بهبود عملکرد موجودی مبتنی بر پیشبینی تقاضا با خوشه بندی مشتریان
نویسندگان
1 Graduate of Industrial Management, Faculty of Management and Accounting, college of Farabi, University of Tehran, Iran
doi
چکیده
مدیریت صحیح و کنترل بهتر موجودی اقلام فروشگاه مواد غذایی، یکی از ضروری ترین و مهم ترین اهداف مدیران فروشگاههای مواد غذایی میباشد. در این مطالعه تلاش میشود تا دانش تقسیمبندی مشتریان را بر اساس ویژگیهای مختلف به عنوان ورودی در پیش بینی تقاضای یک خردهفروشی ارائه دهد. هدف این مقاله ارائه یک مدل پیشبینی برای خردهفروشان بر اساس خوشه بندی مشتریان، به منظور بهبود عملکرد موجودی می باشد. خوشه بندی مشتریان با الگوریتم ژنتیک در نرم افزار MATLAB R2016a صورت گرفته است. مدل ارایه شده برای پیش بینی تقاضای پنج قلم کالای یک سوپرمارکت در شهر گرگان به کار گرفته شده است. در این مقاله، جهت پیش بینی از مدل های ARIMA، ARIMA فصلی، شبکه عصبی پیشخور Mlp و شبکه عصبی GMDH استفاده شده است. مدلسازی این مدل ها در نرم افزار متلب صورت گرفته است. نتایج نشان داد که شبکه عصبی GMDH با خوشه بندی مشتریان کمترین خطای پیش بینی را دارد. مدل پیش بینی ارایه شده با سیاست کنترل دوره ای سطح موجودی منجر به کاهش روزهای مواجه با کمبود و افزایش سطح خدمت به مشتری میشود. خردهفروشان میتوانند مدل ارایه شده را برای پیش بینی تقاضای اقلام گوناگون به منظور بهبود عملکرد موجودی و سودآوری عملیات مورد استفاده قرار دهند.
