بهینهسازی برنامه تولید با پیشبینی تقاضا مبتنی بر هوش مصنوعی و تحلیل پارتو ABC در سطح SKU
پذیرفته شده برای ارائه شفاهی
کد مقاله : 1222-RIERCO
نویسندگان
1کویرتایر
2کارخانه کویرتایر
چکیده
در این مقاله، با رویکرد «پیشبینی محصولمحور» تلاش کردیم برنامه تولید را با رفتار واقعی تقاضا همتراز کنیم. تراکنشهای فروش برحسب SKU بهصورت ماهانه تجمیع شد و با تحلیل پارتو نشان دادیم حدود ۸۰٪ فروش روی چهار قلم متمرکز است. برای فهم الگوی زمانی، نقشهی حرارتی ماهانه ترسیم شد که اوج تقاضا را عمدتاً در شهریور–مهر و افت نسبی را در زمستان نشان میدهد. برای افق سهماهه، پنج خانواده روش بهکار رفت: میانگین متحرک (MA) و هموارسازی نمایی (ES) بهعنوان خطوط پایه، ARIMA و Prophet برای روند/فصل، و LSTM برای الگوهای دنبالهای. ارزیابی با جداسازی سه ماه پایانی و معیارهای MAE، RMSE و MAPE انجام شد. نتایج روی محصولات پرفروش نشان میدهد مدلهای روند–فصل (ARIMA/Prophet) تصویر قابل اتکایی از سطح تقاضا ارائه میکنند و LSTM برای برنامهریزی عملیاتی کوتاهمدت رفتاری محافظهکار و پایدار دارد؛ روشهای MA/ES برای اقلام کمنوسان خط مبنای ساده و سریع فراهم میکنند. بر پایه این یافتهها پیشنهاد میکنیم پیش از فصل اوج، بخش عمدهی ظرفیت به اقلام پرفروش اختصاص یابد و برای محصولات کمفروش، در صورت نیاز به دقت بالاتر، اثر عوامل جانبی مانند فصل، کمپینهای فروش و قیمت در پیشبینی لحاظ شود.
کلیدواژه ها
موضوعات
مراجع
7