كنفرانس بين المللی مهندسی صنايع و سيستم ها

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

Demand Forecasting Model for Pharmaceutical Products Using Machine Learning Techniques with Bayesian Hyperparameter Optimization

نویسندگان :

Reza Shirazi Zadeh¹ Hasan Hosseini Nasab² Mohammad Bagher Fakhrzad³

1- دانشگاه یزد 2- Yazd University 3- Yazd University

کلمات کلیدی :

Demand forecasting،Sales time series،Machine learning،Bayesian optimization،Pharmaceutical products

چکیده :

Demand forecasting is the basis of many planning activities in the supply chain. Pharmaceutical industry, which deal with human health, require the implementation of an effective demand forecasting model. Due to demand volatility, businesses find it challenging to forecast customer demand accurately using traditional models. In this study, a comparative analysis is performed based on machine learning techniques such as Support vector regression (SVR), Random forest (RF), Light gradient boosting machine (LGBM), and Extreme gradient boosting (XGB) models for demand forecasting in pharmaceutical products. The effectiveness of machine learning models is greatly affected by choosing the appropriate hyperparameter configuration. Therefore, Bayesian optimization (BO) algorithm with the Gaussian process (GP) is combined with Time series cross-validation to determine the optimal combination of model hyperparameters. The results show that the Extreme gradient boosting model outperforms the other forecasting models in terms of Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and R^2 score. This method can effectively forecast future demand to improve pharmaceutical supply chain management.

لیست مقالات

لیست مقالات بایگانی شده

Analysis of the Impact of Renewable Energy, Economic, Governance, and Social Factors on National Sustainability Goals

Seyed Amirreza Salehi Amiri - Majid Khedmati

Time Series Forecasting of Active Customers Using Sequence Models: A Comparative Evaluation

Alireza Dehghan - Moslem Habibi

مدل برنامه‌ریزی آرمانی برای بهینه‌سازی سبد سرمایه‌گذاری بر مبنای آنتروپی و گشتاورهای مرتبه بالاتر

رامین تابان - عمران محمدی

ارایه روش ترکیبی نوین COATOP به منظور حل مسایل بهینه سازی چندهدفه: مسأله برنامه ریزی تولید احتمالی در زنجیره تامین

الهام شادکام

شناسایی مشاغل/ پست‌های استراتژیک امور ذوب مجتمع مس سرچشمه

علی سلطان‌پور - ساسان تقی‌زاده

پیش‌بینی داده‌محور جریان ترافیک متأثر از شرایط آب‌وهوایی مبتنی بر رویکرد شبکه‌های عصبی

حانیه سادات حسینی - عبدالله آراسته - علی دیوسالار

طراحی و تبیین نقشه راه تعالی بخشی، آموزش و توسعه منابع انسانی بر اساس مدل تفکر سوالی (مورد مطالعه: شرکت ایران خودرو خراسان)

حمید حسینی - سید حامد حسینی صالح - روح الله نیکزاد

پیش بینی لزوم انجام عمل جراحی قلب باز با استفاده از الگوریتم‌های داده‌کاوی

اعظم احمدی - مرتضی پاکدامن

Robust Optimization of e-Health Systems Under Uncertainty

Alireza Alibakhshi - Saeed Anbari Moghadam - Dr Erfan Hassannayebi

اولویت بندی کاربردهای هوش مصنوعی در لجستیک دریایی (مطالعه موردی: بندر شهید‌ رجایی)

علیرضا شکوفه - سید فرزاد حسینی - سید محمد مهدی حمیدی

بیشتر

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