این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش ها و سیاست های اقتصادی، جلد ۱۹، شماره ۵۷، صفحات ۱۷۱-۱۹۸
عنوان فارسی پیش‌بینی تقاضای تجهیزات پزشکی (سی تی اسکن) بر اساس شبکه‌های عصبی مصنوعی و روش ARIMA
چکیده فارسی مقاله بخش بهداشت و درمان و زیرساخت‌های مورد نیاز آن هم در بخش نرم‌افزاری و هم در بخش سخت‌افزاری همواره مورد توجه بوده است. در این میان اهمیت تجهیزات و اقلام پزشکی در سیستم سلامت کشور بر هیچ‌کس پوشیده نیست. سازمان‌ها و شرکت‌های فعال در این بخش باید بتوانند تصمیمات صحیح را با توجه به اطلاعات موجود در محیط پر‌نوسان کسب و کار امروز اخذ نمایند. بنابراین، تخمین مقدار تقاضا در دوره‌های آتی موضوعی حیاتی به نظر می‌رسد. روش و ابزارهای مختلفی برای انجام پیش‌بینی تقاضا وجود دارد که هر یک مزیت‌ها و نقاط ضعف مخصوص به خود را دارند. در این مقاله با استفاده از یک شبکه عصبی مصنوعی چند لایه پیشخور با دو لایه پنهان که با الگوریتم ژنتیک به عنوان الگوریتم یادگیری آموزش داده شده است، سیستمی مقایسه‌ای با روش رایج مورد ‌استفاده در ‌پیش‌بینی (روش باکس – جنکینز) با مدل ARIMA(2,1,1) برای ‌پیش‌بینی تقاضای دستگاه سی‌تی‌اسکن ارائه شده است که با توجه به معیار سنجش دقت مدل‌ها یعنی میانگین مجذور خطا (MSE)، مدل شبکه عصبی اثربخشی و کارایی بیشتری را در مقابل با روش آریما در ‌پیش‌بینی تقاضای دستگاه سی‌تی‌اسکن با توجه به داده‌ها و اطلاعات موجود از خود نشان داده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Demand Forecasting Medical Equipment Based on Artificial Neural Networks and ARIMA Methods
چکیده انگلیسی مقاله Health sector and its infrastructure needs in both software and hardware sector has always been emphasized. Among importance of the medical equipment and items in the health system of the country is not covered on any one. Organizations and companies active in this sector should be able to take correct decisions with regard to information in the volatile business environment today on time. Thus, estimating demand in future periods seems vital. There are various methods and tools for forecasting demand that each have advantages and disadvantage its own special. In this paper, using a multilayer neural network with two hidden layers that has been learned with genetic algorithm as the learning algorithm, the comparative system with Common method used in the prediction (Box - Jenkins Method) with model ARIMA (2,1,1) has been presented for the forecasting demand CT-Scan set, that According to the measure of the accuracy of models, the mean squared error (MSE), the neural network model shown of the more effectiveness and efficiency as compared to ARIMA method according to the data and information in forecasting demand CT-Scan set.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله احمد جعفرنژاد | ahmad jafarnejad
professor of industrial management university of tehran
استاد دانشکده مدیریت دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

محسن سلیمانی | mohsen soleymani
m.a. industrial management
کارشناس ارشد مدیریت صنعتی

نشانی اینترنتی http://qjerp.ir/browse.php?a_code=A-10-23-47&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1345/article-1345-237206.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات