progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di...

24
PROGETTO E IMPLEMENTAZIONE CON TECNOLOGIE SEMANTICHE DI UN BACK-END PER L'APPLICAZIO- NE DI MODELLI DI PREVISIONE DELLA DOMANDA BASATI SULL'ANALISI DI SERIE TEMPORALI Laurea Magistrale in Ingegneria Informatica 16 maggio 2014 Carmelo Di Betta Relatore: prof. ing. Daniela Giordano Correlatore: ing. Diego D'Urso Dipartimento di Ingegneria Elettrica, Elettronica e Informatica

Upload: carmelo-di-betta

Post on 18-Dec-2014

147 views

Category:

Engineering


4 download

DESCRIPTION

Tesi di Laurea Magistrale in Ingegneria Informatica - DIEEI - Università degli Studi di Catania

TRANSCRIPT

Page 1: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

PROGETTO E IMPLEMENTAZIONE CON TECNOLOGIESEMANTICHE DI UN BACK-END PER L'APPLICAZIO-NE DI MODELLI DI PREVISIONE DELLA DOMANDABASATI SULL'ANALISI DI SERIE TEMPORALI

Laurea Magistrale in Ingegneria Informatica

16 maggio 2014

Carmelo Di Betta

Relatore: prof. ing. Daniela GiordanoCorrelatore: ing. Diego D'Urso

Dipartimento di Ingegneria Elettrica, Elettronica e Informatica

Page 2: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

SOMMARIO

1 La previsione della domanda commerciale

2 I modelli estrapolativi delle serie storiche3 Il Ghost Manager

Il ''gioco'' tra esperto e aziendaUn'interfaccia Web unica

4 L'applicazioneIl Web Semantico per la gestione dei dati

5 La ''modalità Guru''

2

Page 3: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

LA PREVISIONE DELLA DOMANDA

Page 4: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

PERCHÈ PREVEDERE LA DOMANDA

Il manager dell'azienda deve preoccuparsi di:

1 prevedere gli andamenti futuri delmercato

2 valutare la possibilità di investimenti inun determinato settore

3 adeguarsi ai gusti dei consumatori

È indispensabile poter effettuare una previsione della domandafutura di uno o più prodotti gestiti dall’azienda attraverso modelliprevisionali specifici

4

Page 5: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

I PROTAGONISTI

Il consulente esterno deve

avere accesso ai dati storici aziendali

essere in grado di analizzare la natura dei dati

decidere quale modello previsionale utilizzare

L'azienda deve

ottenere le ''migliori'' previsioni possibili

partecipare attivamente al processo previsionale

valutare il lavoro del consulente

5

Page 6: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

I METODI PREVISIONALI

Page 7: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

METODI QUANTITATIVI VS. METODI QUALITATIVI

Metodi quantitativi

Formule matematiche estatistiche

Analisi della serie storicadella domanda

ProMaggiore formalità dei risultatiottenuti

ControNessuna considerazione deifattori esterni di disturbo

Metodi qualitativi/soggettivi

Interviste a clienti evenditori

Collaborazione tra settoridiversi dell'azienda

ProMaggiore peso alle stime degliesperti

ControRisultati poco oggettivi o nonattendibili

7

Page 8: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

METODI ESTRAPOLATIVI DELLE SERIE STORICHE

Una serie storica può essere definitacome una sequenza di valori assuntida una grandezza misurabile (numerodegli ordini, quantità di prodotti vendutiecc.) e osservati in corrispondenza dispecifici intervalli temporali regolari,detti periodi (es. mesi)

Domanda al tempo t: Dt = f(Tt, St, Ct, εt)

Tt = componente di trendSt = componente di stagionalitàCt = componente ciclicaεt = componente di aleatorietà

8

Page 9: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

TREND E STAGIONALITÀ

9

Page 10: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

METODODIHOLT-WINTERS (TRIPLEEXPONENTIALSMOOTHING)

Viene usato se la serie storica è affetta da trend estagionalitàOccorre allenare il modello con almeno 3 anni di dati storiciLa tripla di parametri α β γ da usare deve minimizzarel'errore quadratico medio (MSE)

Formule di Holt-Winters

Mt = αDt + (1 − α)(Mt−1 + Tt−1)

Tt = γ(Mt − Mt−1) + (1 − γ)Tt−1

St = βDt

Mt+ (1 − β)St−L

Valori dei parametri

circa 1 = modelloreattivo (più peso aidati recenti)

circa 0 = modelloconservativo (piùpeso al passato)

10

Page 11: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

LIMITI DELL'APPROCCIO CLASSICO

Problema 1Le previsioni non sono mai esatte al 100%

Problema 2I metodi matematici non tengono conto deifattori esterni alla serie storica che possonoinfluenzare la previsione

