ارائه کننده: سيدحسام الدين شيخ احمدي
استاد راهنما: دكتر بختيار استادي
استاد مشاور: دكتر علي حسين زاده كاشان
استاد داور داخلي:  محمدرضا قطره ساماني
استاد داور خارج از دانشگاه: دكتر مرتضي خاكزار بفروئي
نماينده تحصيلات تكميلي:  محمدرضا قطره ساماني
تاریخ: 1403/04/11  
ساعت: 16:30
مكان: اتاق 219 دانشكده فني و مهندسي

چکیده:
بهینه‌سازی سبد محصولات یکی از مهم‌ترین مسائل در عرصه صنعت خصوصاً در سازمان‌هایی که تنوع محصولات بالایی دارند به شمار می‌رود. تجزیه‌وتحلیل سبد محصولات بر مبنای تحلیل بازار و وضعیت مشتریان و توجه به سایر فاکتورهای اثرگذار محیطی ازجمله محدودیت‌های مختلف جهت عرضه و تقاضای محصولات ازیک‌طرف و از طرف دیگر در نظرگیری سود سازمان و سایر معیارها و اهداف موردنظر ذینفعان تنها نمونه‌هایی از فاکتورهای بسیار مهم در شکل‌گیری سبد بهینه از محصولات جهت عرضه به مشتریان است. در پایان‌نامه حاضر به مسئله شکل‌گیری سبد بهینه از محصولات با توجه به تجزیه‌وتحلیل داده‌های تقاضا به‌عنوان پارامترهای ورودی به یک مدل دو هدفه با توابع هدف سودآوری و ریسک عدم خرید در یک مطالعه موردی پرداخته‌شده است. در این خصوص ابتدا کلیاتی از روش‌های پیش‌بینی سری‌های زمانی و همچنین الگوریتم‌های مختلف تحلیل سبد بازار که در سالهای اخیر پرکاربرد بوده‌اند ارائه‌شده است. نتایج این پایان‌نامه در بخش پیش‌بینی تقاضا به‌صورت کلی حاکی از آن است که شبکه‌های عصبی عمیق و همچنین شبکه‌های عصبی عمیق بازگشتی به‌صورت کلی نتایج بهتری از سایر الگوریتم‌های مطرح‌شده در این حوزه دارند. در ادامه از الگوریتم‌های قوانین انجمنی برای استخراج قوانین مختلف خرید محصولات و وابستگی خرید محصولات استفاده‌شده است. بعدازاین مدل دو هدفه ارائه‌شده توسط روش اپسیلون محدودیت تعمیم‌یافته حل‌شده و نقاط بهینه پارتو در سه سناریو حاصل‌شده‌اند. نتایج حاصل از نقاط بهینه پارتو نشانگر این موضوع است که استراتژی اتخاذشده جهت شناسایی وابستگی محصولات و قرار دادن محصولات ترکیبی در مدل تأثیر به سزایی در سودآوری سبد حاصل و قابلیت اطمینان خرید سبد ایجاد کرده است. همچنین بررسی نتایج حاصل از مدل پیشنهادی و مقایسه با سبدهای حاضر مطالعه موردی کیفیت بالایی در شکل‌گیری سبد حاصل از مدل ارائه‌شده و همچنین در نظرگیری فاکتورهای مختلف جهت شکل‌گیری این سبد را ارائه می‌دهد. درنهایت توجه به فاکتورهای محیطی تأثیرگذار بر شکل‌گیری سبد در مدل ارائه‌شده، استفاده از پیش‌بینی تقاضا و بررسی جامع الگوریتم‌های یادگیری ماشین و یادگیری عمیق و مقایسه نتایج آن در داده‌های دنیای واقعی، بهره‌گیری از تکنیک‌های تصمیم‌گیری چند معیاره در خصوص استخراج قوانین انجمنی مناسب از میان انبوه قوانین کشف‌شده و تحلیل سبد حاصل در سه سناریو به‌وسیله استخراج نقاط بهینه پارتو توسط تکنیک‌های تصمیم‌گیری چند معیاره از نوآوری‌های اصلی مطالعه حاضر می‌باشند.