بابک جوادی - استادیار دانشکده فنی دانشگاه تهران
سروش یوسفی - دانشجوی ارشد بهینهسازی دانشگاه تهران
مائده احمدی - دانشجوی ارشد بهینه سازی دانشگاه علم و صنعت ایران

پیشبینی تقاضا نقش کلیدی و بسیار مهمی در مدیریت زنجیرهتامین دارد. پیشبینی خوب تقاضا منجر به خنثی شدن اثر شلاقی، کاهش ضرر و افزایش سود میشود. ما در فرایند پیشنهادی این پژوهش روش یادگیری ماشینی رگرسیون و روش سنتی سری زمانی را بر روی دیتاست لجستیکی، برای پیشبینی نیازهای شهری، پیادهسازی کرده و با استفاده از معیار آماری میانگین مربعات خطا با یکدیگر مقایسه کردهایم. طبق نتایج به دست امده روش رگرسیون خطای پیشبینی کمتری داشت. در نهایت میزان پیشبینی شده به وسیله این روش، ورودی به مدل ریاضی ای که که نظر خبره در آن اعمال شده خواهد بود.این مدل به دنبال کاهش هزینه های سازمان به دلیل خطای پیشبینی است و چنانچه محدودیت برقرار شود، تصمیمگیری در مورد تقاضای دوره های آتی صورت میگیرد.

پیشبینی تقاضا، زنجیره تامین، یادگیری ماشینی، تصمیم گیری، خبره، اثر شلاقی