Analyysi lentorahdin ennustamisesta case-yrityksessä

Työn tarkoitus on analysoida lentorahdin ennustamisen mahdollisuuksia case-yrityksessä. Työn aikana tavoitteeksi tarkentui lentorahtikuormien ennustaminen. Työssä käytetään konstruktiivista tutkimusotetta; teoriaan nojautuen pyritään rakentamaan ratkaisu yrityksen todelliseen ongelmaan. Kirjallisuu...

Full description

Bibliographic Details
Main Author: Pyykkönen, T. (Tuomas)
Format: Dissertation
Language:Finnish
Published: University of Oulu 2014
Subjects:
Online Access:http://urn.fi/URN:NBN:fi:oulu-201411051965
http://nbn-resolving.de/urn:nbn:fi:oulu-201411051965
Description
Summary:Työn tarkoitus on analysoida lentorahdin ennustamisen mahdollisuuksia case-yrityksessä. Työn aikana tavoitteeksi tarkentui lentorahtikuormien ennustaminen. Työssä käytetään konstruktiivista tutkimusotetta; teoriaan nojautuen pyritään rakentamaan ratkaisu yrityksen todelliseen ongelmaan. Kirjallisuustutkimuksen lisäksi käytetään haastatteluja kohdeyrityksessä kerättäessä tietoa ratkaisukonstruktion suunnittelemiseksi. Lentorahtikuormien ennustamiseksi kehitetään aikasarja-analyysiin perustuva ennustemenetelmä. Eri aikasarjamallien keskinäistä paremmuutta kuormien ennustamiseksi verrataan varta vasten suunnitellulla vertailumenetelmällä, ja vertailun pohjalta valitaan tutkitussa tapauksessa paras malli lentorahtikuormien ennustamiseen. Parhaaksi ennustemalliksi tutkimussarjalle valikoituivat tarkastellulla aikavälillä ja -sarjalla Wintersin eksponentiaalinen tasoitus (kertautuva muoto) ja yksinkertainen kausivaihtelun huomioiva tasoitus (summautuva muoto). Merkittävänä tutkimustuloksena todetaan, että lentorahtikuormien ennustamisessa jo yksinkertaisilla aikasarjamalleilla voidaan päästä huomattavasti ns. naiivia ennustamista tai subjektiivista arviota parempiin tuloksiin. Kehitetty ennustemallien vertailumenetelmä soveltuu käytettäväksi tässä tarkoituksessa, eikä sitä voida suoraan käyttää muissa tilanteissa. Hieman soveltaen vertailumenetelmän käyttö on mahdollista muissakin tilanteissa. Ennustemallien vertailun tulokset ja mallien keskinäinen paremmuus riippuvat vertailtavasta aikasarjasta. Tässä työssä tutkitaan vain yhtä aikasarjaa. Yleistettävyyden osoittaminen vaatii jatkotutkimusta muilla sarjoilla. === The purpose of this Master’s Thesis is to analyze the possibilities for forecasting air cargo in the case company. During the work it was focused more clearly on forecasting air cargo loads on single flight routes. The research is made using constructive research approach; former theories on the subject are used as a foundation in finding a solution to a real life problem in the case company. In addition to bibliographical research interviews in the case company are used to accumulate data for designing the solution construction. A forecasting method based on time-series forecasting is developed to forecast air cargo loads. The mutual superiority of different forecast models is compared using a purpose-built comparison method. The comparison results are used in choosing the best forecasting model for forecasting air cargo loads in the researched situation. The best models for forecasting air cargo loads on the researched route and time frame were identified as Winters’ exponential smoothing (multiplicative form) and simple seasonal exponential smoothing (additive form). As a major finding it is concluded, that in forecasting air cargo loads even forecasts made using simple exponential smoothing models provide much more accurate results when compared to naive forecasting models or subjective forecasting. The developed method for comparing different forecasting models is suitable for use only in cases similar to this one and cannot as such be used in other situations. The model can although be modified for use in other situations. Results of comparing different forecasting models and their mutual superiority are dependent on the situation and the forecast series. In this document only one series is studied. Additional research with other series is needed to show that the results can be generalized.