Název: Integrace umělé inteligence do obchodu s rychloobrátkovým zbožím
Překlad názvu: Integrating Artificial Intelligence into Fast-Moving Consumer Goods
Autoři: Bagi, Juraj ; Hříbek, David (oponent) ; Rozman, Jaroslav (vedoucí práce)
Typ dokumentu: Bakalářské práce
Rok: 2024
Jazyk: slo
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [slo] [eng]
Presné predpovede predaja sú kľúčové pre prevádzkovú efektivitu v sektore rýchloobrátkového spotrebného tovaru (FMCG). Táto práca skúma uplatnenie modelov Long Short-Term Memory (LSTM), špecializovaného typu rekurentných neurónových sietí, s cieľom zvýšiť presnosť predpovedí predaja. Na rozdiel od tradičných štatistických metód sú LSTM schopné zachytávať časové závislosti v údajoch o predaji, čím potenciálne ponúkajú presnejšie prognózy. Aplikáciou modelov LSTM na historické údaje o predaji z potravinárskej spoločnosti tento výskum preukazuje zlepšenie v porovnaní s konvenčnými predikčnými technikami. Zistenia naznačujú, že LSTM môžu významne pomôcť spoločnostiam v oblasti FMCG pri optimalizácii riadenia zásob a plánovaní dopytu, čím prispievajú cennými pohľadmi do aplikácií umelej inteligencie v riadení dodávateľského reťazca. Tieto výsledky zdôrazňujú praktické dôsledky pre zainteresované strany v sektore FMCG, aby prijali pokročilé technológie umelej inteligencie s cieľom udržať si konkurencieschopnosť v dynamickom trhovom prostredí. Accurate sales forecasting is pivotal for operational efficiency in the Fast-Moving Consumer Goods (FMCG) sector. This thesis explores the application of Long Short-Term Memory (LSTM) models, a specialized form of recurrent neural networks, to enhance the precision of sales predictions. Unlike traditional statistical methods, LSTMs are adept at capturing temporal dependencies within sales data, potentially offering more accurate forecasts. By applying LSTM models to historical sales data from a food industry company, this research demonstrates improvements over conventional forecasting techniques. The findings suggest that LSTMs can significantly help FMCG companies in optimizing inventory management and demand planning, thereby contributing valuable insights into artificial intelligence applications in supply chain management. These results emphasize the practical implications for FMCG stakeholders to embrace advanced artificial intelligence technologies to remain competitive in a dynamic market environment.
Klíčová slova: FMCG - Fast-moving consumer goods; Long short-term memory; Recurrent neural network

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: https://hdl.handle.net/11012/246947

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-619894


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Vysokoškolské kvalifikační práce > Bakalářské práce