مدل پيش بيني هزينه کل در زنجيره تأمين دو سطحي همراه با ريسک عملياتي و هزينه يابي بر مبناي فعاليت توسط شبکه عصبي مصنوعي (مطالعه موردي: شرکت توليد قطعات خودرو)

مومني زهرا; عزيزي امير

مشخصات مقاله

عنوان نشریه:

شباك

اطلاعات شماره:

دی 1396 , دوره 3 , شماره 10 (پیاپی 29) ; از صفحه 97 تا صفحه 117 .

عنوان مقاله:

مدل پيش بيني هزينه کل در زنجيره تأمين دو سطحي همراه با ريسک عملياتي و هزينه يابي بر مبناي فعاليت توسط شبکه عصبي مصنوعي (مطالعه موردي: شرکت توليد قطعات خودرو)

نویسندگان:

مومني زهرا, عزيزي امير*

آدرس:

* گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد علوم و تحقیقات، تهران، ایران

چکیده:

تصميمات مربوط به هزينه هاي زنجيرة تأمين جزء تصميمات راهبردي مي باشد. در اين پژوهش، به منظور پيش بيني هزينه کل در چهار بخش سفارش، موجودي، ريسک عملياتي و توليد از روش شبکه عصبي مصنوعي بهره گرفته شده است. داده هاي مورد استفاده، ميزان توليد محصول، ميزان سفارش خريد مواد اوليه، ميزان موجودي و تقاضا در کنار هزينه هاي توليد، موجودي، سفارش خريد مواد اوليه و تعمير و نگهداري ماشين آلات مي باشد که به صورت ماهانه از فروردين سال 1394 تا اسفند سال 1396 از شرکت توليد قطعات خودرو اخذ گرديده است. به منظور طراحي مدل پيش بيني داده ها به دو بخش شامل داده هاي آموزشي و داده هاي آزمايشي براي آزمون مدل، تقسيم شده اند؛ سپس شبکه بهينه با 32 داده آموزش، 2 داده اعتبارسنجي و 2 داده آزمايش، 20 تعداد نرون لايه پنهان و 2 تأخير در تکرار 7 انتخاب شد. در نهايت براي اثبات اعتبار مدل نتايج روش شبکه عصبي مصنوعي با مدل هاي رگرسيون چند متغيره خطي و سري زماني (ARIMA) توسط معيارهاي MAPE، MAD وRMSE مورد سنجش قرار گرفت. نتايج نشان داد که روش شبکه عصبي مصنوعي ميزان خطاها را به ترتيب 38٪ براي RMSE، ٪ 34 براي MAD و 32٪ براي MAPE نسبت به مدل ARIMA و 50٪ براي RMSE، ٪ 72 براي MAD و 67٪ براي MAPE نسبت به مدل رگرسيون کاهش داده است.

کلید واژه:

پيش بيني هزينه سفارش موجودي ريسک عملياتي هزينه يابي بر مبناي فعاليت

موضوعات مرتبط:

ارجاعات: