دسته بندی و انتخاب روش پیش بینی مناسب برای تقاضای قطعات یدکی
محل انتشار: پنجمین کنفرانس بین المللی مهندسی صنایع
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
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
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.
کلیدواژه ها:
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 :