تحلیل حساسیت مدل میزان اقتصادی سفارش در حالت اثرات تعاملی دوفاکتوری با استفاده از شبکه عصبی مصنوعی
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 139
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JNAMM-2-2_010
تاریخ نمایه سازی: 17 مرداد 1403
چکیده مقاله:
در این مقاله چگونگی استفاده از متامدل شبکه عصبی مصنوعی برای تحلیل حساسیت مدل مقدار اقتصادی سفارش در حالت اثرات تعاملی دو فاکتوری ارایه و نشان داده شده است که استفاده از این متامدل برای تحلیل حساسیت مقدار اقتصادی سفارش در مقایسه با روش فعلی (یک فاکتور در هر بار) مناسب تر است. برای این منظور، از یک شبکه عصبی پیشرو پس انتشار با یک لایه مخفی، توابع محرک سیگمویید در لایه مخفی، فاکتورهای موثر بر EOQ به عنوان ورودی و مقدار اقتصادی سفارش به عنوان خروجی مدل استفاده شده است. معیارهای حساسیت بر اساس وزن های اتصال تعریف شده و رویه متدولوژی در یک مثال عددی نشان داده شده است. باظهور نظام های هوشمند ، پردازش داده ها و مدل های مرتبط با آن ها از قبیل شبکه های عصبی مصنوعی، الگوریتم ژنتیک ، منطق فازی و نظایرآن ها که با الهام از گوشه ای از طبیعت طراحی و مدل سازی شده اند، پیشرفت مهمی در تجزیه وتحلیل داده ها صورت گرفته است.یکی از اصلی ترین ویژگی های شبکه عصبی مصنوعی، که از ساختار و عملکرد شبکه های عصبی طبیعی الهام گرفته است، پردازش موازی اطلاعات ورودی توسط واحد های پردازش نرونی است.
کلیدواژه ها:
Economic value of order ، Sensitivity analysis ، Artificial Neural Network ، production cost reduction
نویسندگان
علی سرورخواه
۱ Department of Management, Ayendang Institute of Higher Education, Tonkabon, Iran
زهرا جوربنیان
Management, Ayendag Institute of Higher Education, Tonkabon, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :