Tantárgyi Adatlap

PDF letöltése
Budapesti Műszaki és Gazdaságtudományi Egyetem
Közlekedésmérnöki és Járműmérnöki Kar
1. Tantárgy neve A kereslettervezés korszerű módszerei
2. Tantárgy angol neve Innovative methods for the demand planning
3. Tantárgykód BMEKOALD003 4. Követelmény vizsga 5. Kredit 3
6. Óraszám 3 (0) Előadás 0 (0) Gyakorlat 0 (0) Labor
7. Tanterv
Doktori képzés (D)
 8. Szerep
Szak
9. A tantágy elvégzéséhez szükgésges tanulmányi munkaóra összesen 90
Kontakt óra 42 Órára készülés 7 Házi feladat 30
Írásos tananyag 11 Zárthelyire készülés 0 Vizsgafelkészülés 0
10. Felelős tanszék Anyagmozgatási és Logisztikai Rendszerek Tanszék
11. Felelős oktató Dr. Bóna Krisztián
12. Oktatók Dr. Bóna Krisztián
13. Előtanulmány ajánlott: BMEKOALD001 - Operációkutatás a logisztikában
14. Előadás tematikája
Kereslettervezési feladatok során alkalmazható újszerű technikák és megközelítések tárgyalása. A kereslettervezési folyamat szegmentálási módszerei. Adattisztítási, szűrési, aggregációs módszerek, baseline előállítás. A statisztikai alapú modell identifikáció újszerű megközelítései, kiválasztási technikák. Optimalizálási szempontrendszerek megjelenési formái az előrejelző modellek paraméterezési folyamatában, az optimumkeresés eszközrendszere. Dezaggregációs módszerek, finomhangolás támogató folyamatai. Mérési technológiák lehetséges megközelítései, aggregált mérés problémái. Mesterséges intelligencia a kereslettervezésben, a neuron hálózat alapú keresletelőrejelző rendszerek működési elvei. A kereslettervezés, a termeléstervezés és a készlettervezés vállalati összhangja, keresztmetszeti tervezés problémái, az S&OP folyamat felépítése.
15. Gyakorlat tematikája
 
16. Labor tematikája
 
17. Tanulási eredmények
A. Tudás
  • A kereslettervezés során felmerülő feladatok, problémák ismerete.
  • Matematikai modellezési eljárások ismerete.
  • A kapcsolódó optimumkeresési és statisztikai adatfeldolgozási feladatok és megoldási lehetőségek ismerete.
B. Képesség
  • Képes a kereslettervezési feladatok tudományos igényességű vizsgálatára.
  • Képes a kereslettervezési feladatokkal kapcsolatos kutatási és fejlesztési feladatok végrehajtására.
C. Attitűd
  • Törekszik a képességeinek maximumát nyújtva, hogy tanulmányait a lehető legmagasabb színvonalon, elmélyült és önálló alkotásra képes tudásra szert téve végezze, pontosan és hibamentesen, az alkalmazandó eszközök szabályainak betartásával, együttműködve az oktatókkal.
D. Önállóság és felelősség
  • Felelősséget érez aziránt, hogy munkájának minőségével és az etikai normák betartásával példát mutasson társainak, felelősséggel alkalmazva a tantárgy során megszerzett ismereteket
18. Az aláírás megszerzésének feltétele, az aláírás érvényessége
Az osztályzatot a PhD hallgató az általa elkészített feladat, a félévi aktivitás és a szakcikk (publikáció) értékelése alapján, a témavezetőjével egyeztetve kapja.
19. Pótlási lehetőségek
Félév elején meghírdetett módokon
20. Jegyzet, tankönyv, felhasználható irodalom
C. Chatfield: The Analysis of Time Series, Chapman & Hall/CRC, 2004
Armstrong, J. Scott (ed.): Principles of forecasting: a handbook for researchers and practitioners (in English). Norwell, Massachusetts: Kluwer Academic Publishers. ISBN 0-7923-7930-6., 2001
Makridakis, Spyros; Wheelwright, Steven; Hyndman, Rob J.: Forecasting: methods and applications (in English). New York: John Wiley & Sons. ISBN 0-471-53233-9., 1998
http://www.neural-forecasting.com/
Tantárgyleírás érvényessége 2019. november 27. Jelen TAD az alábbi félévre érvényes Nem induló tárgyak