Näiteks klassikalise logistilise keti tarnija tootja lõppmüüja lõpptarbija puhul koostab hulgimüüja eelneva perioodi jaemüügitellimuste põhjal müügiprognoosi, mille alusel esitatakse tellimus tootjale. Eelneva perioodi tellimuste alusel koostab tootja müügiprognoosi, mille alusel planeeritakse tootmismahtusid ja esitatakse tellimused tarnijatele jne. Prognoosid pole täpsed, mida lühema aja prognoos, seda ebatäpsem ta on. Tõenäoliste prognoosivigade vältimiseks on iga logistilise keti liige sidunud käibevahendeid kaupade puhvervarudesse, et reageerida ootamatule nõudluse kasvule. Teisalt nõudluse ootamatu vähenemise korral takistavad soetatud varud firma paindlikku regeerimist muutunud oludele. QR süsteemi puhul jagavad tarneketi liikmed tänu avatud infovahetusele reaalaja infot lõppturu kohta. QR aluseks on EPOS (elektrooniliste müügipunktide) süsteem, mis fikseerib toimunud müügitehingud
esitatakse need kvantitatiivselt. Koormust tuleks jälgida vähemalt mõne aasta vältel, et selle omadused tuleksid esile. Koormusmudeli olulised eelised prognoosimudelite ees tulevad selgelt esile, kui vaadelda mudeli rakendusi. Sel ajal kui prognoosimudelid on ette nähtud vaid koormuse lühiajaliseks prognoosimiseks, võimaldab koormusmudel palju enam. Prognoosimise kõrval on võimalik koormust analüüsida ja imiteerida. Nii võib uurida prognoosivigade tekkepõhjusi, välja selgitada, milline oleks koormus olnud normaaltemperatuuril või erandlikes ilmastikuoludes ja palju muud. Ka ei ole prognoosi ennetusaeg arvutuslikult mingil määral piiratud. Pikaajalise prognoosi tõepärasuse tagab ühelt poolt see, et mudel kirjeldab koormust kogu ulatuses, arvestab nii koormuse taseme kui koormusgraafikute kuju sesoonseid muutusi, trendi jm. Teisalt saab pikaajalisel prognoosil arvesse võtta koormuse kujunemise majanduslikke ja tehnilisi tingimusi
annaabi.ee 
