Planning Production Capacity Using Time Series Forecasting Method and Linier Programming
Notice bibliographique
Résumé
The objectives of this research is to determine the amount of production planning capacity sow talc products in the future utilizing previous data from january to december in year 2017. This researched considered three forecasting method, there are Weight Moving Average (WMA), Moving Average (MA), and Exponential Smoothing (ES). After calculating the methods, then measuring the error value using a control chart of 3 (three) of these methods. After find the best forecasting method, then do linear programming method to obtain the exact amount of production in further. Based on the data calculated, the method of Average Moving has a size of error value of Mean Absolute Percentage Error of 0.09 or 9%, Weight Moving Average has a size error of Mean Absolute Percentage Error of 0.09 or 9% and with Exponential Method Smoothing has an error value of Mean Absolute Percentage Error of 0.12 or 12%. Moving Average and Weight Moving Average have the same MAPE amount but Weight Moving Average has the smallest amount Mean Absolute Deviation compared to other method which is 262.497 kg. Based on the result, The Weight Moving Average method is the best method as reference for utilizing in demand forecasting next year, because it has the smallest error size and has a Tracking Signal not exceed the maximum or minimum control limit is ≤ 4. Moreover, after obtained Weight Moving Average method is the best method, then is determine value of planning production capacity in next year using linier programming method. Based on the linier programming calculation, the maximum amount of production in next year by considering the forecasting of raw materials, production volume, material composition, and production time obtained in one (1) working day is 11,217,379 pcs / year, or 934,781 pcs / month of finished product. This paper recommends the company to evaluate the demand forecasting in order to achieve higher business growth.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».