¡'in makalede. Geri yayihm h Yapay Sinir Ağ YSA.ı yapıları gerçek bir anıha parçası sağlayan bir firmaya uygulanmıştır. Klasik yaklaşım, istenen talepleri Ekonomik Sipariş M iktarı ESM ile belirlemektir. Y SÂ ’nm eğitilebilir olması ve büyük m eblağlı setleri paralel ve lu/lı çözebilmesi geleceğe dönük siparişleri tahm in etm e şansı doğurmaktadır. Burada gerçek bir firmanın akış şen imm. ana satıcı firmalarla bağıntıları YSA yaklaşım ı ile optimise edilmiş ve yeni bir YSÀ önerilmiştir. Sonuçların çok doğruya yakın bulunmuş olması, YSA m odelinin gelecek vadetmesıni sağlamaktadır
In this paper, a Back Propagation-Artificial Neural Network BP-ANN has been adapted for predicting the required car parts quantities in a real and major auto parts supplier chain. The conventional approach to determine the parts requirements is the Economic Order Quantity EOQ method. The ability of neural models to learn, particularly their capability of handling large amounts of data simultaneously as well as their fast response time, are the characteristics desired for predictive and forecasting purposes. Here, the actual data obtained from a major auto parts supplier chain, involving a multi-layer system of supplying auto parts to car dealers, have been used to optimise and develop a BP-ANN model. The model has shown promising results in predicting parts orders with high degree of accuracy.
Artificial Neural Network (ANN) Economic Order Quantity (EOQ)
Birincil Dil | İngilizce |
---|---|
Bölüm | Araştırma Makalesi |
Yazarlar | |
Yayımlanma Tarihi | 1 Ocak 2001 |
Yayımlandığı Sayı | Yıl 2001 Cilt: 2 Sayı: 1 |