Maskininlärning som verktyg för att förbättra planering i produktion
Sammanfattning: Det kan vara svårt att planera produktionen av varor som är starkt säsongsberoende, eftersom försäljningen snabbt kan öka i takt och det är svårt att veta exakt när på året den börjar göra det. Gasol är en sådan vara, där efterfrågan är avsevärt högre under sommarhalvåret än vinterhalvåret. Denna studie görs på uppdrag av AGA, den ledande aktören på gasolmarknaden i norden, med syfte att undersöka om maskininlärning kan användas för att förbättra deras produktionsplanering. Variationer av regressionsmodeller användes för detta, med resultatet att ingen metod, med tillräckligt hög säkerhet, kunde användas för att förutspå framtida efterfrågan på gasol och underlätta produktionsplaneringen. Anledningen till detta är att det inte användes tillräckligt många olika attribut och att de som användes inte hade tillräckligt stark korrelation.
HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)