Õppeaine eesmärk on:
- anda õppijale teadmised ja praktilised oskused nõudluse prognoosimiseks, varude juhtimiseks ning tarneahela planeerimisega seotud otsuste tegemiseks;
- toetada õppijat kasutama andmepõhiseid analüüsi-, prognoosimis- ja optimeerimismeetodeid logistiliste probleemide lahendamisel ning tarneahela tulemuslikkuse parandamisel.

The aim of this course is to:
- provide students with the knowledge and practical skills required for demand forecasting, inventory management, and supply chain planning and decision-making;
- support the student to apply data-driven analytical, forecasting, and optimisation methods to solve logistics problems and improve supply chain performance.

Õppeaine läbinud üliõpilane:
- analüüsib nõudluse, varude ja tarneprotsessidega seotud andmeid ning hindab nende kvaliteedi mõju planeerimisotsustele;
- rakendab nõudluse prognoosimise meetodeid ning hindab prognooside sobivust ja täpsust erinevates tarneahela olukordades;
- arvutab ja põhjendab varude juhtimise põhinäitajaid ning määrab sobivaid varude planeerimise parameetreid;
- kasutab matemaatilisi ja statistilisi meetodeid tarneahela probleemide modelleerimiseks ning lahendamiseks;
- sõnastab optimeerimisülesandeid ning valib nende lahendamiseks sobivaid kvantitatiivseid meetodeid;
- hindab kriitiliselt andmepõhiste analüüside, digitaalsete tööriistade ja tehisintellektil põhinevate lahenduste kasutusvõimalusi nõudluse planeerimisel ja juhtimisel.

After completing this course the student:
- analyses data related to demand, inventory, and supply processes and evaluates the impact of data quality on planning decisions;
- applies demand forecasting methods and evaluates the suitability and accuracy of forecasts in different supply chain contexts;
- calculates and justifies key inventory management indicators and determines appropriate inventory planning parameters;
- applies mathematical and statistical methods to model and solve supply chain problems;
- formulates optimisation problems and selects appropriate quantitative methods for solving them;
- critically evaluates the potential applications of data-driven analytics, digital tools, and artificial intelligence-based solutions in demand planning and management.

Nõudluse planeerimise ja juhtimise põhimõtted tarneahelas. Andmete kvaliteedi mõju planeerimis- ja juhtimisotsustele. Exceli tööriistade ning statistiliste meetodite kasutamine tarneahela probleemide analüüsimisel. Laovarude klassifitseerimine ja juhtimine, optimaalsed tellimiskogused, tellimispunktid, teenindustase ning reservvarude planeerimine nõudluse ja tarneaja ebakindluse tingimustes. Nõudluse prognoosimine aegridade analüüsi, silumismeetodite ja regressioonimudelite abil. Trendide, sesoonsuse ja muude nõudlusmustrite tuvastamine ning prognoositäpsuse hindamine. Optimeerimismudelite rakendamine tarneahela planeerimisel ja otsuste tegemisel. Ressursside jaotamise, kaubavaliku, transpordi ning muude logistiliste probleemide lahendamine kvantitatiivsete meetodite abil. Nõudluse planeerimise ja juhtimise teoreetilised ning praktilised rakendused tarneahelas.

Principles of demand planning and management in supply chains. The impact of data quality on planning and management decisions. Application of Excel tools and statistical methods to analyse supply chain problems. Inventory classification and management, economic order quantities, reorder points, service levels, and safety stock planning under demand and lead-time uncertainty.

Demand forecasting using time-series analysis, smoothing methods, and regression models. Identification of trends, seasonality, and other demand patterns, and evaluation of forecast accuracy. Application of optimisation models to supply chain planning and decision-making. Solving resource allocation, product assortment, transportation, and other logistics problems using quantitative methods. Theoretical foundations and practical applications of demand planning and management in supply chains.

Eristav hindamine (100% eksam).

.Differentiated assessment (exam 100%).

Õppematerjalide iseseisev õppimine ja praktiliste ülesannete sooritamine. Õppejõu poolt etteantud ülesanded, juhtumianalüüsid ja arvutusharjutused. Õppekorraldus ja hindamine: Kursus toimub veebis. Kursus lõpeb eksamiga, mis koosneb teadmiste testist ning arvutus- ja analüüsiülesannetest. Lõppeksami hinne põhineb testi ja ülesannete koondtulemustel.

Independent study of learning materials and completion of practical assignments. Tasks, case studies, and calculation exercises provided by the lecturer. Organisation of studies and assessment: The course is delivered online. The course concludes with an examination consisting of a knowledge test and calculation and analytical tasks. The final examination grade is based on the combined results of the test and the assignments.

Chopra, S. (2023). Supply Chain Management: Strategy, Planning, and Operation (8th ed.)
Grigsby, M. (2018). Demand Driven Forecasting
Hyndman, R. J., Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd ed.)
Jain, C. L., Malehorn, J. (2012). Fundamentals of Demand Planning and Forecasting
Silver, E. A., Pyke, D. F., Thomas, D. J. (2016). Inventory Management and Production Planning and Scheduling (5th ed.)
Vandeput, N. (2021). Data Science for Supply Chain Forecasting
Õppejõu materjalid TalTech MOODLEs/Lecturer's learning materials at MOODLE: https://moodle.taltech.ee/enrol/instances.php?id=22203

-

not specified