بهبود شبكه عصبي RBF توسط خوشه بندي و كاهش ابعاد داده ها براي پيش بيني تقاضا متناوب قطعات يدكي

پشتیبانی و خدمات پس از فروش محصول توجه طیف گسترده ای از مدیران ، متخصصان و تصمیم گیرندگان صنایع مختلف را خود جلب كرده است. رویكرد این مقاله ارائه یك روش تركیبی از شبكه عصبی و داده كاوی برای پیش بینی تقاضای قطعات یدكی به منظور كمك به مدیران موجودی در تصمیم گیری های مهم می باشد .پیش بینی تقاضای قطعات یدكی به دلیل ویژگی شاخص بدون قاعده بودن، در كانون توجه بسیاری از محققان قرار دارد ودر تصمیم گیری موثر كمك قابل توجهی به مدیران موجودی می كند. پیچیدگی و تاثیر عوامل وپارامترها مختلف بر میزان تقاضا سبب گردیده كه روشهای تحلیلی و ریاضی كارایی لازم را در این زمینه نداشته باشند .از این رو در این مقاله برای انجام پیش بینی تقاضای قطعات یدكی ما از تركیب روشهای شبكه عصبی تابع شعاع مدار(RBF ) خوشه بند ی C میانكین فازی ( Fuzzy Mean) وتكنیك تحلیل مولفه های اساسی (PCA)و داده های شركت هپكو واقع در استان مركزی استفاده كردیم. نتایج حاصله نشان دهنده برتری روش پیشنهادی نسبت به سایر روشها می باشد.