لطفا منتظر بمانید ...
0% Complete
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 Mousavi
1
Shahrokh Asadi
2
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
ارائه یک مدل تصمیم گیری مبتنی برنظریه ی بازی ها
سمیه کرباسی
پیش بینی کوتاه‌مدت، میان مدت و بلندمدت پیک مصرف برق در تهران به کمک روش‌های یادگیری ماشین
علیرضا مرادی - نفیسه صدقی
Designing a multi-period, multi-product MILP model with inventory and shortage system to optimize the product mix (case study: one of the four major lubricant manufacturing companies in Iran)
Mohammad Reza Nemati - Mehrdad Kargari - Ehsan Nikbakhsh
توسعه تکنیکهای طراحی اقتصادی-آماری نمودارهای کنترل چندمتغیره وصفی در فاز یک
حسام الدین عبداله پور - رضا کامران راد
بهره وری سبز و تاثیر آن در صنعت (مطالعه موردی: کارخانه کاغذ کرمان)
فهیمه تنهایی - هدیه عرب پور - سید داود احمدی مطلق
برنامه‌ریزی ارائه خدمات مراقبت در منزل در شبکه درمانی چند خدمتی با در نظر گرفتن بازدید‌های هم‌زمان پرستاران و مراجعه به آزمایشگاه
صدرا باحجب محمدی - مریم رادمان
موانع پذیرش هوش مصنوعی در بازار کار کشورهای درحال‌توسعه با استفاده از مدل‌سازی ساختاری-تفسیری
طوبی مسرت - رحیم تقی زاده
The Role of Liquid Biopsy in Precision Medicine: Transforming Cancer Diagnostics in the Medical Laboratory Industry
Aida Kamran - Hossein Javid - Reza Assaran Darban
طراحی و توسعه همکارانه نرم افزار یکپارچه تصمیم‌یار نگهداری و تعمیرات پیشگیرانه ی زیرساخت های شهر هوشمند براساس تحلیل داده های انباشته
محمدحسین تمنائی فر - محمد غفوریان - پارسا محمدی - مبینا حق شناس - محمدمهدی قدمگاهی - مهدیس علی مددی - علیرضا فریدونیان
مساله مکان‌یابی هاب مدولار تک تخصیصه با شبکه ستاره-ستاره
فریبا علیزاده - نادر غفاری نسب
بیشتر
ثمین همایش، سامانه مدیریت همایش ها و جشنواره ها - نگارش 44.12.3
