Wojskowa Akademia Techniczna, Wydział Bezpieczeństwa, Logistyki i Zarządzania, Instytut Logistyki
2
Inspektorat Wsparcia Sił Zbrojnych
A - Koncepcja i projekt badania; B - Gromadzenie i/lub zestawianie danych; C - Analiza i interpretacja danych; D - Napisanie artykułu; E - Krytyczne zrecenzowanie artykułu; F - Zatwierdzenie ostatecznej wersji artykułu
W artykule został sformułowany problem badawczy dotyczący analizy, oceny i prognozowania przychodów całkowitych przedsiębiorstw JIT (Logistic Just in Time) w ujęciu miesięcznym na rok 2020. Przeprowadzono analizę literatury przedmiotu badań dotyczącą przychodów oraz prognozowania. Badania rozpoczęto od nakreślenia wykresu liniowego danych pierwotnych. Oceną obserwacji wzrokowej było zaobserwowanie tendencji w postaci trendu i sezonowości. Użytymi w artykule narzędziami badawczymi potwierdzono istnienie prawidłowości w rozpatrywanych danych retrospektywnych. Krytyczna analiza literatura dotycząca prognozowania, pozwoliła na wybór metody wygładzania wykładniczego Holta-Wintersa do prognozowania danych pierwotnych na przyszłość. Uzyskane prognozy zostały poddane analizie i ocenie.
INFORMACJE O RECENZOWANIU
Sprawdzono w systemie antyplagiatowym
REFERENCJE(16)
1.
BOX, G. E., JENKINS, G. M., REINSEL, G. C., & LJUNG, G. M. (2015). Time series analysis: forecasting and control. John Wiley & Sons.
DITTMANN, P., SZABELA-PASIERBIŃSKA, E., DITTMANN, I., SZPULAK, A. (2016). Prognozowanie w zarządzaniu sprzedażą i finansami przedsiębiorstwa. Wydawnictwo Nieoczywiste. Wolters Kluwer.
DU, X. F., LEUNG, S. C., ZHANG, J. L., & LAI, K. K. (2013). Demand forecasting of perishable farm products using support vector machine. International journal of systems Science, 44(3), 556-567.
HASTIE, T., TIBSHIRANI, R., & FRIEDMAN, J. (2009). The elements of statistical learning: data mining, inference, and prediction. Springer Science & Business Media.
KRUPSKI, R. (2004). Podstawy organizacji i zarządzania, wyd. 5. Prace Naukowe Wałbrzyskiej Szkoły Zarządzania i Przedsiębiorczości, Seria Zarządzania i Marketing, Wydawnictwo Ibis, Wrocław, 123-124.
MAIA, A. L. S., & DE CARVALHO, F. D. A. (2011). Holt’s exponential smoothing and neural network models for forecasting interval-valued time series. International Journal of Forecasting, 27(3), 740-759.
SCHOLKOPF, B., & SMOLA, A. J. (2018). Learning with kernels: support vector machines, regularization, optimization, and beyond. Adaptive Computation and Machine Learning series.
SRIVASTAVA, R., AGARWAL, S., GARG, D., & PATNI, J. C. (2016). Capital market forecasting by using sentimental analysis. In 2016 2nd International Conference on Next Generation Computing Technologies (NGCT) (pp. 09-12). IEEE.
WANG, C. H., & CHEN, J. Y. (2019). Demand forecasting and financial estimation considering the interactive dynamics of semiconductor supply-chain companies. Computers & Industrial Engineering, 138, 106104.
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.