پیش بینی تقاضا در صنعت دارو بر اساس سری های زمانی

صنعت داروسازی به سرعت در حال پیشرفت است و داده های زیادی را تولید می کند که میتوان از آنها برای بهبود تصمیم گیری ها وفرآیندهای مرتبط با تولید و توزیع داروها استفاده کرد. با تحلیل داده های زنجیره تامین، شرکتهای دارویی میتوانند نیازهای بازار را بهطور دقیق تری پیش بینی کرده و برنامه ریزی های تولید خود را مطابق با این نیازهای پیش بینی شده تنظیم کنند. این مقاله با استفاده ازروشهای پیشرفتهی یادگیری ماشین، سری های زمانی و تحلیل داده ها، به بررسی و بهبود مدلهای پیش بینی در صنعت داروسازی برایپیش بینی تقاضا پرداخته است. مدل های مختلفی از جمله مدل های ARIMA, SARIMA, ARIMAX, SARIMAX و Prophet مورد استفاده قرار گرفته اند تا دقت پیش بینی های تقاضا را افزایش دهند و به شرکتها کمک کنند تا به شکل بهینه تری به مدیریت زنجیره تامین بپردازند.

کلیدواژه ها:

پیش بینی تقاضا ، پیش بینی سری زمانی ، زنجیره تامین دارو ، طبقه بندی ATC