فهرست نشریات علمی دسترسی آزاد ایران

هدف: هدف از این تحقیق پیش‌بینی تقاضای روزانه محصول ماست سون شرکت لبنیات کاله آمل با استفاده از عوامل تاثیرگذار خارجی مانند شرایط آب و هوایی، روزهای خاص تقویم و قیمت محصول می‌باشد. این پیش‌بینی به‌ویژه به دلیل ماهیت فاسدشدنی محصولات که دارای نرخ بالایی از زوال هستند، بسیار مهم است.روش‌شناسی پژوهش: این مطالعه از مجموعه داده‌های عمومی شامل 12 ماه سابقه تقاضا از فروشگاه‌های مختلف خرده‌فروشی مواد غذایی استفاده می‌کند. در ابتدا، این تحقیق از تکنیک پیش‌بینی سری‌های زمانی کلاسیک، به‌ویژه مدل میانگین متحرک همبسته خودکار یکپارچه فصلی با عوامل برون‌زا (SARIMAX) استفاده می‌کند. متعاقبا، روش‌های پیشرفته‌تر یادگیری ماشین، ازجمله شبکه‌های عصبی حافظه کوتاه‌مدت (LSTM) و شبکه‌های عصبی کانولوشنال (CNN) را پیاده‌سازی می‌کند. عملکرد این مدل‌ها با استفاده از روش‌های اندازه‌گیری دقیق مانند ریشه میانگین مربعات خطا (RMSE) و میانگین درصد مطلق خطا (MAPE) ارزیابی و مقایسه می‌شود.یافته‌ها: یافته‌ها نشان می‌دهد که روش CNN از نظر دقت از سایر روش‌های پیش‌بینی برتری دارد. علاوه بر این، مدل LSTM نیز عملکرد خوبی را نشان می‌دهد، اگرچه به برتری روش CNN نیست.اصالت/ارزش افزوده علمی: این تحقیق با تمرکز بر پیش‌بینی تقاضای کالاهای فاسدشدنی که به دلیل نرخ فرسودگی بالای آن‌ها اهمیت دوچندانی دارد، به ادبیات موجود کمک می‌کند. همچنین علاقه و اثربخشی رو به رشد تکنیک‌های یادگیری ماشینی پیشرفته، به‌ویژه CNN و LSTM را در بهبود دقت پیش‌بینی‌های تقاضا برجسته می‌کند. این مطالعه بینش‌های ارزشمندی را برای مشاغل در صنعت لبنیات با هدف افزایش سود اقتصادی و رقابت آن‌ها از طریق پیش‌بینی بهتر تقاضا ارایه می‌دهد.