دسته بندی و انتخاب روش پیش بینی مناسب برای تقاضای قطعات یدکی

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,313

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IIEC05_009

تاریخ نمایه سازی: 22 آبان 1385

چکیده مقاله:

پیش بینی تقاضا یکی از مهمترین موضوعات مدیریت موجودی است . برای تصمیصم گیری اثربخش در حوزه مدیریت موجودی و برنامه ریزی تولید، پیش بینی تقاضا برای دوره های آتی ضروری است . دسته بندی الگوهای مختلف تقاضا انتخاب روش پیش بینـی را ساده ترکرده وجزءعناصر اصلی بسته های نرم افزاری کنترل موجودی به شمار میرود . شیوه رایج دربسته های نرم افزاری کنترل موجودی صنایع طبقه بندی الگوهای مختلف تقاضا بصورت دلخواه و سپس انتخاب د ستورالعمل تخمـین و روش کنتـرل موجـودی بمنظور پیش بینی الزمات آینده و مدیریت موجودی مناسب می باشد . در این مقاله ابتدا ر ویکردهای مختلف دسـته بنـدی تقاضـا موردبررسی قرارگرفته وسپس روش پیش بینی مناسب برای هر گروه براساس معیارهای خطا انتخـاب میـشوند . تقاضـای قطعـات یدکی درمجتمع پتروشیمی اراک به من ظور دسته بندی وانتخاب رویکرد پیش بینی مناسب برای ۷۱۳ قلم موجودی وبـرای ۵ سـال متوالی مورد بررسی قرار گرفته است . در ایـن مقالـه روشـهای پـیش بینـی هموارسـازی نمـایی سـاده (Single Exponential Smoothing) کروستون، (LS )Leven&Segerstedt ( ، Croston و روش ارائه شده بویسله ( SB ) Syntetos&Boylan با استفاده از معیارهای عملکرد MASE (Mean Absolute Scaled Error و A-MAPE(Adjusted Mean Absolute Percentage Error) مقایسه می شوند.

نویسندگان

محمدرضا امین ناصری

دانشیار مهندسی صنایع – بخش مهندسی صنایع - دانشکده فنی ومهندسی – دان

بهمن رستمی تبار

دانشجوی کارشناسی ارشد – بخش مهندسی صنایع – دانشکده فنی ومهندسی – د

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Boylan J, Intermittent and lumpy demand : A Forecasting Challenge. ...
  • Croston J.D, Forecasting and stock control for intermittent demands, Operational ...
  • Eaves AHC and Kingston BG, Forecasting for the ordering and ...
  • Eaves AH, Forecasting for the ordering and stock--ho lding of ...
  • Erik Leven and Andres Segerstedt, Inventory control with a modified ...
  • Ghobbar A.A and Friend C.H , Source of intermittent demand ...
  • Ghobbar A.A and Friend C.H, Evaluation of forecasting methods for ...
  • Johnston F.R & Boylan J.E , Forecasting for items with ...
  • Jim H, Measuring forecast accuracy: omissions in today's forecasting engines ...
  • Lawrence M , Commentary On: A new approach to forecasting ...
  • Rob J.Hydman, Another look at forec ast-accuracy metrics for intermittent ...
  • Syntetos AA, Boylan J.E and Crostn J.D), On the categorization ...
  • Syntetos A.A and Boylan J.E, The accuracy of intermittent demand ...
  • Syntetos A.A and Boylan J.E, Inventory Management for Spare Parts, ...
  • Syntetos A.A and Boylan J.E, On the bias of intermittent ...
  • Syntetos A.A and Boylan J.E and Croston JD, On the ...
  • Willemain T.R, Smart C.N, Schwartz H.F _ A new approach ...
  • Zhongsheng Hua and Bin Zhang, A hybrid support Vector machines ...
  • نمایش کامل مراجع