Napovedovanje prodaje zdravil z uporabo naprednih metod napovedovanja časovnih vrst : magistrsko delo

Pudič, Žan

| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Prva stran > Izpis gradiva

Izpis gradiva

Naslov:	Napovedovanje prodaje zdravil z uporabo naprednih metod napovedovanja časovnih vrst : magistrsko delo
Avtorji:	ID Pudič, Žan (Avtor) ID Ojsteršek, Robert (Mentor) Več o mentorju... ID Frešer, Blaž (Komentor)
Datoteke:	MAG_Pudic_Zan_2023.pdf (3,58 MB) MD5: 3CFDC746D171A9BFE0C19445D3D8A8C0
Jezik:	Slovenski jezik
Vrsta gradiva:	Magistrsko delo/naloga
Tipologija:	2.09 - Magistrsko delo
Organizacija:	FS - Fakulteta za strojništvo
Opis:	Magistrsko delo zajema uporabo naprednih modelov za napovedovanje prodaje zdravil. Cilj dela je s pomočjo naprednih metod napovedovanja v programskem okolju R, postaviti napovedovalne modele za posamezne skupine zdravil, ki bodo v izbranih intervalih zaupanja uspešno napovedali prihodnjo prodajo. V delu smo za potrebe napovedovanja uporabili modele kot so ARIMA, CNN, Holt-Winters pri čemer smo te primerjali z naivno metodo napovedovanj in tako ocenili njihovo sposobnost napovedovanja. Prav tako smo v delu podrobno analizirali izhode v fazi kreiranja modelov na podlagi katerih smo izvedli nadaljnjo selekcijo modelov s katerimi lahko uspešno napovemo prihodnjo prodajo. Uspešne napovedi smo izvedli pri vseh skupinah zdravil. V delu je najuspešnejšo napoved pri skupinah zdravil M01AB. M01AE, N02BA, N05C, R03 in R06 imel ARIMA model. Prodajo v skupinah zdravil N05C in N02BE pa lahko napovedujemo zgolj z uporabo CNN, saj noben izmed preostalih modelov ni uspel dovolj dobro zajeti informacij znotraj časovne vrste, da bi lahko z njim podali napoved.
Ključne besede:	napredne metode napovedovanja, časovne vrste, napovedovanje prodaje, napovedovalni modeli, ARIMA, CNN, Holt-Winters.
Kraj izida:	Maribor
Kraj izvedbe:	Maribor
Založnik:	[Ž. Pudič]
Leto izida:	2023
Št. strani:	1 spletni vir (1 datoteka PDF (XV, 74 f))
PID:	20.500.12556/DKUM-85212
UDK:	[005.521:658.8]:519.246(043.2)
COBISS.SI-ID:	169616643
Datum objave v DKUM:	26.09.2023
Število ogledov:	606
Število prenosov:	135
Metapodatki:
Področja:	KTFMB - FS
:	Kopiraj citat

Skupna ocena:	(0 glasov)
Vaša ocena:	Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:	CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna

Povezava:	http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:	Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:	22.08.2023

Sekundarni jezik

Jezik:	Angleški jezik
Naslov:	Forecasting sales of medicines using advanced time series forecasting methods
Opis:	The master thesis covers the use of advanced models for predicting sales of medicines. The aim of the work is to use advanced forecasting methods in the R software environment to build predictive models for specific groups of medicines that will successfully predict future sales within selected confidence intervals. In this work, we have used models such as ARIMA, CNN, Holt-Winters and compared them with naive forecasting method to assess their predictive ability. We have also analysed in detail the outputs of the model in creation phase to further select the models that can successfully predict future sales. Successful predictions were made for all groups of medicines. The most successful prediction in the work for drug groups. M01AE, N02BA, N05C, R03 and R06 had ARIMA model. However, the drug groups N05C and N02BE sales could only be predicted using CNN, as none of the remaining models were able to capture the information within the time series well enough to provide a prediction.
Ključne besede:	advanced forecasting methods, time series, sales forecasting, forecasting models, ARIMA, CNN, Holt-Winters.

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)

0 - 0 / 0

Ni komentarjev!

Nazaj