Problema 3Il manager dell'azienda non può fidarsiciecamente dell'esperto

11

Page 12: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

IL GHOST MANAGER

Page 13: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

IL GHOST MANAGER

È un approccio innovativo per ilcalcolo delle previsioni aziendali

Funge da sistema di supporto alledecisioni (DSS, Decision SupportSystem)

Fornisce al consulente una suite distrumenti per l'analisi delle seriestoriche e per la definizione delleprevisioni con metodi qualitativi equantitativi

Permette al manager dell'aziendadi ''sfidare'' l'esperto proponendodelle proprie previsioni

13

Page 14: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

IL ''GIOCO'' TRA ESPERTO E AZIENDA

Previsioni dell'esperto con metodi matematico-statistici

Previsioni dell'azienda con metodi soggettivi o basati suinterviste a clienti e venditori

Confronto con dati reali (ad intervalli periodici) per decretarequale delle due ha seguito meglio l'andamento della domanda

Vantaggi

L'esperto dimostra lapropria competenza

L'azienda partecipa alprocesso previsionale

14

Page 15: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

UN'INTERFACCIA WEB UNICA

Sito Web in HTML5 e Javascript

Sezioni separate (e protette) perognuno dei partecipanti

Form e grafici JQuery popolatidinamicamente

Menu laterale di navigazione

Vantaggi

Viene fornito un unicoambiente per il calcolo e lavisualizzazione delleprevisioni

L'azienda e l'espertopossono inserire econfrontare i propririsultati

15

Page 16: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

L'APPLICAZIONE

Page 17: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

L'APPLICAZIONE GHOST MANAGER

Back-end

Analisi della serie storica

Calcolo delle previsioni usando modellimatematico-statistici e soggettivi

Aggiornamento automatico dei dati

Front-end

Visualizzazione delle previsioni

Valutazione dei parametri esterni percorreggere i risultati ottenuti dai modellimatematici

Inserimento previsioni in modalità Guru17

Page 18: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

IL SOFTWARE DI BACK-END

Suite di 5 metodi previsionali:1 Media mobile2 Regressione lineare3 Metodo di Brown4 Metodo di Holt-Winters5 Modalità Guru

Comunicazione con ERPADempiere

Gestione dello stato deglielementi analizzati

Approccio Web-oriented

Apache JenaJava Spring FrameworkQuery SPARQL

18

Page 19: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

UTILIZZO DEL WEB SEMANTICO PER LA GESTIONE DEI DATI

Informazioni sul Web espressecome metadati da interpretare

Dati modellizzati come risorse conattributi, identificate da URI

Possibilità di realizzare querysemantiche su dati eterogeneiprovenienti da fonti diverse

Vantaggi

È possibile incrociare i datistorici dell'azienda coninformazioni provenienti dalWeb

Viene assegnato un''significato'' ai dati suiquali vengono calcolatele previsioni

19

Page 20: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

LA MODALITÀ GURU NEL GHOSTMANAGER

Page 21: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

LIMITI DEI MODELLI MATEMATICI

Le previsioni ottenute dai modelli matematici non sono sufficienti

Nel processo previsionale vengono considerati solo trend estagionalità della serie storica

L'andamento futuro della domanda può dipendere da altrifattori (es. clima, stili di vita, parametri socio-economici)

Occorre recuperare tali informazioni dal Web e usarle permigliorare le previsioni

21

Page 22: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

LA ''MODALITÀ GURU''

Metodo ''semi-soggettivo''

Dati RDF in formato N3 relativi atemperatura media, PIL, inflazione

L'esperto usa le informazionirecuperate dal Web per correggerele previsioni ottenute dai metodiestrapolativi canonici

Vantaggi

Ibrido tra metodo matematico e metodo soggettivo

Approccio semantico nell'analisi dei dati

La ''bontà'' dei risultati dipende dalla bravura dell'espertonel valutare i fattori che influenzano la domanda

22

Page 23: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

CONCLUSIONI

Ìl Ghost Manager fornisce alle aziende e agli esperti inprevisioni un potente strumento per definire l'andamentofuturo della domanda sulla base dei dati storici aziendaliGrazie all'utilizzo del Web Semantico e del ''gioco'':

l'esperto migliora le previsioni ottenute dai modelli canoniciusando dati estratti dal Web, accrescendo la propriaesperienzal'azienda partecipa attivamente al processo previsionale e puòconfrontarsi con l'esperto

La modalità Guru realizza una nuova tecnica di previsioneibrida, permettendo di ottimizzare i risultati dei modellimatematici con dati ciclici e non parametrizzabili

23

Page 24: Progetto e implementazione con tecnologie semantiche di un back-end per applicazione di modelli di previsione della domanda basati sull'analisi di serie temporali

La previsione della domanda I metodi previsionali Il Ghost Manager L'applicazione La modalità Guru nel Ghost Manager

THE END

24