This dissertation presents a comprehensive study on inventory management, focusing on the application of stochastic inventory analysis, the Monte Carlo simulation and the Economic Order Quantity (EOQ). The research is divided into two parts, each addressing different aspects of inventory management. The first part of the dissertation consists of a literature review and an exploration of inventory management theory as well as the Monte Carlo simulation. The literature review encompasses a wide range of scholarly articles, dissertation and thesis in inventory management theory and implementation as well as the Monte Carlo analysis and its optimizations. Key concepts such as EOQ, reorder point, demand models, and forecasting models are examined in detail. This section provides a comprehensive understanding of the theoretical underpinnings of inventory management practices and sets the stage for the subsequent empirical analysis. The second part of the dissertation focuses on the stochastic inventory analysis of three specific stock-keeping units (SKUs). The objective is to implement various forecasting methods, namely moving average, exponential smoothing, and linear regression, to predict future demand patterns accurately. By employing these forecasting models, the study aims to enhance the accuracy of demand forecasts, enabling more effective inventory planning and control. Furthermore, the dissertation introduces the implementation of EOQ, a widely used inventory optimization technique. By determining the optimal order quantity, reorder point, and inventory holding costs, EOQ helps minimize inventory carrying costs while ensuring sufficient stock availability. The application of EOQ is then supported by Monte Carlo simulation, which incorporates stochastic elements to simulate and evaluate different inventory scenarios. This analysis provides insights into the robustness and performance of the proposed inventory management strategies. The findings of this dissertation contribute to the field of inventory management by integrating theoretical knowledge with empirical analysis. The research emphasizes the importance of accurate demand forecasting, efficient inventory control, and optimization techniques such as EOQ with the assistance of the Monte Carlo simulation. The practical implementation of forecasting models and the stochastic inventory analysis of specific SKUs provide valuable insights and recommendations for inventory management practitioners. This dissertation objective is to serve as a valuable resource for academics, researchers, and industry professionals seeking to improve inventory management practices and optimize supply chain operations.

Η διατριβή αυτή παρουσιάζει μια εκτενή μελέτη για τη διαχείριση του αποθέματος, επικεντρώνοντας στην εφαρμογή της στοχαστικής ανάλυσης του αποθέματος, της προσομοίωσης Monte Carlo και της Οικονομικής Ποσότητας Παραγγελίας (EOQ). Η έρευνα διαιρείται σε δύο μέρη, τα οποία αντιμετωπίζουν διάφορες πτυχές της διαχείρισης αποθέματος. Το πρώτο μέρος της διατριβής αποτελείται από μια βιβλιογραφική ανασκόπηση και μια εξερεύνηση της θεωρίας διαχείρισης αποθέματος, καθώς και της προσομοίωσης Monte Carlo. Η βιβλιογραφική ανασκόπηση περιλαμβάνει μια ευρεία γκάμα επιστημονικών άρθρων, διατριβών και θέσεων σε θεωρία και εφαρμογή διαχείρισης αποθέματος, καθώς και της ανάλυσης Monte Carlo και των βελτιστοποιήσεών της. Βασικές έννοιες όπως η EOQ, το σημείο επαναπαραγγελίας, μοντέλα ζήτησης και μοντέλα πρόβλεψης εξετάζονται αναλυτικά. Αυτή η ενότητα παρέχει έναν πλήρη κατανόηση των θεωρητικών βάσεων των πρακτικών διαχείρισης αποθέματος και δημιουργεί το υπόβαθρο για την επόμενη εμπειρική ανάλυση. Το δεύτερο μέρος της διατριβής επικεντρώνεται στη στοχαστική ανάλυση του αποθέματος τριών συγκεκριμένων μονάδων αποθήκης (SKU). Ο στόχος είναι να εφαρμοστούν διάφορες μέθοδοι πρόβλεψης, όπως ο κινητός μέσος όρος, η εκθετική εξομάλυνση και η γραμμική παλινδρόμηση, για να προβλέψουν ακριβώς τα μελλοντικά πρότυπα ζήτησης. Με την εφαρμογή αυτών των μοντέλων πρόβλεψης, η μελέτη αποσκοπεί στη βελτίωση της ακρίβειας των προβλέψεων ζήτησης, επιτρέποντας πιο αποτελεσματικό σχεδιασμό και έλεγχο του αποθέματος. Επιπλέον, η διατριβή παρουσιάζει την εφαρμογή της EOQ, μιας ευρέως χρησιμοποιούμενης τεχνικής βελτιστοποίησης αποθέματος. Μέσω του καθορισμού της βέλτιστης ποσότητας παραγγελίας, του σημείου επαναπαραγγελίας και των κόστων κατοχής αποθέματος, η EOQ βοηθά στην ελαχιστοποίηση των δαπανών κατοχής αποθέματος ενώ εξασφαλίζει επαρκή διαθεσιμότητα αποθέματος. Η εφαρμογή της EOQ υποστηρίζεται από την προσομοίωση Monte Carlo, η οποία συμπεριλαμβάνει στοχαστικά στοιχεία για την προσομοίωση και αξιολόγηση διαφορετικών σεναρίων αποθέματος. Αυτή η ανάλυση παρέχει εισαγωγή στην αξιοπιστία και την απόδοση των προτεινόμενων στρατηγικών διαχείρισης αποθέματος. Τα ευρήματα αυτής της διατριβής συμβάλλουν στον τομέα της διαχείρισης αποθέματος, συνδυάζοντας θεωρητικές γνώσεις με εμπειρική ανάλυση. Η έρευνα τονίζει τη σημασία της ακριβούς πρόβλεψης ζήτησης, του αποτελεσματικού ελέγχου αποθέματος και τεχνικών βελτιστοποίησης όπως η EOQ με τη βοήθεια της προσομοίωσης Monte Carlo. Η πρακτική εφαρμογή μοντέλων πρόβλεψης και η στοχαστική ανάλυση αποθεμάτων συγκεκριμένων SKUs παρέχουν πολύτιμες πληροφορίες και συστάσεις για τους επαγγελματίες της διαχείρισης αποθέματος. Ο στόχος αυτής της διατριβής είναι να λειτουργήσει ως ένα πολύτιμο εργαλείο για ακαδημαϊκούς, ερευνητές και επαγγελματίες του κλάδου που επιδιώκουν τη βελτίωση των πρακτικών διαχείρισης αποθέματος και την βελτιστοποίηση των λειτουργιών της αλυσίδας εφοδιασμού.