پیش بینی بلندمدت تقاضا شرکت داروسازی به کمک یادگیری ماشین
- سال انتشار: 1403
- محل انتشار: دهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها
- کد COI اختصاصی: ICISE10_110
- زبان مقاله: فارسی
- تعداد مشاهده: 260
نویسندگان
دانشجوی کارشناسی ارشد رشته مهندسی صنایع، دانشگاه تربیت مدرس، تهران
استاد، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس ، تهران
معاونت طرح و برنامه، شرکت لابراتوارهای سینادارو، تهران، ایران
چکیده
عدم داشتن بینش و درک دقیق از تقاضای محصولات دارویی باعث شده است که مراکز توزیع و فروش دارویی و کارخانه های داروسازی بامشکلاتی نظیر کمبود یا تامین نابه موقع تقاضا مواجه شوند. علاوه بر این، پیش بینی دقیق بلندمدت نیز چالشی بزرگ برای بسیاری ازشرکتها به شمار میآید، زیرا پیش بینی ذاتا با عدم قطعیت همراه است. از آنجا که شرکتها تصمیمات استراتژیک خود مانندسرمایه گذاری های بلندمدت و برنامه ریزی عرضه و ظرفیت را بر اساس این پیش بینی ها اتخاذ می کنند، دقت این پیش بینی ها اهمیت بسیاریدارد. در سالهای اخیر، روشهای بسیاری برای کشف دانش جدید از داده های خام به وجود آمده است. این پژوهش به بررسی استفاده ازبرنامه های کاربردی یادگیری ماشین (ML) در پیش بینی تقاضای بلندمدت برای یک شرکت داروسازی می پردازد. ما از دو روش شبکه بسته به نوع محصول، در دسترس بودن داده ها و افق پیش بینی متفاوت است. همچنین دریافتیم که برای دستیابی به نتایج بهتر، نیاز استبا توجه به ویژگی های هر محصول، از روشهای متفاوتی استفاده شود.کلیدواژه ها
پیش بینی تقاضا، پیش بینی بلندمدت، یادگیری ماشین، صنعت داروسازی، رگرسیون، شبکه عصبی مصنوعیمقالات مرتبط جدید
- ساخت پوشش آبگریز مبتنی بر نانوذرات سیلیکا مقاوم در برابر خوردگی
- Thermodynamic study of a trigeneration system based on solar energy
- Thermodynamic comparison of different solar organic Rankine cycles
- Energy and exergy analysis of a trigeneration system based on geothermal energy
- Thermodynamic comparison of the geothermal -based power plants
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.