كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

Demand forecasting based on deep learning methods for univariate time series

نویسندگان :

Seyed Masoud Mousavi¹ Shahrokh Asadi²

1- دانشگاه تهران دانشکدگان فارابی 2- دانشگاه تهران

کلمات کلیدی :

Demand forecasting،pharmaceutical supply chain،Deep learning،LSTM،MLP،ARIMA

چکیده :

Forecasting demand accurately is crucial for effective supply chain planning, budget control, and achieving sales goals. Decision-makers rely on this information to understand customer needs, the required quantity, and timing. We researched how deep learning models and neural networks can predict pharmaceutical demand to improve supply chain performance in sales, marketing, and product development. We assessed three univariate pharmaceutical time series and broke down each time series into trend, seasonal, and residual components. Then, we created a data frame containing these components and the time series. After dividing the data into training (70%), validation (15%), and testing (15%) sets, we analyzed the time series using Long Short-Term Memory (LSTM), Multilayer Perceptron (MLP), and Autoregressive Integrated Moving Average (ARIMA) models. We used Bayesian Optimization to fine-tune the hyperparameters in LSTM and MLP models and followed the Box-Jenkins methodology to create seasonal ARIMA models with exogenous variables. Our research found that the LSTM model slightly outperformed the MLP model and the ARIMA model in daily time series, with Root Mean Squared Error (RMSE) of 1.606, 1.135, and 1.125 compared to 1.650, 1.152, and 1.161 for the MLP model. These findings suggest that the LSTM model can effectively identify complex time-based dependencies within pharmaceutical demand data.

لیست مقالات

لیست مقالات بایگانی شده

ارزیابی عملکرد اساتید هیئت‌علمی دانشگاه به روش بازخورد 360 درجه (مطالعه موردی اساتید رشته مهندسی صنایع و علوم مهندسی دانشگاه اردکان)

سید امیرمهدی قریشی زاده - مهران اکبرپور - امید رحمانی - احمد یوسفی هنومرور

پیش‌‌بینی قیمت سهام با استفاده از شبکه عصبی بازگشتی، واحد بازگشتی دروازه‌‌ای و حافظه کوتاه مدت ماندگار: بررسی شرکت ایران خودرو

مرتضی مرادی

انتخاب ویژگی با استفاده از ترکیب رویکرد جدید همبستگی داده‌ها و الگوریتم تکاملی ژنتیک

مجید عبدالرزاق نژاد - مهدی خرد

Exploring Organizational Social Capital in Dynamic Ego Networks: A Multivariate Analysis Approach

Arya Karami - Seyed Taghi Akhavan Niaki

Iran's pharmaceutical supply chain risk assessment considering process's priority, hazard and probabilities

Ferial Zarrabi - Mohammad Rasouli

امکانسنجی و ارایه ی مدل اجرایی برای تبدیل سهام تعاونیها به ارز دیجیتال قابل معامله

سید محمود کاظمی - اسماعیل هداوندی - محسن صفاریان - سید محمدمهدی موسوی - یاسین رنجبر

Practical Methods for Detecting Illegal Miners Extracting Crypto-currencies in Distribution Networks Based on Harmonic Indices

Hamidreza Amiri

مکان و ظرفیت بهینه SVC به منظور بهبود پروفیل ولتاژ و کاهش تلفات در حضور منابع فتوولتائیک و بادی با استفاده از الگوریتم جستجوی هارمونی

جواد پورحسین - رضا رنج کشان - رسول کشفی

طراحی اقتصادی-آماری طرح نمونه‌گیری پذیرش بر مبنای بازرسی وصفی-متغیر

مهسا عبدالوند - علی سلماس‌نیا - سمراد جعفریان نمین

بهینه سازی زنجیره تأمین سوخت‌های زیستی با درنظرگرفتن بازده ماشین‌آلات پردازش

علی نصیری - راشد صحرائیان

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 41.7.6