ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی تقاضای قطعت یدکی با استفاده از شبکه عصبی مصنوعی

سال انتشار: 1386
کد COI مقاله: IRIMC05_032
زبان مقاله: فارسیمشاهده این مقاله: 2,320
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 14 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی تقاضای قطعت یدکی با استفاده از شبکه عصبی مصنوعی

محمدرضا امین ناصری - دانشیار مهندسی صنایع- بخش مهندسی صنایع- دانشکده فنی و مهندسی دانشگاه
بهمن رستمی تبار - دانشجوی کارشناسی ارشد بخش مهندسی صنایع دانشکده فنی و مهندسی دانشگاه ت

چکیده مقاله:

پیش بینی تقاضا یکی از مهمترین موضوعات مدیریت موجودی است و برای تصمیم گیری اثر بخش در حوزه مدیریت موجودی پیش بینی تقاضا برای دوره های آتی ضروری است. با توجه به ویژگی های تقاضای قطعات یدکی، پیش بینی مقدار زمان وقوع تقاضا برای این قطعات بسیار مشکل است. در این تحقیق تمرکز روی ویژگی ناهموار تقاضای قطعات یدکی است و از شبکه عصبی برازشی تعمیم یافته برای پیش بینی تقاضای ناهموار قطعات یدکی استفاده شده است. شبکه عصبی برازشی تعمیم یافته دارای این امتیاز بزرگ است که آموزش آن بسیار سریع بوده و تنها با یک مرتبه تکرار انجام می گیرد و همانند روش های پس انتشار خطا نیازمند آموزش تکراری نمی باشد. با استفاده از داده های واقعی تقاضای 30 نوع قطعه یدکی از مجتمع پتروشیمی اراک، نشان داده است که رویکرد مبتنی بر شبکه عصبی برازشی تعمیم سافته دارای دقت بیشتری نسبت به روش های متدوال یعنی(Croston(CR و (Syntetos&Boylan(SBA است. مقایسه دقت پیش بینی روشهای مورد بررسی با استفاده از معیارهای ارزیابی عملکرد pb, MASE ، A-MAPE انجام شده است.

کلیدواژه ها:

پیش بینی ، تقاضای ناهموار ، قطعات یدکی ، شبکه عصبی برازشی تعمیم یافته (GRNN)

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IRIMC05_032 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/43425/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
امین ناصری، محمدرضا و رستمی تبار، بهمن،1386،پیش بینی تقاضای قطعت یدکی با استفاده از شبکه عصبی مصنوعی،پنجمین کنفرانس بین المللی مدیریت،تهران،https://civilica.com/doc/43425

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1386، امین ناصری، محمدرضا؛ بهمن رستمی تبار)
برای بار دوم به بعد: (1386، امین ناصری؛ رستمی تبار)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • . ZS Hua, B Zhang, J Yang and DS Tan, ...
  • . Boylan J, Intermittent and lumpy demand: A Forecasting Challenge. ...
  • Zhongsheng Hua and Bin Zhang, A hybrid support vector machines ...
  • _ Ghobbar A.A and Friend C.H, Evaluation of forecasting methods ...
  • S. Gutierrez Rafael, Lumpy demand forecasting using neural networks, international ...
  • '. Croston J.D, Forecasting and stock control for intermittent demands, ...
  • Syntetos A.A and Boylan J.E, On the bias of intermittent ...
  • F.specht Donald, A General Regression Neural Network, IEEE transaction on ...
  • Syntetos AA, Boylan J.E and Crostn J.D, On the categorization ...
  • _ Jim H, Measuring forecast accuracy: omissions in today's forecasting ...
  • . Rob J.Hydman, Another look at fore cast-accuracy metrics for ...
  • Lawrence M _ Commentary _ A new approach to forecasting ...
  • Johnston F.R & Boylan J.E _ Forecasting for items with ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش 1 مقاله استفاده شده است.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی