Ünite 3: Lojistik Yönetiminde Talep Tahmini — Örnekler

Bir lojistik firmasının operasyon yöneticisi, yaz sezonunda içecek dağıtımı yaparken basit hareketli ortalamanın geçmişteki tüm aylara eşit değer vermesinden şikayetçidir. Bunun yerine ağırlıklı hareketli ortalama modelini seçerek en yakın aya %40, daha önceki aylara ise sırasıyla %30, %20 ve %10 ağırlık atar. Bu sayede en yeni pazar verilerini ve güncel tüketim alışkanlıklarını tahmin modeline daha baskın bir şekilde yansıtır.

Kışlık giyim lojistiği yürüten bir dağıtım merkezinde, kasım ve aralık aylarında sevkiyat talebinde düzenli olarak büyük bir artış gözlenmektedir. Depo yöneticisi, bu dönemsel dalgalanmaları doğru yönetebilmek için 'sezonsal indeks' değerini 1'in üzerinde hesaplar. Bu sayede yılın en yoğun döneminde yeterli depo kapasitesi oluşturarak fazla stok maliyetlerinin önüne geçer.

Bir kargo şirketinin analisti, gelecekteki sevkiyat hacimlerini öngörmek için iki farklı nicel tahmin modelini test etmektedir. Modellerin başarısını değerlendirmek adına Ortalama Mutlak Yüzdelik Hata (OMYH) yöntemini kullanır. Tahmin hatalarını yüzde cinsinden ifade eden bu metot sayesinde, farklı büyüklükteki veri setlerini kolayca karşılaştırarak en düşük hata oranına sahip modeli seçer.