بهبود شبکه عصبی RBF توسط خوشه بندی و کاهش ابعاد داده ها برای پیش بینی تقاضا متناوب قطعات یدکی
- سال انتشار: 1394
- محل انتشار: کنفرانس بین المللی جهت گیری های نوین در مدیریت، اقتصاد و حسابداری
- کد COI اختصاصی: NDMCONFT01_025
- زبان مقاله: فارسی
- تعداد مشاهده: 1102
نویسندگان
دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد اراک
استادیار مدیریت صنعتی، دانشگاه آزاد اسلامی واحد اراک
استادیار ریاضی، دانشگاه آزاد اسلامی واحد اراک
چکیده
پشتیبانی و خدمات پس از فروش محصول توجه طیف گسترده ای از مدیران ، متخصصان و تصمیم گیرندگان صنایع مختلف را خود جلب کرده است. رویکرد این مقاله ارائه یک روش ترکیبی از شبکه عصبی و داده کاوی برای پیش بینی تقاضای قطعات یدکی به منظور کمک به مدیران موجودی در تصمیم گیری های مهم می باشد .پیش بینی تقاضای قطعات یدکی به دلیل ویژگی شاخص بدون قاعده بودن، در کانون توجه بسیاری از محققان قرار دارد ودر تصمیم گیری موثر کمک قابل توجهی به مدیران موجودی می کند. پیچیدگی و تاثیر عوامل وپارامترها مختلف بر میزان تقاضا سبب گردیده که روشهای تحلیلی و ریاضی کارایی لازم را در این زمینه نداشته باشند .از این رو در این مقاله برای انجام پیش بینی تقاضای قطعات یدکی ما از ترکیب روشهای شبکه عصبی تابع شعاع مدار(RBF ) خوشه بند ی C میانکین فازی ( Fuzzy Mean) وتکنیک تحلیل مولفه های اساسی (PCA)و داده های شرکت هپکو واقع در استان مرکزی استفاده کردیم. نتایج حاصله نشان دهنده برتری روش پیشنهادی نسبت به سایر روشها می باشد.کلیدواژه ها
پیش بینی،تقاضای متناوب، RBF ،PCM ،PCAمقالات مرتبط جدید
- ساختار سازمانی برای نسل Z: طراحی تیم ها و فرآیندهای کاری برای نسل دیجیتال
- ارزیابی اثرات مدیریت زنجیره تامین کالاها بر بهرهوری و تاب آوری در صنعت ساخت و ساز
- Optimizing transport routing in the supply chain using the Ant Colony Optimization in MATLAB
- ارائه مدل معیار جامع برای محاسبه اوزان مشترک در تحلیل پوششی داده های چند هدفه
- Marketing Analysis of Dynamic Capabilities and Customer Satisfaction in the Housing Industry
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.