چکیده مقاله
در این پژوهش، یک رویکرد داده محور مبتنی بر شبکه عصبی حافظه طولانی مدت کوتاه مدت LSTM برای پیشبینی تقاضا براساس سفارش MTO در یک واحد تولیدی لباس کار ارائه شد داده های ثبت سفارش محصول منتخب شلوار طی سال های ۱۴۰۰ تا ۱۴۰۳ گردآوری و پس از پاکسازی، نرمال سازی و استخراج ویژگی های زمانی و عملیاتی شامل روندهای فصلی، تقاضاهای دوره های پیشین و شدت تبلیغات در سه بازه تجمیع زمانی هفتگی، دو هفته ای و ماهانه آماده سازی و به مدل وارد شدند معماری شبکه متناسب با نیاز مساله طراحی گردید و آموزش مدل با بهینه ساز Adam همراه با پایش مجموعه اعتبارسنجی انجام شد ارزیابی کمی با معیارهای MAE، RMSE و MAPE نشان داد که بازه زمانی تجمیع ماهانه با مقدار MAPE برابر با ۱ ۴۵ کمترین خطا را داشته و نسبت به دو سطح دیگر عملکرد برتری دارد این یافته بیانگر آن است که انتخاب بازه های تجمیع بلندمدت، تر نوسانات داده های پراکنده محیط های MTO را کاهش داده و امکان پیشبینی دقیق تر تقاضا با استفاده از شبکه LSTM را فراهم می سازد
کلیدواژه‌ها
نویسندگان
الهام بابائی زارچ
گروه مهندسی صنایع و سیستم ها، دانشکده مهندسی، دانشگاه فردوسی مشهد
پدرام پیوندی
گروه مهندسی صنایع و سیستم ها، دانشکده مهندسی، دانشگاه فردوسی مشهد
حمیده رضوی
گروه مهندسی صنایع و سیستم ها، دانشکده مهندسی، دانشگاه فردوسی مشهد
شیوه ارجاع
�ابائی زارچ، الهام و پیوندی، پدرام و رضوی، حمیده،1404،پیش بینی تقاضای سفارشی با استفاده از شبکه عصبی LSTM: مطالعه موردی تولیدی لباس کار،یازدهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها،مشهد
ارائه‌شده در
مجموعه مقالات یازدهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها2 مهر 1404 · مشهد