinazione tecniche ELM e statistiche

Previsione di vendita finale

Dataset di convalida:

Dati di un negozio di moda

(4 categorie di prodotti) (Fig. 4): Misure di errore delle previsioni mensili

Fonte: Wong W.K., Guo Z.X., «A hybrid intelligent model for medium-term […] using extreme learning machine and harmony search algorithm», International Journal of Production Economics, vol.128, pag.614-624,

.

2010

A.A. 2022- Iacopo Righi – Modelli per la previsione della domanda nell’industria del Fashion 11/14

2023 Intelligent Fast Sales Forecasting Model (IFSFM)

Modello ibrido ELM

basato su un algoritmo dell’ combinato ad altri strumenti statistici.

Dataset di convalida:

1) Negozio fisico di moda ad Hong Kong

Dati di vendita di vari SKU, 120 campioni utilizzati.

2) Negozio on-line di moda

Dati di vendita di vari SKU, 320 campioni utilizzati.

Risultati: Miglioramento in termini di Errore Quadratico Medio

(MSE)

(Fig.5) (Fig.6)

Vantaggi: Svantaggi:

 Elevata precisione  Scelta del parametro P

 Breve tempo di esecuzione -

Fonte: Yu Y., Choi T.-M., Hui C.-L., «An intelligent fast sales forecasting model for fashion products», Expert Systems with Applications, vol.38, pag.7373-7379, 2011.

A.A. 2022- Iacopo Righi – Modelli per la previsione della domanda nell’industria del Fashion 12/14

2023