بررسی تجزیه و تحلیل ABC چند منظوره از طریق تکنیک های مختلف طبقه بندی هوش مصنوعی

تجزیه و تحلیل ABC، یک روش محبوب و موثر برای طبقه بندی اقلام موجودی به دسته های خاص است که می تواند به طور جداگانه اداره و کنترل شود. تجزیه و تحلیل متعارف ABC، اقلام موجودی را در سه دسته: B, A یا C بر اساس استفاده روزانه از اقلام موجودی را طبقه بندی می کند. طبقه بندی موجودی چند معیاره، به وسیله تعدادی ازمحققان به منظور در نظر گرفتن سایر معیارهای مهم پیشنهاد شده است. این محققان، تکنیک های طبقه بندی مبتنی برهوش مصنوعی (AI) را با تجزیه و تحلیل چند متغیره سنتی (MDA) مقایسه کرده اند. نمونه هایی از این تکنیک های مبتنی بر AI عبارتند از: ماشین های بردار پشتیبانی (SVM)، شبکه های پس انتشار (BPNs) و الگوریتم K- نزدیکترین همسایه (k-NN). برای اثربخشی این تکنیک ها، نتایج طبقه بندی بر اساس چهار تکنیک معیار مقایسه می شود. نتایج نشان می دهد که تکنیک های مبتنی بر AI، دقت بالایی را به MDA نشان می دهند. تجزیه و تحلیل آماری نشان می دهد که SVM، طبقه بندی دقیق تر از سایر تکنیک های مبتنی بر AI را امکان پذیر می سازد. این یافته نشان می دهد که امکان اجرای تکنیک های مبتنی بر AI برای تجزیه و تحلیل ABC چند منظوره در سیستم های برنامه ریزی منابع سازمانی (ERP) وجود دارد.

کلیدواژه ها:

دسته بندی نوآوری ، تجزیه و تحلیل MDA ، k-NN ، BPN ، SVM ، ABC