مهدیه مهدی زاده
چارچوب بهره گیری از هوش مصنوعی برای پیش بینی فروش محصولات مصرفی جدید با چرخه عمر کوتاه
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- مدیریت و حسابداری
- شماره ساختمان محل ارائه
- ۴۵
- نام کلاس محل ارائه
- کلاس ۱۵[۲۴۱۵]
- شماره کلاس محل ارائه
- ۱۱۵
- تاریخ دفاع
- ۳۱ شهریور ۱۴۰۳
- ساعت دفاع
- ۰۷:۰۰
- چکیده
-
این تحقیق به بررسی چالش‌های پیش‌بینی فروش محصولات جدید کالاهای مصرفی بسته‌بندی شده (CPG) با چرخه عمر کوتاه می‌پردازد و کاربرد هوش مصنوعی در بهبود دقت این پیش‌بینی‌ها را مورد مطالعه قرار می‌دهد. محصولات CPG با چرخه عمر کوتاه به دلیل ویژگی‌های منحصر به فرد خود، از جمله سابقه فروش محدود، تقاضای پویا و غیرخطی، و درجه بالایی از عدم قطعیت، چالش‌های خاصی را در پیش‌بینی فروش ایجاد می‌کنند.
این تحقیق ابتدا به بررسی جامع ادبیات موضوع می‌پردازد و مفاهیم کلیدی مرتبط با پیش‌بینی فروش، محصولات CPG و هوش مصنوعی را تعریف می‌کند. سپس، محدودیت‌های روش‌های سنتی پیش‌بینی در مواجهه با چالش‌های خاص این نوع محصولات را مورد بحث قرار می‌دهد.
در ادامه، این پژوهش به بررسی پتانسیل تکنیک‌های هوش مصنوعی و یادگیری ماشین در بهبود دقت تقاضای فروش برای محصولات CPG با چرخه عمر کوتاه می‌پردازد. مزایای این رویکردها، از جمله توانایی تحلیل الگوهای پیچیده داده، ثبت روابط غیرخطی و سازگاری با پویایی‌های بازار، مورد بررسی قرار می‌گیرند.
روش‌شناسی تحقیق شامل جمع آوری ، پیش پردازش داده، خوشه بندی داده ها و تعیین بهترین روش طبقه بندی برای محصولات جدید می باشد همچنین در این تحقیق دقت روش های مختلف برای پیش بینی میزان فروش محاسبه گردیده است.
نتایج این پژوهش نشان می‌دهد که مدل‌های یادگیری ماشین عملکرد قابل توجهی در پیش‌بینی فروش محصولات CPG با چرخه عمر کوتاه نشان دادند و توانستند الگوها و روابط پیچیده داده‌ها را با دقت بالا تشخیص دهند.
در نهایت، این پایان‌نامه به ارائه پیشنهادهایی برای بهبود پیش‌بینی فروش محصولات CPG با چرخه عمر کوتاه با استفاده از تکنیک‌های هوش مصنوعی می‌پردازد و مسیرهایی برای تحقیقات آینده در این زمینه پیشنهاد می‌کند.