文献

J-GLOBAL ID：202002227064042729   整理番号：20A1126215

製薬ユニットにおける最終製品需要予測のための知的アルゴリズム【JST・京大機械翻訳】

An intelligent algorithm for final product demand forecasting in pharmaceutical units

著者 (4件)： Amalnick Mohsen Sadegh (School of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Habibifar Naser (School of Industrial Engineering, K. N. Toosi University of Technology, Tehran, Iran) ,  Hamid Mahdi (School of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran) ,  Bastan Mahdi (School of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran)
資料名： International Journal of System Assurance Engineering and Management  (International Journal of System Assurance Engineering and Management)
巻： 11  号： 2  ページ： 481-493  発行年： 2020年 
JST資料番号： W4491A  ISSN： 0975-6809  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 医薬品産業における正確な需要予測は,多くの下流供給チェーン活動が最終製品需要の量に依存するので,常に計画管理者の主要な関心事の1つであった。本研究では,製薬産業における需要を予測するためのデータマイニングおよびニューラルネットワーク技術に基づいて,5段階知的アルゴリズムを提示した。提案したアプローチの主なアイデアは,クラスタリングサンプルであり,各クラスタに対する別々のニューラルネットワークモデルを開発することである。得られたデータを用いて,提案したアプローチの性能を製薬工場で評価した。この場合のクラスタの最適数は4であった。平均アーク接線絶対百分率誤差,平均相対分散および相関係数(R)を用いて,異なるニューラルネットワーク構造の性能を評価した。すべてのデータに対して一度モデルを実行し,各単一クラスタのデータに対して一度,予測誤差はこの手法を用いることにより有意に減少することを示した。さらに,結果は,クラスタ化生成物が予測精度を上げるだけでなく,各単一クラスタに対する予測値のより信頼できる評価を可能にすることを示した。このような分析は,医薬品単位におけるマーケティングと計画部門の管理者にとって非常に重要で有用である。Copyright The Society for Reliability Engineering, Quality and Operations Management (SREQOM), India and The Division of Operation and Maintenance, Lulea University of Technology, Sweden 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  管理者 ,  マーケティング ,  ニューラルネットワーク ,  相関係数 ,  クラスタ化 ,  *需要予測 ,  クラスタ ,  製薬業 ,  予測誤差 ,  データマイニング
準シソーラス用語： 神経回路網モデル ,  サプライチェーン ,  予測精度 ,  予測値 , 【Automatic Indexing@JST】

著者キーワード (5件)： 需要予測 ,  製薬産業 ,  人工神経回路網 ,  クラスタリング ,  分類

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (3件)： 最終製品 ,  需要予測 ,  アルゴリズム