کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
982034 | 1480397 | 2014 | 9 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Product Inventory Predictions at Small Medium Enterprise Using Market Basket Analysis Approach-Neural Networks
ترجمه فارسی عنوان
پیشبینی موجودی محصول در بنگاه کوچک و متوسط با استفاده از رویکرد تجزیه و تحلیل سبد بازار و شبکههای عصبی
همین الان دانلود کنید
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
رفتار مشتری -
سطح موجودی -
پیش بینی -
مدیریت تجاری -
شبکه عصبی مصنوعی -
پس انتشار
فهرست مطالب مقاله
چکیده
واژههای کلیدی
1.مقدمه
2.رفتار خرید مشتری
1.2 پیشبینی موجودی
2.2 تجزیه و تحلیل سبد بازار
3.2شبکهی عصبی مصنوعی (ANN)
3.روششناسی پژوهش
شکل 1- روششناسی پژوهش
شکل 2- فرایند MBA
شکل 3- جزئیات پسانتشار ANN
شکل 4- معماری شبکه
شکل 5- فرآیند آموزش شبکه
شکل 6- مقایسهی هدف و خروجی
4. بحث و نتیجهگیری
جدول 1- نمونهای از دادههای خام
جدول 2- نمونههایی از قوانین تولید شدهی MBA
جدول 3- پیشبینی کمیت هر یک از اقلام بر اساس پس انتشار ANN
5.کارهای آینده
واژههای کلیدی
1.مقدمه
2.رفتار خرید مشتری
1.2 پیشبینی موجودی
2.2 تجزیه و تحلیل سبد بازار
3.2شبکهی عصبی مصنوعی (ANN)
3.روششناسی پژوهش
شکل 1- روششناسی پژوهش
شکل 2- فرایند MBA
شکل 3- جزئیات پسانتشار ANN
شکل 4- معماری شبکه
شکل 5- فرآیند آموزش شبکه
شکل 6- مقایسهی هدف و خروجی
4. بحث و نتیجهگیری
جدول 1- نمونهای از دادههای خام
جدول 2- نمونههایی از قوانین تولید شدهی MBA
جدول 3- پیشبینی کمیت هر یک از اقلام بر اساس پس انتشار ANN
5.کارهای آینده
ترجمه چکیده
یکی از مشکلات موجود در هر شرکت از جمله بنگاههای کوچک و متوسط، چگونگی تعیین سطح موجودیِ هر محصولی است که به طور مقتضی به مشتریان آن شرکت فروخته خواهد شد چون این امر میتواند از انباشتگی موجودی و اتمام موجودی جلوگیری کند. هدف این مطالعه درک رفتار مشتریان در خرید محصولات است بنابراین میتوان از آن برای پیشبینی خرید در دورهی بعد استفاده کرد. بعدها از این پیشبینی، به عنوان پشتیبانیِ تصمیمگیری در تعیین میزان مناسب موجودی برای هر محصول استفاده میشود. این مطالعه در کاروما برس (Karomah Brass) انجام شد که بنگاهی کوچک و متوسط است که به فروش لوازم جانبی مبلمان عتیقه میپردازد. در این بنگاه شرکت خود محصولات را تولید نمیکند بلکه آنها را از فروشندگانی میخرد. روشهایی که در این مطالعه استفاده شدهاند عبارتند از تجزیه و تحلیل سبد بازار (MBA) و شبکهی عصبی مصنوعی پس انتشار (ANN). از MBA جهت بررسی رفتار خرید استفاده میشود در حالی که روش شبکهی عصبی پس انتشار برای پیشبینی نیازها یا تقاضاهای موجودیِ هر یک از محصولات بکار برده میشود. نتایج نشان میدهند که مشتریان مکررا محصولاتی را خریداری میکنند که به عنوان نوعی از لوازم جانبی کمدهای عتیقه بکار میآید و اگر مشتری آن محصول معین را بخرد آنگاه مطابق با بیست و یک قانونی که از کاویدن دادههای تراکنشی بدست آمدهاند محصولات مشابه را نیز خریداری خواهد کرد. در حالی که نتیجهای دیگر پیشبینی میزان نیازها یا تقاضاهای موجودی محصول را از سالی به سال دیگر نشان می دهد.
موضوعات مرتبط
علوم انسانی و اجتماعی
اقتصاد، اقتصادسنجی و امور مالی
اقتصاد و اقتصادسنجی
چکیده انگلیسی
One of the key problems in every company, including small and medium enterprises, is how to determine the inventory level for each product that will be sold to their customers appropriately as it can suppress the build up of inventory as well as avoid the stock out. This study is aimed to understand the behavior of consumers in purchasing the products so it can be used to predict the purchasing for the next period. Later, the prediction is used as a decision support in determining the appropriate amount of inventory for each product. The study was conducted at Karomah Brass, a small and medium enterprise engaged in the sale of antique furniture accessories in which the company doesn’t produce its own products but buys from the supplier. The methods that used in this study are the Market Basket Analysis (MBA) and Artificial Neural Network (ANN) Back propagation. MBA is used to examine the buying behavior of customer while ANN Back propagation is used to predict product inventory's requirements/needs for each product. The results discover that the customers frequently purchase products that serve as a kind of antique closet accessories and if customer bought that certain product, then they will also buy similar products in accordance with 21 rules that have been obtained from the mining of transaction data. Whereas, other result shows the prediction of the amount product inventory requirements/needs for one year to the next.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Economics and Finance - Volume 4, 2012, Pages 312–320
Journal: Procedia Economics and Finance - Volume 4, 2012, Pages 312–320