طراحی سیستم پیش بینی تقاضای چندمتغیره با استفاده از ترکیب LSTM و GRU در زنجیره تامین صنایع دارویی

پیش بینی دقیق تقاضا یکی از چالش های اساسی در مدیریت زنجیره تامین صنایع دارویی محسوب می شود. این پژوهش سیستمی نوآورانه برای پیش بینی تقاضای چندمتغیره با استفاده از ترکیب شبکه های عصبی LSTM و GRU طراحی می کند. روش پیشنهادی بر اساس ترکیب وزنی تطبیقی این دو معماری عمل کرده و قابلیت پردازش متغیرهای متعدد شامل قیمت، میزان بیماری های فصلی، سیاست های دولتی و شرایط اقتصادی را داراست. نتایج آزمایش ها بر روی داده های واقعی یک شرکت دارویی طی دوره ۵ ساله نشان دهنده کاهش ۱۸.۳ درصدی خطای پیش بینی نسبت به روش های سنتی و بهبود ۱۲.۷ درصدی دقت نسبت به استفاده منفرد از LSTM یا GRU است. این سیستم امکان بهینه سازی موجودی و کاهش هزینه های نگهداری به میزان ۲۱ درصد را فراهم می آورد.

کلیدواژه ها:

پیش بینی تقاضا ، LSTM ، GRU ، زنجیره تامین ، صنایع دارویی ، یادگیری عمیق