کاربرد الگوریتم های یادگیری ماشین در زنجیره تامین برای پیش بینی در خواست های مشتریان (در شرکت سایپا)

زنجیره تامین شبکه ای از فرایندهاست، زنجیره تامین تمام فعالیت های مرتبط با جریان و تبدیل کالاها از مرحله ماده خام (استخراج) تا تحویل به مصرف کننده نهایی و نیز جریان های اطلاعاتی مرتبط با آنها را شامل می شود. در جریان کالا دو جریان دیگر، یکی جریان اطلاعات و دیگری جریان منابع مالی و اعتبارات است نیز حضور دارد. هدف اصلی در شرکت هایی که عضو زنجیره تامین هستند، پیش بینی تقاضای مشتریان برای حذف هزینه اضافی انبارداری و نگهداری محصولات اضافی ست، نکته قابل توجه ان است که با گذر از هر عضو زنجیره ،مقدار تقاضای مشتریان افزایش می یابد واین پیش بینی را به چالش می کشد.این پژوهش بر ان است تا نسبت به موارد زیر اهتمام ورزد1 یافتن بهترین الگوریتم از نظر زمان اجرا و کمترین خطای میانگین2 ارائه راه حل جهت پیش بینی تقاضا 3 مقایسه کارایی و سرعت پاسخگویی روش های مورد تحقیق 4 مقایسه تکنیک های یادگیری ماشینی و سنتی -5 ارائه پیشنهادات جهت بهبود پژوهش اتی 6 ارائه روش های کاهش اثر شلاقی زنجیره تامین 7 مقایسه بین ماشین ها برلیانس ،سارینا،تیبا شرکت سایپا

کلیدواژه ها:

زنجیره تامین ، درخواست تقاضا ، پیش بینی ، یادگیری ماشین ، الگوریتم ، اثر شلاقی