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

اصلاح روش تصمیم‌گیری گروهی چند معیاره COPRAS با استفاده از مجموعه‌ها‌ی فازی نوع 2

معصومه عزیزی نفطه - محمود شهرخی

ارزیابی نقش متاورس در مدیریت شهر هوشمند با مدلسازی رفتاری، در حوزه‌های انرژی، سلامت، حمل‌و‌نقل و مطالعه موردی بازار انرژی محلی

زهرا ایران‌پور مبارکه - مهدی نوذریان - محمد غفوریان نصیری - علیرضا فریدونیان

شبیه سازی و تحلیل ریسک خروج از خط قطار حامل سیکلوهگزانون در آمریکا

مریم حسین زائی - کوثر عباسی - زهرا حقیقی - سبحان محمدپور - امیرحسین گل آبادی - مرتضی باقری

عارضه ‌‏یابی علل تاخیر فعالیت‌‏های پروژه‌‏های صنعتی(مطالعه موردی پتروشیمی اسلام آباد غرب)

مهربان جلیلی زاد - محدثه نادرشاهی

ارائه مدل ارزیابی کارایی زنجیره تامین مالی بانکهای تجاری استان اصفهان : رویکرد دو مرحله ایAR-DEA

منصور عابدیان - سعید آقاسی - نرگس باقری لطفعلی

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

Analyzing Customer Decision-Making in Indian E-Commerce: A Study Using Decision Tree and K-Nearest Neighbor

Kiana Amani - Reza Samizadeh - Mehdi Seifbarghy

استفاده از الگوریتم بهینه ساز گرگ خاکستری جهت بهینه سازی تبادل هزینه-زمان با محدودیت بودجه، مطالعه موردی: سازه نیروگاه سدّ رودبار (استان لرستان)

امین محمدحسین زاده - محمدرضا حمیدیان

بهینه سازی زنجیره تأمین سوخت‌های زیستی با درنظرگرفتن بازده ماشین‌آلات پردازش

علی نصیری - راشد صحرائیان

مدل چندهدفه بازنگری سبد سرمایه‌گذاری با درنظرگیری عوامل بنیادی سهام

محمدحسین وفائی خواه - امیرعباس نجفی

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.2.1