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: 3262
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
- کالیبراسیون مبتنی بر مقایسه قطعه با قطعه مرجع به جای ابزار مرجع (Master-Part)
- نقش واسطه ای IT و مدیریت یکپارچه زیست محیطی در ارتباط بین IT و عملکرد زیست محیطی– یک مطالعه موردی
- Application of Machine Learning and Deep Learning in Pancreatic Cancer Diagnosis: A Review
- Adoption of Artificial Intelligence in Small and Medium Manufacturing Enterprises: An HBR Perspective and a Human – Machine Collaboration Framework
- کاربرد شبکه های بیزین در مدیریت نگهداری و تعمیرات پیش بینانه: مطالعه ای موردی بر خطوط تولید شرکت سیمان تهران
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.