پيش بيني تفاضا و نقش آن در كنترل موجودي توسط الگوريتم ANFIS

The prediction of Demand and its role in inventory control by the ANFIS algorithm

در دنياي كسب و كار آگاهي از نوسانات بازار و پيش بيني مقادير تقاضا نقشي كليدي در موفقيت بنگاه هاي اقتصادي دارد، كه اين مستلزم بهرمندي از قابليت هاي روش هاي هوشمند و شناسايي الگو هاي محيطي بر اساس روش هاي داده كاوي است. در اين زمينه در صورتيكه مقادير پيش بيني تقاضا بر اساس برنامه هوشمند تعيين گردد، مي تواند بعنوان يك راهبرد، باعث مزيت رقابتي و نهايتا بهبود عملكرد شركت نسبت به رقبا گردد. هدف اين مقاله پيش بيني روند تقاضا توسط الگوريتم عصبي فازي تطبيقي (ANFIS)است كه بر اساس داده هاي هاي موجود در شركت نوين قطعه در مورد سيستم هاي چند كالايي ، اجرا شده است. عدم قطعيت در پيش بيني تقاضاي كالاها در شرايط واقعي و محدوديت فرمول هاي قطعي در حوزه برنامه ريزي باعث عدم انعكاس كامل شرايط واقعي و چشم پوشي از اركان اكو سيستم كسب و كار مي گردد، لذا بهره گيري از الگوريتم پيش بين مي تواند بعنوان يك سيستم پشتيبان تصميم گيري در تعيين مقدار تقاضا و تخصيص بهينه سرمايه استفاده گردد.

In the business world, knowing market volatility and predicting demand levels has a key role to play in the success of businesses, which requires the use of smart methods and the identification of environmental patterns based on data mining methods. In this context, if the predicted values of demand based on the smart plan can be considered as a strategy, it will lead to a competitive advantage and, ultimately, to improve company performance relative to competitors. The purpose of this paper is to predict the demand trend by the Adaptive Fuzzy Neural Network (ANFIS) algorithm, which is based on the data available in Novin Gateh on multi-product systems. The uncertainty in predicting demand for goods in real terms and the limitations of definitive formulations in the planning area result in a lack of full reflection of actual conditions and waivers of the components of the eco-business system, so the use of the prediction algorithm can be as a system The decision support is used to determine the amount of demand and optimal allocation of capital.