Forecast of the Trend in Sales Data of a Confectionery Baking Industry Using Exponential Smoothing and Moving Average Models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Starch-containing foods such as bread, pastries, and cakes are usually baked at a moderately high temperature in an oven. When these products are later exposed to room temperature, the associated gelatinized starch begins to harden which causes retrogradation and molecular realignment. Due to this circumstance, manufacturers need to have a fairly accurate estimate of products demand in order to determine the precise amount of baking powder and additives for use in their production so as not to incur losses in their business arising from the stale and consequentially unsalable products. This research was therefore focused on selecting the best forecasting model using a prominent confectionery firm in Abeokuta, Ogun State, Nigeria as a case study. The study was based on 24-week operational period sales data collected from the company. The moving average model and the exponential smoothing model were the two forecasting models considered in this research. The data obtained was thoroughly reviewed and the results of the forecasting models were compared. The most effective model was the exponential smoothing model as it produced the lowest mean absolute percentage error on the average of 3.7347 for the cumulative days of sales under review as against the 15.1713 for the moving average model. However, the exponential smoothing model was considered the best forecasting model for minimizing forecasting error in this study.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle