CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بهبود شبکه عصبی RBF توسط خوشه بندی و کاهش ابعاد داده ها برای پیش بینی تقاضا متناوب قطعات یدکی

عنوان مقاله: بهبود شبکه عصبی RBF توسط خوشه بندی و کاهش ابعاد داده ها برای پیش بینی تقاضا متناوب قطعات یدکی
شناسه ملی مقاله: NDMCONFT01_025
منتشر شده در کنفرانس بین المللی جهت گیری های نوین در مدیریت، اقتصاد و حسابداری در سال 1394
مشخصات نویسندگان مقاله:

بدرالسادات قرشی - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد اراک
ایرج نوری - استادیار مدیریت صنعتی، دانشگاه آزاد اسلامی واحد اراک
محمد ایزدی خواه - استادیار ریاضی، دانشگاه آزاد اسلامی واحد اراک

خلاصه مقاله:
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.

کلمات کلیدی:
پیش بینی،تقاضای متناوب، RBF ،PCM ،PCA

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/405095/