پیش بینی تقاضا برای محصولات پوشاک با استفاده از الگوریتمهای یادگیری ماشین

در پیش بینی تقاضا برای محصولات پوشاک در صنایع تولیدی به ویژه در شرایط رقابتی و تغییرات سریع، بازار، از اهمیت ویژه ای برخوردار است. دقت در پیشبینی تقاضا می تواند به بهبود فرآیندها، تولید، کاهش هزینه ها و بهینه سازی موجودی کمک کند. این تحقیق هدف بررسی و توسعه مدلی برای پیشبینی تقاضای محصولات پوشاک با استفاده از شبکه های عصبی مصنوعی و تحلیل سریهای زمانی است. از آنجایی که تقاضا در صنعت پوشاک تحت تاثیر عوامل مختلفی از جمله فصول، سال، تغییرات مد و رفتار مصرف کنندگان قرار دارد، استفاده از مدلهای پیچیده ای که بتوانند این تغییرات را به دقت شبیه سازی کنند، ضروری است. در این مطالعه، شبکه های عصبی مصنوعی با ساختار پرسپترون چندلایه (MLP) مورد ارزیابی قرار گرفتند و نتایج نشان دادند که این روش نسبت به روشهای آماری سنتی و دیگر الگوریتمهای یادگیری ماشین، عملکرد بهتری در پیشبینی تقاضا برای محصولات پوشاک دارد.

کلیدواژه ها:

پیش بینی تقاضا ، صنعت پوشاک ، الگوریتمهای یادگیری ماشینی ، شبکه های عصبی مصنوعی