Closed rebeccapelaca closed 6 years ago
fulcorno
commented
6 years ago La proposta è adeguata sia in termini algoritmici sia gestionali. Importante risolvere il problema del data-set al più presto, anche perché in funzione degli attributi presenti nel data-set, gli algoritmi saranno necessariamente diversi.
rebeccapelaca
commented
6 years ago Il 2017-10-19 09:50 Fulvio Corno ha scritto:
La proposta è adeguata sia in termini algoritmici sia gestionali. Importante risolvere il problema del data-set al più presto, anche perché in funzione degli attributi presenti nel data-set, gli algoritmi saranno necessariamente diversi.
-- You are receiving this because you were assigned. Reply to this email directly, view it on GitHub [1], or mute the thread [2].
*
Links:
[1] https://github.com/TdP-prove-finali/Introduzione/issues/11#issuecomment-337827704 [2] https://github.com/notifications/unsubscribe-auth/AZIzNTMGYR9_Xnq0Aq9hyVqKl5XhbXdrks5stv8_gaJpZM4P-Ug0
Salve professore, non ho ancora ricevuto notizie dal docente di PGP, però cercando un bel po' su internet ho trovato un data-set che potrebbe fare al caso mio. Si tratta dello storico della domanda di 9 settimane dei prodotti di una multinazionale che lavora nel settore dolciumi (Grupo Bimbo). Ho scaricato i dati da una competizione sulla piattaforma Kaggle. Una spiegazione più specifica sull'organizzazione del data-set è disponibile al link https://www.kaggle.com/c/grupo-bimbo-inventory-demand/data .Tra i vari, il file contenente tutte le informazioni che mi servirebbero è train.csv. (è piuttosto grande, eventualmente si potrebbe pensare ad un taglio?). Per lei può andare bene? Saluti, Rebecca Pelacà
fulcorno
commented
6 years ago Ho dato una rapida occhiata al data-set, e mi pare adeguato. Forse 9 settimane sono un periodo troppo breve? o è sufficiente per il tipo di analisi che vuoi fare?
Se ci fossero troppi record, va bene lavorare su un sottoinsieme (magari restringendo la tipologia di prodotti, non le date).
rebeccapelaca
commented
6 years ago Il 2017-10-21 11:22 Fulvio Corno ha scritto:
Ho dato una rapida occhiata al data-set, e mi pare adeguato. Forse 9 settimane sono un periodo troppo breve? o è sufficiente per il tipo di analisi che vuoi fare?
Se ci fossero troppi record, va bene lavorare su un sottoinsieme (magari restringendo la tipologia di prodotti, non le date).
-- You are receiving this because you were assigned. Reply to this email directly, view it on GitHub [1], or mute the thread [2].
*
Links:
[1] https://github.com/TdP-prove-finali/Introduzione/issues/11#issuecomment-338377941 [2] https://github.com/notifications/unsubscribe-auth/AZIzNX18TUvOz7bPTzmz4yjCmnYzuQNAks5subfdgaJpZM4P-Ug0
Effettivamente l'idea era quella di operare su previsioni più lunghe, anche perchè immaginavo di lavorare con prodotti di altro tipo. I modelli di forecasting appresi durante il corso si adattano bene anche a intervalli di tempo come quelli del data-set, sebbene si ridurrebbe l'orizzonte di previsione a tre/quattro settimane (dipende dal parametro τ inserito dall'utente: ovviamente più è alto, più lunga sarà la previsione e minore la sua affidabilità).Ne seguirebbe un MPS e una simulazione su pochi intervalli di tempo, ma farei in modo di avere un programma che si adatti facilmente anche a numeri più grandi. Se però questo non soddisfa requitisi algoritmici, posso provare a cercare ancora.
Sì, intendevo un taglio sulla quantità dei prodotti.
Rebecca Pelacà
rebeccapelaca
commented
6 years ago Buongiorno professore, ho aggiornamenti riguardo il data-set. Il professor Chiabert mi ha appena fornito un data-set aziendale anonimo, si tratta dello storico 01/01/14-20/10/17 della domanda di 4 prodotti diversi. Uno storico così corposo (circa 46 mesi) si presta meglio alla previsione di un periodo più ampio e quindi più adatto al tipo di analisi che intendo fare dopo il forecasting. Le allego il file. Come spiegato dal professore, la causale Ve indica le vendite, la prima colonna indica la data e l'ultima la quantità.
Potrebbe andare? Rebecca Pelacà
Studente proponente
s218118 Rebecca Pelacà
Titolo della proposta
Previsione domanda futura, MPS, ATP e simulazione ordini extra
Descrizione del problema proposto
L’applicazione si propone di fornire un modo semplice e veloce per svolgere alcuni dei calcoli più comuni in ambito di produzione, ossia quello della previsione della domanda futura con conseguente pianificazione della produzione. Inoltre, si vuole fornire un modo per simulare ordini extra e avere statistiche sulle quantità di ordini accettati o rifiutati. I risultati della simulazione, interpretati correttamente in base alle esigenze dell’azienda, potrebbero aiutare nella decisione tra mantenere il piano di produzione o apportare modifiche opportune.
Descrizione della rilevanza gestionale del problema
Il problema affronta temi caratteristici della gestione della produzione aziendale. Mediante il data-set dello storico della domanda degli ultimi anni, le formule di forecasting e gli eventuali parametri inseriti dall'utente in caso di trend e/o stagionalità, sarà possibile avere previsioni sulla domanda futura, indispensabile per definire il Master Production Schedule. L'MPS, difatti, definisce le quantità di prodotti finiti che devono essere prodotte in specifici intervalli di tempo. E’ previsto anche il calcolo dell'Available To Promise (ATP), che definisce le quantità di prodotti finiti che possono essere consegnate in un determinato periodo, utile per capire se un ordine extra può essere accettato o meno. Infatti, un ordine può essere accettato se non rende negativo l'ATP.
Descrizione dei data-set per la valutazione
Ancora in cerca di un data-set che abbia lo storico di qualche anno della domanda di alcuni prodotti
Descrizione preliminare degli algoritmi coinvolti
L’applicazione implementerà una serie di formule per il calcolo dei componenti da stampare poi in forma tabellare. Verrà utilizzato un algoritmo di simulazione: verrà associata opportunamente ad ogni intervallo di tempo una certa probabilità di ricevere ordini extra e sarà controllata la loro fattibilità.
Descrizione preliminare delle funzionalità previste per l’applicazione software
L'idea è quella di sviluppare un'applicazione in linguaggio java che permetta all'utente, selezionato un prodotto da un menù a tendina, di calcolarne la previsione della domanda nell'anno futuro (dopo aver scelto l'algoritmo di forecasting opportuno in base a stagionalità, trend ecc e inseriti gli eventuali parametri α, β, γ indispensabili per il calcolo). L'anno potrà essere suddiviso in mesi/trimestri/quadrimestri in base alla suddivisione utilizzata nello storico della domanda, fornita dal data-set. In seguito, l'utente potrà inserire i booked orders, l'MPS lot-size e l'eventuale disponibilità iniziale del magazzino e richiedere il calcolo di MPS e ATP. Tramite un algoritmo di simulazione, sarà poi possibile simulare degli ordini extra futuri in modo da avere statistiche sulle quantità di ordini che si potrebbero accettare/rifiutare e prendere decisioni su eventuali modifiche nel piano di produzione.