A Framework for Intelligent Inventory Prediction in Small and Medium- Scale Enterprise
Creators
- 1. University of Uyo
- 2. Robert Gordon University
Description
The aim of this research is to apply an intelligent technique to predict optimal inventory quantity in small and medium-scale enterprise.This is in view of the fact that the conventional models such as the EOQ model use only deterministic while some decision variables are non-deterministic in nature.Forecasted average demand of items for ten months in a small-scale retail outlet was collected and trained using an Artificial Neural Networks (ANN) of 5 neurons in the input layer with eight neurons in the first hidden layer and four neurons in the second hidden layer.Two feed-forward training algorithms of quasi-newton and quick propagation were employed in the training with the results of fuzzy logic technology found in the literature as the target output.Results obtained show that the quasi-newton algorithm covaries stronger with the fuzzy logic results than the quick propagation results.The objective and subjective feelings of the inventory manager were also captured to optimise the results of the training.The study is at a framework stage and will proceed to implementation level when more datasets are collected.Data collection in a small-scale outlet is a daunting task as record keeping is hardly done.The inclusion of nondeterministic circumstances such as emotional and objective feelings of the inventory manager to predict inventory is novel considering the fact that studies in the available intelligent inventory prediction have not employed such variables in their predictions.
Translated Descriptions
Translated Description (Arabic)
الهدف من هذا البحث هو تطبيق تقنية ذكية للتنبؤ بكمية المخزون المثلى في المؤسسات الصغيرة والمتوسطة. هذا في ضوء حقيقة أن النماذج التقليدية مثل نموذج EOQ تستخدم حتمية فقط في حين أن بعض متغيرات القرار غير حتمية بطبيعتها. تم جمع متوسط الطلب المتوقع على العناصر لمدة عشرة أشهر في منفذ بيع بالتجزئة صغير الحجم وتدريبه باستخدام شبكات عصبية اصطناعية (ANN) من 5 خلايا عصبية في طبقة الإدخال مع ثمانية خلايا عصبية في الطبقة المخفية الأولى وأربعة خلايا عصبية في الطبقة المخفية الثانية. تم استخدام خوارزميتي تدريب تغذية أمامية شبه نيوتن وانتشار سريع في التدريب مع نتائج تقنية المنطق الغامض الموجودة في الأدبيات كمخرجات مستهدفة. تظهر النتائج التي تم الحصول عليها أن خوارزمية شبه نيوتن أقوى مع نتائج المنطق الغامض من نتائج الانتشار السريع. كما تم التقاط المشاعر الموضوعية والذاتية لمدير المخزون لتحسين نتائج التدريب. الدراسة في مرحلة إطارية وستنتقل إلى مستوى التنفيذ عندما المزيد من مجموعات البيانات يتم جمعها. يعد جمع البيانات في منفذ صغير مهمة شاقة حيث يصعب حفظ السجلات. يعد تضمين الظروف غير الحتمية مثل المشاعر العاطفية والموضوعية لمدير المخزون للتنبؤ بالمخزون أمرًا جديدًا بالنظر إلى حقيقة أن الدراسات في التنبؤ الذكي بالمخزون المتاح لم تستخدم مثل هذه المتغيرات في تنبؤاتها.Translated Description (French)
L'objectif de cette recherche est d'appliquer une technique intelligente pour prédire la quantité optimale des stocks dans les petites et moyennes entreprises. Ceci est dû au fait que les modèles conventionnels tels que le modèle EOQ n'utilisent que des déterministes alors que certaines variables de décision sont de nature non déterministe. La demande moyenne prévisionnelle d'articles pendant dix mois dans un petit point de vente au détail a été collectée et formée à l'aide d'un réseau de neurones artificiels (RNA) de 5 neurones dans la couche d'entrée avec huit neurones dans la première couche cachée et quatre neurones dans la deuxième couche cachée. Deux algorithmes de formation anticipée de quasi-newton et de propagation rapide ont été utilisés dans la formation avec les résultats de la technologie de logique floue trouvée dans la littérature comme sortie cible. Les résultats obtenus montrent que l'algorithme de quasi-newton covarie plus fort avec les résultats de logique floue que les résultats de propagation rapide. Les sentiments objectifs et subjectifs du gestionnaire d'inventaire ont également été capturés pour optimiser les résultats de la formation. L'étude est à un stade cadre et passera au niveau de mise en œuvre lorsque plus d'ensembles de données sont collectées. La collecte de données dans un point de vente à petite échelle est une tâche ardue car la tenue de registres est à peine effectuée. L'inclusion de circonstances non déterministes telles que les sentiments émotionnels et objectifs du gestionnaire d'inventaire pour prédire l'inventaire est nouvelle compte tenu du fait que les études dans la prédiction d'inventaire intelligente disponible n'ont pas utilisé de telles variables dans leurs prédictions.Translated Description (Spanish)
El objetivo de esta investigación es aplicar una técnica inteligente para predecir la cantidad óptima de inventario en pequeñas y medianas empresas. Esto se debe al hecho de que los modelos convencionales como el modelo EOQ solo usan deterministas, mientras que algunas variables de decisión son de naturaleza no determinista. La demanda promedio pronosticada de artículos durante diez meses en un punto de venta minorista a pequeña escala se recopiló y entrenó utilizando redes neuronales artificiales (ANN) de 5 neuronas en la capa de entrada con ocho neuronas en la primera capa oculta y cuatro neuronas en la segunda capa oculta. Se emplearon dos algoritmos de entrenamiento feed-forward de cuasi-newton y propagación rápida en el entrenamiento con los resultados de la tecnología de lógica difusa que se encuentran en la literatura como el resultado objetivo. Los resultados obtenidos muestran que el algoritmo de cuasi-newton covaría más fuerte con los resultados de lógica difusa que con los resultados de propagación rápida. También se capturaron los sentimientos objetivos y subjetivos del gerente de inventario para optimizar los resultados del entrenamiento. El estudio se encuentra en una etapa marco y pasará al nivel de implementación cuando haya más conjuntos de datos se recopilan. La recopilación de datos en un punto de venta a pequeña escala es una tarea desalentadora, ya que el mantenimiento de registros apenas se realiza. La inclusión de circunstancias no deterministas, como los sentimientos emocionales y objetivos del gerente de inventario para predecir el inventario, es novedosa teniendo en cuenta el hecho de que los estudios en la predicción de inventario inteligente disponible no han empleado tales variables en sus predicciones.Files
57051.pdf
Files
(312.9 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:5055da30d8d2032ea822240606a7c9ba
|
312.9 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- إطار للتنبؤ الذكي بالمخزون في المؤسسات الصغيرة والمتوسطة
- Translated title (French)
- Un cadre pour la prévision intelligente des stocks dans les petites et moyennes entreprises
- Translated title (Spanish)
- Un marco para la predicción inteligente de inventario en pequeñas y medianas empresas
Identifiers
- Other
- https://openalex.org/W3146839995
- DOI
- 10.7176/ejbm/13-2-03
References
- https://openalex.org/W2947731538
- https://openalex.org/W2969752936
- https://openalex.org/W2976088491