پیش بینی تقاضای قطعات یدکی براساس یادگیری ماشین مبتنی بر روش های رگرسیون خطی و شبکه عصبی مصنوعی

پیش بینی تقاضای قطعات یدکی دستگاه های چاپ برای شرکت های چاپ و بسته بندی موضوعی حیاتی است. دستگاه های چاپ باید به طور موثر عمل کنند و باید از میزان دسترسی بالایی در برنامه ریزی خطوط تولید برخوردار باشند. در عملیات تعمیر و نگهداری، قطعات معیوب یا قطعاتی که طول عمر خود را کامل می کنند باید با یک قطعه جدید جایگزین شوند. قطعات یدکی مورد نیاز باید در موجودی ها با مقدار لازم به موقع باشد. در این بخش هزاران قطعه یدکی برای مدیریت وجود دارد. بخش نگهداری و تعمیرات باید به طور موثر عمل کند. برای انجام این امر، پیش بینی دقیق قطعات یدکی مورد نیاز است. در این تحقیق پیش بینی تقاضا با روش های رگرسیون خطی و شبکه های عصبی مصنوعی صورت پذیرفت. مدل پیش بینی توسعه یافته در این مطالعه شامل متغیرهای حیاتی مانند تعداد سفارشات تولید، نوع خرابی، تعداد تعمیر و نگهداری دوره ای، میانگین زمان بین خرابی و مقدار تقاضا در سال های گذشته می باشد. این برنامه با داده های واقعی پنج ساله (۱۳۹۷-۱۴۰۱) انجام شد. از داده های ۱۳۹۷-۱۴۰۰ برای آموزش و داده های ۱۴۰۰ برای آزمایش استفاده شد. در پیش بینی ها مشاهده شده که شبکه عصبی مصنوعی پیش بینی های دقیق تری نسبت به سایر روش ها ایجاد کرد. پیش بینی های شبکه عصبی مصنوعی بالاترین میزان دقت پیش بینی و کمترین انحراف را نشان می دهند.

کلیدواژه ها:

پیش بینی تقاضا ، قطعات یدکی ، رگرسیون خطی ، یادگیری ماشین