مقایسه سیستم پیش بینی فروش پوشاک و منسوجات با دو رویکرد خوشه بندی - درختهای تصمیم و شبکه های عصبی

شبکه توزیع کنندگان محصولات نساجی و پوشاک به تولید و مدیریت دقیق منابع جهت به حداقل رساندن هزینه ها و رضایت مشتریانشان نیاز دارد. درچنین وضعیتی برای پاسخ مناسب در برابر بازار انعطاف پذیر موجود، توزیع کنندگان ناگزیزند از سیستمهای پیش بینی فروش استفاده نمایند. با این وجود محدودیتهای مربوط به فروش کالاهای نساجی نظیر تعداد زیاد اقلام و اقلام جدید و طول عمر کوتاه هر کالا در بازار فرآیند پیش بینی را پیچیده می کند. مدلهای پیش بینی متفاوتی وجود دارد که کارایی هر یک از این مدلها به زمینه کاربرد هدف از پیش بینی ، تجربه کاربر و افق پیش بینی بستگی دارد. در این مطالعه برای ارائه یک سیستم پیش بینی فروش دو مدل با دورویکرد مختلف ارائه شده است که در هر دوی آنها جهت بهبود سیستم پیش بینی، دو ابزار خوشه بندی و دسته بندی با هم ترکیب شده اند. در هر دو روش از یک مجموعه داده یکسان برای ایجاد مدل استفاده شده است. مدل اول از الگوریتم خوشه بندی k-means و الگوریتم درخت تصمیم C4.5 استفاده نموده است در مدل دوم با توجه به عدم اطمینان از رابطه بین فروش و معیارهای توصیفی کالا و پیچیدگی از تکنیک های شبکه عصبی جهت خوشه بندی و دسته بندی اطلاعات استفاده شده است. در نهایت با استفاده از این دو مدل پروفایل مربوط به فروش کالاهای جدید پیش بینی شده است پروفایل فروش محصولات بیانگر آن است که برخلاف آنچه انتظار می رفت سیستم مبتنی بر درخت تصمیم نتایج بهتری را ارائه می دهد.

کلیدواژه ها:

داده کاوی ، سیستم پیش بینی فروش ، خوشه بندی ، درخت تصمیم ، شبکه های عصبی