پیش‌بینی تقاضای قطعات یدکی براساس یادگیری ماشین مبتنی بر روش‌های رگرسیون خطی و شبکه عصبی مصنوعی

پیش بینی تقاضای قطعات یدکی دستگاه ‌های چاپ برای شرکت‌های چاپ و بسته بندی موضوعی حیاتی است. دستگاه های چاپ باید به طور موثر عمل کنند و باید از میزان دسترسی بالایی در برنامه ریزی خطوط تولید برخوردار باشند. در عملیات تعمیر و نگهداری، قطعات معیوب یا قطعاتی که طول عمر خود را کامل می کنند باید با یک قطعه جدید جایگزین شوند. قطعات یدکی مورد نیاز باید در موجودی ها با مقدار لازم به موقع باشد. در این بخش هزاران قطعه یدکی برای مدیریت وجود دارد. بخش نگهداری و تعمیرات باید به طور موثر عمل کند. برای انجام این امر، پیش بینی دقیق قطعات یدکی مورد نیاز است. در این تحقیق پیش‌بینی تقاضا با روش‌های رگرسیون خطی و شبکه‌های عصبی مصنوعی صورت پذیرفت. مدل پیش‌بینی توسعه‌یافته در این مطالعه شامل متغیرهای حیاتی مانند تعداد سفارشات تولید، نوع خرابی، تعداد تعمیر و نگهداری دوره ای، میانگین زمان بین خرابی و مقدار تقاضا در سال های گذشته می باشد. این برنامه با داده های واقعی پنج ساله (1397-1401) انجام شد. از داده های 1397-1400 برای آموزش و داده های 1400 برای آزمایش استفاده شد. در پیش‌بینی‌ها مشاهده شده که شبکه عصبی مصنوعی پیش‌بینی‌های دقیق‌تری نسبت به سایر روش‌ها ایجاد کرد. پیش‌بینی‌های شبکه عصبی مصنوعی بالاترین میزان دقت پیش‌بینی و کمترین انحراف را نشان می‌دهند.