پیش بینی تقاضای قطعت یدکی با استفاده از شبکه عصبی مصنوعی
محل انتشار: پنجمین کنفرانس بین المللی مدیریت
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,693
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRIMC05_032
تاریخ نمایه سازی: 1 دی 1386
چکیده مقاله:
پیش بینی تقاضا یکی از مهمترین موضوعات مدیریت موجودی است و برای تصمیم گیری اثر بخش در حوزه مدیریت موجودی پیش بینی تقاضا برای دوره های آتی ضروری است. با توجه به ویژگی های تقاضای قطعات یدکی، پیش بینی مقدار زمان وقوع تقاضا برای این قطعات بسیار مشکل است. در این تحقیق تمرکز روی ویژگی ناهموار تقاضای قطعات یدکی است و از شبکه عصبی برازشی تعمیم یافته برای پیش بینی تقاضای ناهموار قطعات یدکی استفاده شده است. شبکه عصبی برازشی تعمیم یافته دارای این امتیاز بزرگ است که آموزش آن بسیار سریع بوده و تنها با یک مرتبه تکرار انجام می گیرد و همانند روش های پس انتشار خطا نیازمند آموزش تکراری نمی باشد. با استفاده از داده های واقعی تقاضای 30 نوع قطعه یدکی از مجتمع پتروشیمی اراک، نشان داده است که رویکرد مبتنی بر شبکه عصبی برازشی تعمیم سافته دارای دقت بیشتری نسبت به روش های متدوال یعنی(Croston(CR و (Syntetos&Boylan(SBA است. مقایسه دقت پیش بینی روشهای مورد بررسی با استفاده از معیارهای ارزیابی عملکرد pb, MASE ، A-MAPE انجام شده است.
کلیدواژه ها:
نویسندگان
محمدرضا امین ناصری
دانشیار مهندسی صنایع- بخش مهندسی صنایع- دانشکده فنی و مهندسی دانشگاه
بهمن رستمی تبار
دانشجوی کارشناسی ارشد بخش مهندسی صنایع دانشکده فنی و مهندسی دانشگاه ت
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 :