مدل ترکیبی شبکه عصبی - موجک جهت بررسی تاثیر پیش بینی تقاضا بر اثر شلاقی در زنجیره تامین و مقایسه آن با مدل باکس جنکینز(مطالعه موردی:شرکت نیلپر)

عنوان این تحقیق مدل ترکیبی شبکه عصبی - موجک جهت بررسی تاثیر پیش بینی تقاضا بر اثر شلاقی در زنجیره تامین و مقایسه آن با مدل باکس جنکینز بوده و برای انجام این تحقیق از دیتاهای شرکت نیلپر استفاده شده است. در این پژوهش بیان شده که یکی از مهم ترین موضوعات تاثیرگذار بر عملکرد زنجیره تامین و بوجود آمدن پدیده هایی همچون اثر شلاقی چرمی در زنجیره تامین پردازش سیگنال های تقاضا و پیش بینی تقاضا می باشد و هدف اصلی تحقیق ارائه مدلی برای پیش بینی تا حد امکان نزدیک به واقعیت تقاضا، جهت کاهش اثر شلاقی در زنجیره تامین و همچنین دستیابی به الگویی جهت پیش بینی مقدار تقاضا بوده است. در همین راستا مدل های پیش بینی باکس جنکینز و مدل شبکه عصبی موجکی جهت پیش بینی تقاضا در این تحقیق در نظر گرفته شد. سوال اصلی تحقیق بررسی و معرفی مدل برتر و همچنین تاثیر پیش بینی تقاضا با هر یک از مدل ها بر روی اثر شلاقی زنجیره تامین بوده و در همین راستا مدل آریما با مشخصات((Arima((1, 0, 1), seasonal =(1, 1, 0 و مدل شبکه عصبی موجکی با 6 لایه ورودی و 5 نرون در لایه پنهان و 1 نرون در لایه خروجی استفاده گردید. در این تحقیق از موجک Haar در ساخت شبکه عصبی موجکی استفاده و تا مقیاس یک به پردازش سیگنال به کمک موجک پرداخته شده است. نتایج حاکی از آن بوده است که مدل شبکه عصبی موجکی در مقایسه با مدل آریما با در نظر گرفتن شاخص های برازش مدل RMSE و MSE از عملکرد و دقت بالاتری برخوردار بوده است. همچنین میزان تاثیرگذاری پیش بینی هریک از مدل بر اثرشلاقی زنجیره تامین بر اساس میزان انحراف پیش بینی مدل ها با مقادیر تقاضای واقعی بررسی گردید که تاثیر آن در دو مدل بطور میانگین تقریبا نزدیک بوده است و در واقع می توان نتیجه گرفت که هردو مدل نتایج خوبی نیز داشته اند. در انتهای پژوهش به اولویت بندی عوامل کاهنده اثر شلاقی زنجیره از دیدگاه خبرگان شرکت پرداخته شد و عواملی همچون بهبود پیش بینی تقاضا، افزایش سطح موجودی انبارها، بهبود مشکلات ساختاری فرآیند سفارش گذاری و ... دارای بیشترین اهمیت در اولویت بندی عوامل بوده اند.

Keywords:

شبکه عصبی موجکی , آریما , اثر شلاقی , پیش بینی تقاضا.