بکارگیری رویکرد مقایسه ای مدل های پیش بینی مبتنی بر سری زمانی در زنجیره تامین شرکت سایپا
- سال انتشار: 1396
- محل انتشار: پنجمین همایش بین المللی صنعت خودرو ایران
- کد COI اختصاصی: AUTOISAS05_037
- زبان مقاله: فارسی
- تعداد مشاهده: 582
نویسندگان
ایران، تهران،شرکت خودروسازی سایپا، کارشناس ارشد مدیریت صنعتی، کارشناس مسیول
ایران، تهران،شرکت خودروسازی سایپا، دکتری مدیریت دولتی، کارشناس مسیول
ایران، تهران،شرکت خودروسازی سایپا، کارشناس ارشد مدیریت HSE، کارشناس مسیول
چکیده
یک مبحث مهم در مدیریت زنجیره تامین، پدیده اثر شلاقی است. این مهم بیانگر افزایش تغییرپذیری تقاضا طی حرکت در طول زنجیره می باشد. در این مقاله تاثیر چندین روش کلاسیک و هوشمند در فرایند پیش بینی تقاضای متلاطم، در وقوع پدیده اثر شلاقی بررسی می شود. نتیجه این تحقیق حاکی از آن است که شبکه های عصبی در مقایسه با روش های معمول کلاسیک همچون روش هموارسازی نمایی با توجه به رفتار غیرخطی، نوسانی و حتی آشوبی تقاضای متلاطم، توان بیشتری در مدل سازی و پیش بینی این رفتار دارند. در انتهای مقاله به کمک یک مثال عددی، کاربرد بهره گیری از شبکه های عصبی در پیش بینی تقاضای متلاطم، در کاهش موفقیت آمیز پدیده اثر شلاقی به تصویر در آمده است.کلیدواژه ها
پیش بینی، مدیریت زنجیره تامین، شبکه های عصبی مصنوعی، تقاضای متلاطممقالات مرتبط جدید
- مکانیزم حرکتی لوله های GRP در محل اتصال زانویی در هنگام وقوع زلزله
- مدلسازی تجربی-عددی کمانش محوری در سازه های استوانه ای با هسته هایپرالاستیک از طریق تحلیل همبستگی ارتعاشی
- Critical Analysis and Performance Evaluation of the American Society of Civil Engineers' Standard ASCE/SEI ۳۷-۱۴
- روش های مدیریت ترافیک در شهرهای کشور
- مطالعه مشخصات ریزساختاری و رفتار اکسیداسیون سرامیک های بر پایه نیترید تیتانیم تقویت شده با Ti، Al و TiAl
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.