تعیین نرخ کالا در نرم افزارهای فروش به کمک یادگیری مبتنی بر شبکه های عصبی

با افزایش جمعیت و رواج مصرف گرایی در جوامع قرن بیست و یکم، خرید و فروش کالا ها نیز به شدت افزایش یافته است. از طرفی، با پیشرفت فناوری اطلاعات، خرید و فروش اینترنتی کالا ها و محصولات در بستر های ارتباطی مثل انواع نرم افزار ها، سایت ها و شبکه ها نیز افزایش قابل توجهی داشته است. بنابراین صاحبان کسب وکار، مدیران و کارشناسان خرید و فروش به دنبال افزایش بهره وری و همچنین کسب سود بیشتر کالا ها می باشند. ابزار های هوشمند در چند دهه اخیر ضمن کمک به حل مسائل گوناگون و پیچیده مثل مسئله اعلام نرخ فروش کالا جهت آنالیز متغیر های مختلف انواع مدل های تحلیلی مورد استفاده قرار می گیرند. بدیهی است که خرید و فروش اینترنتی در بستر نرم افزار ها ضمن افزایش سرعت و کاهش هزینه ها در صورت تعیین قیمت مناسب توسط فروشنده سود بیشتری در سایر حوزه های مرتبط نیز خواهد داشت. هدف پژوهش حاضر افزایش دقت اعلام نرخ فروش کالا در نرم افزار های فروش محصولات با استفاده از تکنیک های هوش مصنوعی است که با تعیین استراتژی های کنترل موجودی و زنجیره تامین با در نظر گرفتن علاقمندی های مشتریان، می تواند در قیمت نهایی محصولات تاثیرگذار باشد. در واقع با در نظر گرفتن متغیر های تاثیرگذار، کنترل و مطالعه آنها امکان تعیین قیمت مناسب تر برای هر یک از طرفین (تامین کنندگان و مصرف کنندگان) امکان پذیر است.برای این منظور، اطلاعات بیش از ۵ سال گذشته فروش محصولات یک فروشگاه زنجیره ای در شهر بجنورد استخراج گردید. این اطلاعات شامل قیمت گذاری ۱۱ محصول پرفروش و سود حاصل از آن در بررسی ۱۰۰۰ سفارش از هر یک از محصولات و قیمت گذاری آنها می باشد. تمام این قیمت ها بر اساس تورم رسمی کشور به قیمت روز سال ۱۴۰۱ درآمدند و این اطلاعات به صورت فرمت مشخص وارد نرم افزار MATLAB شده و شبکه عصبی MLP برای آنها تشکیل و بر اساس اطلاعات بیان شده آموزش داده شدند. سپس برای سفارش های بعدی، قیمت اعلامی از مدل پیشنهادی استخراج گردید و مشاهده شد که سود حاصله افزایش قابل توجهی را به همراه دارد. علت اصلی این مساله هم دقت بالای شبکه عصبی در مدل سازی سیستم های غیرخطی و ناشناخته است که در کاربردهای مختلف کارایی خود را نشان داده است.

کلیدواژه ها:

نرخ کالا ، قیمت گذاری فروش ، هوش مصنوعی ، شبکه های عصبی