كنفرانس بين المللی مهندسی صنايع و سيستم ها

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

پیش‌بینی تقاضای سفارشی با استفاده از شبکه عصبی LSTM: مطالعه موردی تولیدی لباس کار

نویسندگان :

الهام بابائی زارچ¹ پدرام پیوندی² حمیده رضوی³

1- دانشگاه فردوسی مشهد 2- دانشگاه فردوسی مشهد 3- دانشگاه فردوسی مشهد

کلمات کلیدی :

پیش‌بینی تقاضا،شبکه عصبیLSTM،ساخت براساس سفارش،صنعت پوشاک،الگوریتم یادگیری عمیق،هوش مصنوعی

چکیده :

در این پژوهش یک روش داده ‌محور مبتنی بر شبکه‌ی عصبی حافظه‌ی طولانی‌مدت‌ـ‌کوتاه‌مدت (LSTM) برای پیش‌بینی تقاضای مبتنی بر سفارش در یک واحد تولیدی لباس‌کار ارائه شد. داده‌های ثبت سفارش محصول منتخب (شلوار) طی سال‌های 1403-1400 گردآوری و پس از پاک‌سازی، نرمال‌سازی و استخراج ویژگی‌های زمانی و عملیاتی (روند فصلی، تقاضاهای دوره‌های قبل، شدت تبلیغات و غیره) در سه سطح تجمیع زمانی هفتگی، دو‌هفته‌ای و ماهانه آماده و به‌ عنوان ورودی به مدل ارائه شد. معماری شبکه عصبی متناسب با خروجی مد نظر طراحی و آموزش مدل با بهینه‌ساز Adam انجام و عملکرد آن در هر دوره روی مجموعه‌ی اعتبارسنجی پایش شد. عملکرد مدل‌ها با معیارهای عددی RMSE، MAE و MAPE سنجیده شد. نتایج کمی نشان داد پیش‌بینی در سطح تجمیع ماهانه با مقدار MAPE برابر با 4.21% نسبت به دو سطح دیگر عملکرد بهتری دارد؛ یعنی این تجمیع زمانی ماهانه باعث کاهش چشمگیر نوسانات و بهبود دقت پیش‌بینی در شبکه عصبی LSTM با داده‌های پراکنده‌ی MTO می‌باشد.