23246

ارائه يك سيستم پشتيبان تصميم با استفاده از تكنيك‌هاي داده كاوي جهت پيش‌بيني فروش صنايع كاشي ايران (مطالعه موردي برخي از صنايع كاشي ميبد)

كارشناسي ارشد

مديريت اجرايي

93

1396/11/28

دكتر محمد سعيدي مهر آباد

دكتر روزبه قوسي

مهندسي پيشرفت

وجود كارخانه‌هاي كاشي، به‌خصوص آن‌هايي كه سابقه توليد بيشتري دارند را، انبارهاي پهناوري فراگرفته كه توجه هر بازديدكننده‌اي را در نگاه اول به خود جلب مي‌كنند. پالت‌هايي كه روي هم با رنگها و طرح‌ها وسايزهاودرجات كيفي مختلف كه باصرف انرژي زياد توليدشده وبه هر دليلي بااستقبال بازارمواجه نشده‌اند واگر سهامداران به دليل كمبود فضا چوب حراج برآن‌ها نزده باشند برخي از آن‌ها عمري چندين ساله دارند. تصميمگيري در مورد ميزان فروش ودانستن نقش عوامل داخلي نظيراثرتبليغات و بازاريابي، سرمايهگذاري¬ها اعم از آموزش و تجهيزات، كيفيت توليد و حتي عامل خارجياي چون تورم و نقش آنها در فروش آينده و بهتبع آن توليد و برنامهريزي انگيزه اصلي محقق براي ارائه راهكاري جهت بهبود فعاليتهاي بازاريابي و تبليغاتي و بهينه نمودن فروش و انبارش با بكارگيري روشهاي نوين دادهكاوي بوده است. بنابراين به جمع‌آوري دادههاي 5 سال گذشته از چند كارخانه كاشي واقع در شهرك صنعتي ميبد نموده و بدين منظور با به خدمت گرفتن روش‌هاي دادهكاوي به دنبال يافتن بهترين روش جهت پيش‌بيني فروش بوده تا در آينده بتواند به‌عنوان يك سيستم پشتيبان تصميم ياراي مديران اين صنعت باشد. در اين تحقيق دادههاي جمع آوري شده با توجه به پيوسته بودن داده ستون هدف كه در واقع ميزان فروش بوده از 4 الگوريتم C&R Tree، شبكه عصبي، رگرسيون و ماشين بردار پشتيبان استفاده گرديد و سه آزمايش كلي به شرح زير بر روي ‌دادهها انجام پذيرفت. در آزمايش اول كليه دادهها بررسي گرديد تا فارغ از كارخانه توليد كننده به مجموع فروش بصورت كلي نگريسته شود، در آزمايش دوم دادهها به تفكيك كارخانه بررسي گرديد، از آنجا كه دادهها مربوط به سه كارخانه بودهاند در اينجا سه آزمايش مجزا صورت گرفت. در آزمايش سوم نيز دادهها به تفكيك درجه‌بندي مورد بررسي قرار گرفت (5 درجه و 5 آزمايش). نتايج نشان مي‌دهد كه در هر سه آزمايش مدل شبكه عصبي پروسپترون مدلي مناسب جهت پيش‌بيني فروش اين تحقيق است.

1399/11/29

Introducinga decision support system model to forecast sales on Iran`s tile industries trough some data mining techniques (The case of some Meybod tiles industries

2/17/2018 12:00:00 AM

In a highly complex dynamic environment, which most businesses are dealing with, augmenting competitive advantage through intelligence is considered as an inevitable strategy for survival. Likewise, a reliable forecast of firm’s sales develops competitive advantage through providing its subsets the capability to plan for growth. Due to internal and external factors influencing the sales, in this research, we will investigate Iranian tile firms’ internal factors, through different data mining techniques. The data were collected from three different factories and we have provided three analytical experiments to examine the different angles of data, in the first experiment, all data examined regardless of the manufacturer. In the second test, the data were analyzed by the factory, hence we had three separate data for each factory. in the third experiment, the data were sorted by quality grade, which included five grades of quality. the collected data determined by C & R Tree, neural network, regression, and support vector machine algorithms. The results showed that in all three experiments, the perceptron neural network model is a suitable model for forecasting the sales amount in this case.

داده كاوي , پيش بيني فروش , سيستم پشتيبان تصميم

Data mining , Sales forecasting , Decision Support System