مدل سازی فروش محصولات مصرفی با استفاده از سیستم استنتاج عصبیفازی

مدل سازی فروش در این فضای بسیار رقابتی برای هر کسب و کاری نقش اساسی دارد. پیش بینی فروش محصولات در گونه های مختلف خرده فروشی به نگرانی اصلی شرکت ها برای ارزیابی گردش و توان رقابتی محصولات تبدیل شده است. مدل سازی فروش در صنعت محصولات مصرفی به دلیل وجود طیف گسترده ای از ویژگی های متغیر محصول، بسیار پیچیده است. هدف این پژوهش، طراحی یک سیستم استنتاج عصبیفازی جهت مدل سازی فروش محصولات مصرفی در گونه‌های مختلف خرده‌فروشی است. در این پژوهش، فروش از نظر خبرگان صنعت محصولات مصرفی و با استفاده از تکنیک انفیس بررسی شده است. انفیس، یک تکنیک جدید برای تخمین فروش است که ترکیبی از قابلیت یادگیری شبکه های عصبی و قابلیت تعمیم منطق فازی را دارا است. معیارهای ورودی و خروجی پژوهش از طریق مصاحبه عمیق با 12 نفر از صاحب‌نظران و مدیران فروشگاهی و همچنین جمع‌آوری داده‌های میانگین فروش یک سال 336 محصول مختلف (1398) تعیین شده است. نتایج پژوهش نشان داد که مدل سازی فروش بر اساس سیستم انفیس می تواند به تولیدکنندگان محصولات مصرفی کمک کند تا تقاضای گونه های خرده فروشی را با دقت بالاتر پیش بینی کنند. در نهایت، کارآئی آموزش و آزمون مدل فازی طراحی شده با استفاده از شاخص های جذر میانگین مربعات خطا، میانگین قدر مطلق خطا، میانگین خطای استاندارد و خطای مطلق نسبی مورد ارزیابی قرار گرفت.

Modeling of Consumer Product Sales using an Adaptive NeuroFuzzy Inference System

Sales modeling is essential for businesses in today’s strongly competitive world. The sales forecasting of products under different retail format has become a major concern of companies for evaluating the circulation and competitiveness of their products. Due to the presence of a wide range of variable product characteristics, it is very complicated to model the sales of consumer products. The present study aims to design an adaptive neurofuzzy inference system (ANFIS) to model the sales of consumer products under different retail format. Sales were investigated based on the views of consumer product experts through the ANFIS technique. As a new technique for sales estimation, ANFIS is a combination of neural network learning and fuzzy logic generalization. The input and output criteria were determined by performing indepth interviews with twelve sales experts and managers and collecting the average sales data of 336 products in 2019. The results indicated that ANFISbased sales modeling could help manufacturers of consumer products more accurately forecast retail type demands. Finally, the training and testing efficiency of the proposed model was evaluated using the root mean square error (RMSE), mean absolute error (MAE), standard error of the mean (MSE), and relative absolute error (RAE).