کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5471084 1519384 2017 31 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A hybrid spares demand forecasting method dedicated to mining industry
ترجمه فارسی عنوان
تقاضای هیبرید تقاضای پیش بینی روش اختصاص داده شده به صنایع معدنی است
کلمات کلیدی
ترجمه چکیده
این مقاله به مسئله پیش بینی تقاضای یکپارچه اشاره می کند که برای قطعات یدکی معمول است. چندین روش پیش بینی در مقاله ارائه شده است - تکنیک های سنتی مبتنی بر سری زمانی و روش های پیشرفته ای است که از شبکه های عصبی مصنوعی استفاده می کنند. مقاله ارائه یک روش پیش بینی تقاضای قطعات ترکیبی جدید اختصاص یافته به شرکت های استخراج معدن است. این روش شامل معیارهای اطلاعات، مدل سازی رگرسیون و شبکه های عصبی مصنوعی می باشد. این مقاله همچنین در مورد تحقیقات شبیه سازی در رابطه با ارزیابی کارایی روش انتخاب انتخاب متغیر و کاربرد آن در روش پیش بینی شده جدید، بحث می کند. ارزیابی این روش با مقایسه با روش های سنتی انجام می شود و براساس خطاهای پیش بینی شده انتخاب شده است.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
پیش نمایش مقاله
تقاضای هیبرید تقاضای پیش بینی روش اختصاص داده شده به صنایع معدنی است
چکیده انگلیسی
The paper addresses the problem of lumpy demand forecasting which is typical for spare parts. Several prediction methods are presented in the paper - traditional techniques based on time series and advanced methods which use artificial neural networks. The paper presents a new hybrid spares demand forecasting method dedicated to mining companies. The method combines information criteria, regression modeling and artificial neural networks. The paper also discusses simulation research related to efficiency assessment of the chosen variable selection methods and its application in the newly developed forecasting method. The assessment of this method is conducted by a comparison with traditional methods and is based on selected forecast errors.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Mathematical Modelling - Volume 49, September 2017, Pages 87-107
نویسندگان
, , ,