ارائه روشي مبتني بر تكنيك هاي نرم رايانش (Soft Computing) براي پيش بيني تقاضا متناوب قطعات يدكي

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 میكند.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 تحقیق تصمیم گرفته شد از طریق بهبود شبكه های عصبی تابع شعاع مدار (RBF) توسط روش خوشه بندی Fuzzy c-means مدلسازی و پیش بینی سری زمانی تقاضای قطعات یدكی شركت هپكو انجام شود. روش تحقیق حاضر كاربردی و به منظور بهبود و به كمال رساندن رفتارها و روش های پیش بینی تقاضای قطعات یدكی است. متغیر های مستقل مورد استفاده در تحقیق عبارتند از مجموع مبلغ فروش خالص ، تعداد مشتری كه خرید كرده است، تعداد فاكتر هایی كه صادر شده است و مجموع تعداد نهایی تقاضا در زمانهای قبل و متغیر وابسته نیز مجموع تعداد نهایی تقاضا در زمانهای آتی است . نتایج حاكی از آن است كه شبكه های عصبی هیبریدی در مقایسه با مدل شبكه های عصبی ساده RBF و روشهای آماری و كلاسیك ARIMA نتایج دقیق تر و به عبارتی خطای كمتری ارائه می دهند.