پیش بینی تقاضا در سیستم های رزرواسیون دانشگاهی با هدف کاهش ضایعات مواد غذایی به کمک شبکه های عصبی با تابع خطای موزون
Publish place: Industrial Management Journal، Vol: 13، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 288
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IMJT-13-2_001
تاریخ نمایه سازی: 10 بهمن 1400
Abstract:
هدف: یکی از دغدغه های مهم در رزرواسیون غذای دانشگاهی، مراجعه نکردن بسیاری از دانشجویان است که با توجه به دریافت یارانه دولتی و قیمت ارزان غذا، انبوهی از مواد غذایی هدر رفته و به ضایعات تبدیل می شود. هدف اصلی این پژوهش، جلوگیری از تولید ضایعات مواد غذایی در دانشگاه ها، به کمک پیش بینی تقاضای واقعی است.روش: برای مدل سازی و حل مسئله، از شبکه عصبی مصنوعی با تابع خطای موزونی که به کمک جست وجوی الگوی تعمیم یافته جهت دهی می شود، استفاده شد. شاخص های مجموع رزرو، روز هفته، سطح قیمت وعده، مجموع تعداد رزرو، تعداد رزرو به تفکیک مقطع تحصیلی، تعداد رزرو به تفکیک وضعیت اسکان و غذای مجاور به عنوان متغیرهای ورودی و تعداد تقاضای واقعی غذا نیز شاخص خروجی در نظر گرفته شد.یافته ها: داده های هفت سال اخیر سامانه رزرواسیون سلف مرکزی یکی از دانشگاه های بزرگ کشور که سالانه به طور متوسط پتانسیل تولید ۵۶ هزار پرس غذای مازاد (بیش از ۲۳ هزار تن مواد غذایی) را دارد، بررسی شد. با آموزش یک شبکه عصبی مصنوعی توام با بهینه سازی GPS، الگوریتم ترکیبی با تابع خطای موزون متناسبی به دست آمد که قادر است تولید روزانه غذای مازاد را بیش از ۸۰درصد کاهش دهد.نتیجه گیری: با استفاده از مدل ارائه شده، می توان تقاضای واقعی را به طور دقیق تر تخمین زد. مدل پیشنهادی، ضمن معرفی شاخص های موثر بر تخمین تقاضا، قادر است که در سطوح ریسک مختلف مورد انتظار دانشگاه، تقاضاهای واقعی را برآورد کند. این رویکرد پیشگیرانه، وعده های غذایی کنترل شده را فقط به اندازه احتیاج تولید و توزیع خواهد کرد تا از ضایعات مواد غذایی یا اتلاف بودجه عمومی کشور جلوگیری شود.
Keywords:
Authors
محمدعلی فائضی راد
دانشجوی دکتری، گروه مدیریت، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران.
علیرضا پویا
استاد، گروه مدیریت، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران.
زهرا ناجی عظیمی
استاد، گروه مدیریت، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران.
مریم امیر حائری
استادیار، گروه یادگیری، تحلیل داده و فناوری، دانشگاه توئنته، انسخده، هلند.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :