is Íslenska en English

Lokaverkefni (Meistara)

Háskólinn í Reykjavík > Tæknisvið / School of Technology > MEd/MPM/MSc Verkfræðideild (áður Tækni- og verkfræðideild) og íþróttafræðideild -2019 / Department of Engineering (was Dep. of Science and Engineering) >

Vinsamlegast notið þetta auðkenni þegar þið vitnið til verksins eða tengið í það: http://hdl.handle.net/1946/36423

Titill: 
  • Titill er á ensku Forecasting demand for ATM replenishment : how much to order and when
  • Spálíkan fyrir áfyllingu hraðbanka
Námsstig: 
  • Meistara
Útdráttur: 
  • Þegar peningaseðlar liggja óhreyfðir í hraðbönkum er ekki hægð að nota það fjármagna fyrir aðrar fjárfestingar. Til þess að lágmarka þennan birgðarkostnað þarf spálíkan sem getur spáð fyrir um eftirspurn seðla. Í þessu verkefni eru gögn frá Landsbankanum notuð til þess að útbúa spálíkan fyrir stakan hraðbanka í hraðbankaneti Landabankanns.
    Með gagnanámi og vitvélum (e. Machine learning and data mining) er spálíkan útbúið sem getur spáð fyrir um dagseftirspurn seðla í einum hraðbanka. Þær aðferðir í gagnanámi og vitvélum sem eru notaðar og bornar saman eru línuleg aðhvarfsgreining (e. Linear regression) og gervi tauganet (e. Artificial neural network). Til þess að spá fyrir um eftirspurnin fyrir heilan mánuð eru hefðbundar spáaðferðir notaðar, af þeim aðferðum verða skoðuð M tímabila hreyfið meðaltal og veldisjöfnunar aðferðinar. Aðferðir eru bornar saman með því að skoða frávikin með meðalstaðalskekkju(e. Mean abolute error), meðalferskekkju (e. Mean squared error) og meðalstaðalprósentuskekkju (e. Mean absolute percentage error).
    Með tilbúnu spálíkani, er ákvarðanartökulíkan fyrir pöntunarmagn útbúið með því að nota aðferð hagkvæmustu pöntuarstæðrar (e. EOQ).

  • Útdráttur er á ensku

    When cash stays idle in ATMs, the bank is unable to use the cash for other purposes, such as investments. To minimize the amount of idle cash in ATMs in terms of the holding cost, an accurate forecast of the demand is necessary. A dataset from Landsbankinn is used to create a forecasting model for a single ATM in the ATM network Landsbankinn operates.
    In this project machine learning and data mining techniques are used to create a forecasting model that can predict the daily demand for cash in a single ATM. To predict the daily demand, a linear model for regression is compared with a more complex neural network. The aggregated monthly demand is predicted by using three classical forecasting methods, the naïve, moving average and the exponential smoothing. The methods are then compared using three different error measure, the mean absolute error, the mean squared error and the mean absolute percentage error.
    With the forecasting models, an order policy using the EOQ model is created for the results.

Styrktaraðili: 
  • Landsbankinn
Samþykkt: 
  • 23.6.2020
URI: 
  • http://hdl.handle.net/1946/36423


Skrár
Skráarnafn Stærð AðgangurLýsingSkráartegund 
M.Sc thesis - vidar petur.pdf1.97 MBLokaður til...01.01.2025HeildartextiPDF
Vidarpetur verkefnislokun.pdf347.37 kBOpinnBeðni um lokun lokaverkefnisPDFSkoða/Opna