Journal of Urban Economics and Management
فصلنامه علمی-پژوهشی اقتصاد و مدیریت شهری
IUESA
Literature & Humanities
http://iueam.ir
1
admin
2345-2870
2588-6398
10.61186/iueam
14
8888
13
en
jalali
1402
11
1
gregorian
2024
2
1
12
45
online
1
fulltext
fa
مدل پیشبینی تقاضای زنجیره تأمین با تنوع محصولی بالا با استفاده از روشهای یادگیری ماشین مبتنی بر تقویت گرادیان
تخصصي
Special
پژوهشي
Research
<div style="text-align: justify;"><span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="line-height:115%"><span style="font-family:Calibri,sans-serif"><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin"">پیش</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""></span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin"">بینی تقاضای محصولات زنجیره تأمین برای تعیین استراتژیها و تصمیمگیریها موضوعی بسیار با اهمیت و پرچالش است. با افزایش تنوع و تعداد محصولات، این چالشها نیز افزایش مییابد. ارائه چارچوبها و روشهایی که با وجود تنوع محصولی، تفاوت در کاربردها و ویژگیها و حجم دادههای مختلف، از انعطافپذیری، دقت و مزیتهای لازم برای پیشبینی همه دستههای محصولی برخوردار باشد، برای مدیران حیاتی است. در این راستا، دو مدل یادگیری با نظارت، </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">XGBoost Regressor</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"> (</span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">XGBR</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%">)</span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> و </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Gradient</span></span></span> <span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Boosting</span></span></span> <span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Regressor</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"> (</span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">GBR</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%">)</span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin"">، بر روی مجموعه دادههای </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Global</span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"> Superstore</span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin"">، در سایت </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Kaggle</span></span></span><span style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> پیاده‎سازی شده است. این مجموعه داده شامل 3788 محصول در سه </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Category</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> محصولی متنوع، هفده </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Sub</span></span></span> <span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Category</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> و51،290 سفارش است. حجم دادههای محدود محصولات سبب میگردد پیشبینی بسیاری از محصولات و کسب نتیجه مناسب از روشها میسر و مفید نگردد. با توجه به اینکه در این تحقیق تجربی هدف پیشبینی تقاضا، بکارگیری در تصمیمات استراتژیک است، رویکردی تجمیع محصولی برای این مسئله پیشنهاد شده که با توجه به مشابهت در محصولات </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Sub</span></span></span> <span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Category</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">ها</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> پیشبینی آنها به صورت تفکیکشده صورت گیرد. به منظور بررسی اثر میزان داده بر عملکرد مدلها، دادههای مجموعه داده با استفاده از تکنیک </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Augmentation</span></span></span> <span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Data</span></span></span><span style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> افزایش یافته و با اجرای مجدد مدلها، نتایج پیشبینی دو مدل با هم مقایسه شدهاند. براساس ارزیابی نتایج پیشبینی با دادههای افزایش یافته با دو معیار </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">MSE</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> و </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">MAE</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin"">، مدل </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">XGBR</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> در کمترین مقدار به ترتیب به 12/0 و 10/0، و مدل </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">GBR</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> نیز به مقادیر 13/0 و 15/0 دست یافته است. همچنین، نتیجه معیار </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">D<sup>2</sup></span></span></span> <span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">Score</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> در مدل </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">XGBR</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> در بیشترین مقدار 97/0 و در مدل </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">GBR</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> مقدار 96/0 است. با افزایش دادهها، مقادیر معیارهای اندازهگیری خطای به صورت چشمگیری و تا بیش از 80 درصد کاهش یافته و در دادههای با حجم بیشتر، </span></span></span><span dir="LTR" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"Times New Roman",serif">XGBR</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Nazanin""> برتری نسبی دارد. چارچوب و مدلهای پیشنهادی میتواند در صنایع با مسائل مشابه در سطح استراتژی استفاده شود.</span></span></span></span></span></span></span></span></div>
پیشبینی تقاضا , تنوع محصولی بالا , XGBoost , Gradient Boosting
47
66
http://iueam.ir/browse.php?a_code=A-10-1-116&slc_lang=fa&sid=1
محمدرضا
فهیمی
100319475328460010096
100319475328460010096
No
علی
رجب زاده قطری
100319475328460010097
100319475328460010097
Yes
مریم
شعار
100319475328460010098
100319475328460010098
No
مریم
خادمی
100319475328460010099
100319475328460010099
No