Externí vlivy na doručení v logistice poslední míle
Autor(ka) práce:
Smrčková, Adéla
Typ práce:
Diplomová práce
Vedoucí práce:
Kovářová, Marie
Oponenti práce:
Maryška, Miloš
Jazyk práce:
Česky
Abstrakt:
Tato diplomová práce se zabývá analýzou vlivu počasí na proces předávání zboží mezi kurýrem a zákazníkem v kontextu logistiky poslední míle. V začátku práce byly prozkoumány statistické metody používané v rámci logistiky. Následně bylo provedeno zmapování českého logistického trhu s důrazem na logistiku poslední míle a expresní doručení. Data o doručování byla pro práci získána v rámci firemní praxe ve firmě DODO. Vlastní firma DODO je v práci též představená. Data o počasí byla sbírána pomocí API volání. V analytické části práce byla analyzována závislost dat o počasí a dat o rozdílech mezi reálnými a plánovanými časy délky předávky (dropu). Pro každý typ počasí, byl vypočítán koeficient sloužící ke zlepšení původní predikce. Tyto koeficienty byly získávány prostřednictvím několika statistických modelů, jejichž účinnost byla porovnávána a vyhodnocena s cílem vybrat model s nejvyšší efektivitou. V závěru práce byly zpracovány obchodní dopady zlepšení predikčního modelu.
External factors on delivery in last mile logistics
Autor(ka) práce:
Smrčková, Adéla
Typ práce:
Diploma thesis
Vedoucí práce:
Kovářová, Marie
Oponenti práce:
Maryška, Miloš
Jazyk práce:
Česky
Abstrakt:
This thesis analyses the impact of weather on the handover process between courier and customer in the context of last mile logistics. In the beginning of the thesis, the statistical methods used within the logistics were examined. Afterwards, a mapping of the Czech logistics market was carried out with an emphasis on last mile logistics and express delivery. The delivery data for the thesis was obtained during a corporate internship at DODO. The company DODO is also presented in the thesis. Weather data was collected using API calls. In the analytical part of the thesis, the dependency of the weather data and the data on the differences between actual and planned delivery times was analyzed. For each weather type, a coefficient was calculated to improve the original prediction. These coefficients were obtained through several statistical models, whose efficiency was compared and evaluated in order to select the model with the highest efficiency. Finally, the business implications of the improvement of the prediction model are elaborated.