عنوان : ( پیش بینی تقاضای سفارشی با استفاده از شبکه عصبی LSTM : مطالعه موردی تولیدی لباس کا ر )
نویسندگان: الهام بابائی زارچ , پدرام پیوندی , حمیده رضوی ,
Full Textچکیده
در این پژوهش، یک رویکرد داد همحور مبتنی بر شبکه عصبی حافظه طولانیمد تکوتا همدت ) LSTM ( برای پ ی شبینی تقاضا براساس سفارش ) MTO ( در یک واحد تول ی د ی لبا سکار ارائه شد. داد ههای ثبت سفارش محصول منتخب )شلوار( طی سا لهای 1۴۰۰ تا 1۴۰۳ گردآو ری و پس از پاکسا زی، نرما لسا زی و استخراج ویژگ یهای زمان ی و عملیاتی شامل روندهای فصلی، تقاضاهای دور ههای پیشین و شدت تبلیغات، در سه بازه تجمیع زمانی هفتگی، دوهفتهای و ماهانه آماد هسا زی و به مدل وارد شدند. معما ر ی شبکه متناسب با نیاز مسأله طراحی گردید و آموزش مدل با بهین هساز Adam همراه با پایش مجموعه اعتبارسنجی انجام شد. ارزیابی کمی با معی اره ای RMSE ، MAE و MAPE نشان داد که بازه زمانی تجمیع ماهانه با مقدار MAPE برابر با 1.۴5 % کمترین خطا را داشته و نسبت به دو سطح دیگر عملکرد برت ری دارد. این یافته بیانگر آن است که انتخاب بازههای تجمیع بلندمد تتر، نوسانات داد ههای پراکنده محیطهای MTO را کاهش داده و امکان پیشبینی دقیقتر تقاضا با استفاده از شبکه LSTM را فراهم میسازد .
کلمات کلیدی
, پی شبینی تقاضا, شبکه عصبی LSTM , صنعت پوشاک, هوش مصنوعی, الگوریتم یادگیری عمیق, ساخت براساس سفارش
@inproceedings{paperid:1105048,
author = {بابائی زارچ, الهام and پیوندی, پدرام and رضوی, حمیده },
title = {پیش بینی تقاضای سفارشی با استفاده از شبکه عصبی LSTM : مطالعه موردی تولیدی لباس کا ر},
booktitle = {یازدهمین کنفرانس بین المللی مهندسی صنایع وسیستمها},
year = {2025},
location = {مشهد, ايران},
keywords = {پی شبینی تقاضا، شبکه عصبی LSTM ، صنعت پوشاک، هوش مصنوعی، الگوریتم یادگیری عمیق، ساخت براساس سفارش},
}
%0 Conference Proceedings
%T پیش بینی تقاضای سفارشی با استفاده از شبکه عصبی LSTM : مطالعه موردی تولیدی لباس کا ر
%A بابائی زارچ, الهام
%A پیوندی, پدرام
%A رضوی, حمیده
%J یازدهمین کنفرانس بین المللی مهندسی صنایع وسیستمها
%D 2025
