پیش بینی تقاضای زنجیره تامین با استفاده از یادگیری ماشینی و نظر خبره
- سال انتشار: 1398
- محل انتشار: شانزدهمین کنفرانس بین المللی مهندسی صنایع
- کد COI اختصاصی: IIEC16_115
- زبان مقاله: فارسی
- تعداد مشاهده: 3178
نویسندگان
استادیار دانشکده فنی دانشگاه تهران
دانشجوی ارشد بهینهسازی دانشگاه تهران
دانشجوی ارشد بهینه سازی دانشگاه علم و صنعت ایران
چکیده
پیشبینی تقاضا نقش کلیدی و بسیار مهمی در مدیریت زنجیرهتامین دارد. پیشبینی خوب تقاضا منجر به خنثی شدن اثر شلاقی، کاهش ضرر و افزایش سود میشود. ما در فرایند پیشنهادی این پژوهش روش یادگیری ماشینی رگرسیون و روش سنتی سری زمانی را بر روی دیتاست لجستیکی، برای پیشبینی نیازهای شهری، پیادهسازی کرده و با استفاده از معیار آماری میانگین مربعات خطا با یکدیگر مقایسه کردهایم. طبق نتایج به دست امده روش رگرسیون خطای پیشبینی کمتری داشت. در نهایت میزان پیشبینی شده به وسیله این روش، ورودی به مدل ریاضی ای که که نظر خبره در آن اعمال شده خواهد بود.این مدل به دنبال کاهش هزینه های سازمان به دلیل خطای پیشبینی است و چنانچه محدودیت برقرار شود، تصمیمگیری در مورد تقاضای دوره های آتی صورت میگیرد.کلیدواژه ها
پیشبینی تقاضا، زنجیره تامین، یادگیری ماشینی، تصمیم گیری، خبره، اثر شلاقیمقالات مرتبط جدید
- نهان کاوی صوتی براساس مدل psychoacoustic معکوس شنیداری انسان
- اهمیت و جایگاه هوش مصنوعی و لجستیک بحران در حملات بیوتروریستی
- بهینه سازی سبد سهام بورس اوراق بهادار تهران با استفاده از الگوریتم ژنتیک
- بررسی چالش های امنیتی و راهکارهای آن در پایگاه داده های NoSQL و کلان داده ها
- طراحی مدل تخصیص هواپیماها به مسیر جهت حداکثر کردن سود مورد انتظار با در نظر گیری عدم قطعیت در تقاضا
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.