Készletszint-optimalizálás mesterséges intelligencia alapú előrejelzési modellek alkalmazásával

A tétel rövid nézete
dc.contributor.advisorFüzesi, István
dc.contributor.authorÉles, Attila
dc.contributor.departmentDE--Gazdaságtudományi Kar
dc.date.accessioned2025-12-18T15:08:21Z
dc.date.available2025-12-18T15:08:21Z
dc.date.created2025-10-27
dc.description.abstractA dolgozat célja a készletgazdálkodás hatékonyságának vizsgálata mesterséges intelligencia alapú előrejelzési modellek alkalmazásával. A kutatás a hagyományos idősoros módszerek (SES, Holt–Winters, SARIMA) és az automatizált gépi tanulási (AutoML) megközelítések összehasonlítására épült, három különböző kiskereskedelmi adathalmaz – barkács-, drogériai és ruházati termékek – elemzésén keresztül. Az előrejelzési modellek pontosságát a legelterjedtebb hibamutatók (NRMSE, RMSE, MAE, MAPE) segítségével értékeltem az Azure Machine Learning AutoML platformon. Az eredmények azt mutatták, hogy az AutoML modellek – különösen a Voting Ensemble algoritmus – minden esetben alacsonyabb előrejelzési hibát értek el, mint a hagyományos statisztikai módszerek. A mesterséges intelligencia alkalmazása a készletgazdálkodásban lehetővé teszi a kereslet pontosabb előrejelzését, a készlethiányok és túlkészletezések csökkentését, valamint az adatvezérelt döntéshozatal támogatását. A kutatás rávilágított, hogy az AutoML rendszerek bevezetése nemcsak technológiai, hanem stratégiai előnyt is jelenthet a vállalatok számára a jövő készletoptimalizálási gyakorlatában.
dc.description.courseEllátásilánc-menedzsment
dc.description.degreeMSc/MA
dc.format.extent70
dc.identifier.urihttps://hdl.handle.net/2437/401106
dc.language.isohu
dc.rights.infoHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectkészletgazdálkodás
dc.subjectkereslet-előrejelzés
dc.subjectautomatizált gépi tanulás
dc.subjectadatalapú döntéshozatal
dc.subjectellátási lánc menedzsment
dc.subjectinventory management
dc.subjectdemand forecasting
dc.subjectautomated machine learning
dc.subjectdata-driven decision making
dc.subjectsupply chain management
dc.subject.dspaceTársadalomtudományok
dc.subject.dspaceKözgazdaságtudomány
dc.titleKészletszint-optimalizálás mesterséges intelligencia alapú előrejelzési modellek alkalmazásával
dc.title.translatedInventory level optimization using artificial intelligence-based forecasting models
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 2 (Összesen 2)
Nincs kép
Név:
Eles_Attila_diplomadolgozat.pdf
Méret:
5.04 MB
Formátum:
Adobe Portable Document Format
Leírás:
diplomadolgozat
Megjelenítés
Nincs kép
Név:
Eles_Attila_Nyilatkozat.pdf
Méret:
148.86 KB
Formátum:
Adobe Portable Document Format
Leírás:
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
2.26 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Hallgatói dolgozatok (Agrár- és Üzleti Digitalizáció Intézet)