ارزیابی عملکرد موجودی مبتنی بر پیش‌بینی تقاضا با استفاده از مدل شبکۀ عصبی MLP

محورهای موضوعی : مدیریت

یاسر تقی‌نژاد ¹ ( کارشناسی ارشد، گروه مدیریت صنعتی، پردیس فارابی، دانشگاه تهران، تهران، ایران(عهده دار مکاتبات) )

تاریخ دریافت : 1399/07/27 تاریخ پذیرش : 1399/07/27 تاریخ انتشار : 1397/12/01

کلید واژه: پیش‌بینی, هوش مصنوعی, مدیریت موجودی, شبکۀ عصبی,

چکیده مقاله :

مدیریت صحیح و کنترل بهتر موجودی اقلام فروشگاه مواد غذایی، یکی از ضروری ترین و مهم ترین اهداف مدیران فروشگاه‌های مواد غذایی می‌باشد. هر چه عملکرد موجودی فروشگاه بهبود یابد، افزایش سطح خدمت به مشتری و کاهش روزهای مواجه با کمبود را در پی خواهیم داشت. هدف این مقاله ارائه یک مدل پیش‌بینی برای تقاضای فرآورده‌های گوشتی فروشگاه زنجیره‌ای اتکای گرگان، به‌منظور بهبود عملکرد موجودی می باشد. در این پژوهش از مدل ANNmlp < /sub> برای پیش‌بینی تقاضای فرآوردۀ گوشتی این فروشگاه استفاده‌شده است و همچنین برای درک میزان دقت پیش‌بینی، با مدل های ARIMA و میانگین متحرک 14 روزه مقایسه شده است. برای این منظور، از کد نویسی این مدل در نرم‌افزار متلب و داده‌های سری زمانی تقاضای فرآورده‌های گوشتی از ابتدای سال 1392 تا هفتۀ 12 سال 1395 که به‌صورت هفتگی دریافت گردید، استفاده شد. نتایج تحقیق نشان داد که مدل 1-8-5ANN بهترین مدل برای پیش‌بینی تقاضای این محصول می‌باشد. مدل پیش‌بینی ارائه‌شده با سیاست کنترل دوره ای سطح موجودی، منجر به کاهش روزهای مواجه با کمبود و افزایش سطح خدمت به مشتری شده است.

چکیده انگلیسی:

Proper management and better control of inventory of food items are one of the most essential and important objectives of food store managers. The store inventory management to improve performance, increase customer service and reduce the deficit in the following days will be. The purpose of this paper is to provide a prediction model for demanding meat products from Gorgan ETKA chain stores in order to improve inventory performance. In this study, the ANNmlp model has been used to predict the meat market demand of this store and is also compared with ARIMA and 14-day moving average to understand the accuracy of prediction. For this purpose, the code coding of this model was used in MATLAB software and time series data for meat products demand from the beginning of 1392 to the 12th week of 1395, which was received weekly. The results of the research showed that ANN5-8-1 model is the best model for predicting the demand for this product. The prediction model provided by the inventory control period has led to a reduction in the number of days facing the shortage and increased customer service levels.