Tekoälyn hyödyntäminen varastonohjauksesa
Lotvonen, Anssi (2021)
Lotvonen, Anssi
2021
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2021060213377
https://urn.fi/URN:NBN:fi:amk-2021060213377
Tiivistelmä
Kysynnän ennustaminen on yrityksille haastavaa. Digitalisoituvassa maailmassa, jossa myös ostokäyttäytyminen on murroksessa, loppuasiakkaat odottavat yhä nopeampia ja luotettavampia toimituksia. Yritykset joutuvat tasapainoilemaan varastotasojen optimoinnin ja toimitusvarmuuden välillä. Opinnäytetyön tavoitteena oli selvittää, että voidaanko tekoälyä hyödyntää varastonohjauksessa ja kysynnän ennustamisessa.
Osana tutkimusta rakennettiin yhteistyössä Jyväskylän Ammattikorkeakoulun kanssa tekoälysovellus, joka pystyy laatimaan ennusteita nimikkeiden kysynnästä opetusdatana toimivan aiemmin toteutuneen kysynnän avulla. Opinnäytetyön toimeksiantaja on viitasaarelainen Pisla Oy, jonka nimikkeistöstä valittiin sata nimikettä mukaan tutkimukseen. Valinnassa painotettiin kysynnän määrää ja -sesonkiluonteisuutta. Kaikille nimikkeille tuotettiin ennuste, jota verrattiin toteutuneeseen kysyntään kolmen vuoden ajanjaksolla. Lyhyemmällä ajanjaksolla ennusteita verrattiin myös toteumaan siitä, miten yritys oli todellisuudessa onnistunut vastaamaan kysyntään.
Tutkimustuloksissa ilmeni, että 4800 ennusteesta noin joka kolmas voitiin tulkita onnistuneeksi. Arvioinnissa oltiin kriittisiä erityisesti materiaalipuutteiden muodostumisen suhteen, mutta pyrittiin välttämään myös ylivarastojen muodostumista. Tärkeänä tutkimustuloksena kävi kuitenkin ilmi, että tekoälysovelluksen tuottamia ennusteita hyödyntämällä olisi päästy parempaan toimitusvarmuusprosenttiin, kuin mitä yritys oli todellisuudessa päässyt. Lisäksi pystyttiin todentamaan, että tekoälysovellus pystyy ennakoimaan kysynnän sesonkiluonteisuutta, mutta yllättävät kysyntäpiikit olivat sille yhtä haastavia ennustaa, kuin mille tahansa muulle ennustemallille. Tutkimustuloksia ja opinnäytetyön lopussa esiteltyjä kehitysideoita voidaan hyödyntää toimeksiantajayrityksen varastonohjauksen kehittämisessä ja tarkastelussa siitä, miten tekoälyä voidaan hyödyntää varastonohjauksessa.
Osana tutkimusta rakennettiin yhteistyössä Jyväskylän Ammattikorkeakoulun kanssa tekoälysovellus, joka pystyy laatimaan ennusteita nimikkeiden kysynnästä opetusdatana toimivan aiemmin toteutuneen kysynnän avulla. Opinnäytetyön toimeksiantaja on viitasaarelainen Pisla Oy, jonka nimikkeistöstä valittiin sata nimikettä mukaan tutkimukseen. Valinnassa painotettiin kysynnän määrää ja -sesonkiluonteisuutta. Kaikille nimikkeille tuotettiin ennuste, jota verrattiin toteutuneeseen kysyntään kolmen vuoden ajanjaksolla. Lyhyemmällä ajanjaksolla ennusteita verrattiin myös toteumaan siitä, miten yritys oli todellisuudessa onnistunut vastaamaan kysyntään.
Tutkimustuloksissa ilmeni, että 4800 ennusteesta noin joka kolmas voitiin tulkita onnistuneeksi. Arvioinnissa oltiin kriittisiä erityisesti materiaalipuutteiden muodostumisen suhteen, mutta pyrittiin välttämään myös ylivarastojen muodostumista. Tärkeänä tutkimustuloksena kävi kuitenkin ilmi, että tekoälysovelluksen tuottamia ennusteita hyödyntämällä olisi päästy parempaan toimitusvarmuusprosenttiin, kuin mitä yritys oli todellisuudessa päässyt. Lisäksi pystyttiin todentamaan, että tekoälysovellus pystyy ennakoimaan kysynnän sesonkiluonteisuutta, mutta yllättävät kysyntäpiikit olivat sille yhtä haastavia ennustaa, kuin mille tahansa muulle ennustemallille. Tutkimustuloksia ja opinnäytetyön lopussa esiteltyjä kehitysideoita voidaan hyödyntää toimeksiantajayrityksen varastonohjauksen kehittämisessä ja tarkastelussa siitä, miten tekoälyä voidaan hyödyntää varastonohjauksessa.