زهره مومنی - دانشجوی کارشناسی ارشد رشته مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
امیر عزیزی - استادیار دپارتمان صنایع (گروه مهندسی صنایع)، دانشکده فنی و مهندسی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

در سال های اخیر در زمینه سفارشات، موجودی و هزینه های زنجیره تامین، تحقیقات بسیاری انجام شده است کههدف اکثر آن ها کاهش هزینه می باشد. هزینه های اضافی مهم ترین عامل در بقای سازمان می باشند و همچنینبیشترین اثر را بر رقابت شرکت ها دارند. روش شبکه عصبی مصنوعی مورد استفاده در این پژوهش تنها روشی می باشدکه در زمینه پیش بینی هزینه کل زنجیره تامین به کار گرفته شده است، در پژوهش حاضر، با بهره گیری از این روش بهپیش بینی هزینه کل در چهار بخش سفارش، موجودی، ریسک عملیاتی و تولید برای سه گروه محصول تولیدی شرکتپرداخته شده است. داده های مورد استفاده، میزان تولید محصول، میزان سفارش خرید مواد اولیه، میزان موجودی و تقاضادر کنار هزینه های تولید، موجودی، سفارش خرید مواد اولیه و تعمیر و نگهداری ماشین آلات می باشد که به صورتماهانه از فروردین سال 1394 تا اسفند سال 1396 از شرکت اخذ گردیده است. به منظور طراحی مدل پیش بینی، داده هابه دو بخش شامل داده های آموزشی و داده های آزمایشی برای آزمون مدل، تقسیم شده اند؛ سپس شبکه بهینه با 32داده آموزش، 2 داده اعتبارسنجی و 2 داده آزمایش، 20 تعداد نرون لایه پنهان و 2 تاخیر در تکرار 7 انتخاب شد. در نهایت برای اثبات اعتبار مدل نتایج روش شبکه عصبی مصنوعی با مدل سری زمانی (ARIMA) توسط معیارهای MAPE، MAD و RMSE مورد سنجش قرار گرفت. نتایج نشان داد که روش شبکه عصبی مصنوعی میزان خطاها را به ترتیب 38% برای RMSE؛ 34% برای MAD و 32% برای MAPE نسبت به مدل ARIMA کاهش داده است و توانایی بالایی در پیش بینی هزینه با کمترین خطا را دارد.

پیش بینی هزینه، سفارش، موجودی، ریسک عملیاتی، هزینه یابی بر مبنای فعالیت