Demand Forecasting for Motor Vehicle Spare Parts

Abstract

Reordering motor vehicle spare parts for the purposes of stock replenishment is an important function of the parts manager in the typical motor dealership. Meaningful reordering requires a reliable forecast of the future demand for items. A variety of alternative forecasting techniques were evaluated for this purpose with the aim of selecting one optimal technique to be implemented in an automatic reordering module of a real time computerized inventory management system. OPSOMMINGAanvulling van onderdeelvoorraad is 'n belangrike funksie van die onderdelebestuurder in die tipiese motorhandelsaak.Sinvolle herbestelling vereis 'n betroubare vooruitskatting van die toekomstige vraag na items. 'n Verskeidenheid alternatiewe vooruitskattingstegnieke is evalueer ten einde 'n optimale tegtniek te vind vir implementering in die outomatiese herbestelmodule van 'n intydse gerekenariseerde voorraadbestuurstelsel.

Peramalan Nilai Ekspor Nonmigas Kalimantan Timur dengan Metode Double Moving Average (DMA)

“…2020). Metode DMA merupakan sebuah metode peramalan yang cepat, mudah, dan tidak memerlukan banyak data untuk memberikan hasil peramalan (Strasheim 2012) (Sari 2020). Penelitian terdahulu yang menggunakan metode DMA pada data hasil produksi padi di Kabupaten Gorontalo 18 tahun lalu yaitu dari tahun 2001 hingga 2018 untuk memperoleh hasil peramalan berupa hasil produksi padi di Kabupaten Gorontalo tahun 2019 hingga 2023, menunjukkan bahwa DMA ordo 2x2 memiliki akurasi terbaik untuk peramalan tersebut yaitu nilai MAPE 5,3537 (Yusuf dkk., 2020).…”

“…Metode DMA juga merupakan metode yang cepat, mudah, dan tidak memerlukan banyak data untuk mendapatkan hasil peramalan (Strasheim 2012) (Sari 2020). Terdapat lima langkah untuk mengitung peramalan dengan metode DMA, yaitu (Ruspriyanty dkk.…”

A Study of Time Series Model for Predicting Jute Yarn Demand: Case Study

“…Time series data may be different types like electric power consumption, sales/demand of a product, price of commodities, and so on. Several authors have worked on time series analysis [1][2][3]. Cox Jr. and Loomis [4] conducted a 25-year survey on time series analysis and suggested some possible ways to improve the forecasting techniques.…”