Dynamic Classification Of Fast-Moving Consumer Goods in Warehouses Using Forecasting For A Third-Party Logistics Provider

Abstract

Denne oppgaven undersøker om prognosebasert klassifisering kan overgå naiv klassifisering basert på fjorårets data. Den utviklede modellen bruker en ARIMA-prognose som brukes som grunnlag for en tradisjonell ABC-klassifisering. Modellen brukes på en case-studie av Leman, en tredjeparts logistikkleverandør som defineres som en liten eller mellomstore bedrifter som jobber med forbruksvarer i sammenheng med Brynild gruppen, en norsk familieeid godteri produsent.

Resultatene viser at de prognosebaserte klassifiseringene utkonkurrerer den naive klassifiseringen basert på fjorårets data. Resultatene er ikke på nivået med de faktiske dataene, men de peker i riktig retning. Videre forskning og utvikling av modellen kan gi bedre resultater.

This thesis investigates if forecast-based classification can outperform naive classification based on last year's data. The model developed uses an ARIMA forecast to use as the basis for a traditional ABC classification. The model is applied to a case study of Leman, a Small-Medium-sized Enterprise third-party logistics provider working with fast-moving consumer goods in cooperation with the Brynild group, a Norwegian family-owned confectionery manufacturer.

The results show that the forecast-based classifications out-performs the outperform naive classification based on last year's data. It is not at the level of the actual data, but it is in the right direction. Further research and development of the model can give better results.