ارائه روشی مبتنی بر تکنیک های نرم رایانش (Soft Computing) برای پیش بینی تقاضا متناوبقطعات یدکی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 708

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NDMCONFT01_024

تاریخ نمایه سازی: 8 آذر 1394

چکیده مقاله:

پیش بینی تقاضای قطعات یدکی به دلیل ویژگی شاخص بدون قاعده بودن، در کانون توجه بسیاری از محققان قرار دارد ودر تصمیم گیری موثر کمک قابل توجهی به مدیران موجودی میکند.پیچیدگی و تاثیر عوامل وپارامترها مختلف بر میزان تقاضا سبب گردیده که روشهای تحلیلی و ریاضی کارایی لازم را در این زمینه نداشته باشند . از این رو در این تحقیق تصمیم گرفته شد از طریق بهبود شبکه های عصبی تابع شعاع مدار (RBF) توسط روش خوشه بندی Fuzzy c-means مدلسازی و پیش بینی سری زمانی تقاضای قطعات یدکی شرکت هپکو انجام شود. روش تحقیق حاضر کاربردی و به منظور بهبود و به کمال رساندن رفتارها و روش های پیش بینی تقاضای قطعات یدکی است. متغیر های مستقل مورد استفاده در تحقیق عبارتند از مجموع مبلغ فروش خالص ، تعداد مشتری که خرید کرده است، تعداد فاکتر هایی که صادر شده است و مجموع تعداد نهایی تقاضا در زمانهای قبل و متغیر وابسته نیز مجموع تعداد نهایی تقاضا در زمانهای آتی است . نتایج حاکی از آن است که شبکه های عصبی هیبریدی در مقایسه با مدل شبکه های عصبی ساده RBF و روشهای آماری و کلاسیک ARIMA نتایج دقیق تر و به عبارتی خطای کمتری ارائه می دهند.

نویسندگان

بدرالسادات قرشی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد اراک

ایرج نوری

استادیار مدیریت صنعتی، دانشگاه آزاد اسلامی واحد اراک

محمد ایزدی خواه

استادیار ریاضی، دانشگاه آزاد اسلامی واحد اراک

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 :
  • امین ناصری، محمد _ پیش بینی تقاضای قطعات یدکی با ... [مقاله کنفرانسی]
  • تابش، مسعود . تابستان 1389، پیش بینی تقاضای روزانه آب ...
  • کاوه، علی . تابستان 1386. کاربرد شبکه های عصبی مصنوعی ...
  • Adel A. Ghobbar , Chris H. Friend, Evaluation of forecasting ...
  • CROSTON, J. _ Forecasting and Stock Control for Intermittent Demand. ...
  • Jun YANG, Huanxue PAN, Hongyi SHEN. Agricultural Economic Bene_ts Prediction ...
  • Ward Romeijnders, Ruud Teunter, Willem van Jaarsveld, A two-step method ...
  • نمایش کامل مراجع