دوره 23، شماره 2 - ( 4-1405 )                   جلد 23 شماره 2 صفحات 176-151 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Naji Azimi Z, Bargchi F, Razavi H, Estiri M. Predicting the Number of Packages Arriving at the Post Office Using Time Series, Regression, and Neural Networks. jor 2026; 23 (2) :151-176
URL: http://jamlu.lahijan.iau.ir/article-1-2316-fa.html
ناجی عظیمی زهرا، برقچی فائزه، رضوی حمیده، استیری مجید. پیش بینی تعداد بسته‌های وارده به اداره پست با استفاده از سری زمانی، رگرسیون و شبکه عصبی. تحقیق در عملیات در کاربردهای آن. 1405; 23 (2) :151-176

URL: http://jamlu.lahijan.iau.ir/article-1-2316-fa.html

پیش بینی تعداد بسته‌های وارده به اداره پست با استفاده از سری زمانی، رگرسیون و شبکه عصبی
زهرا ناجی عظیمی* ، فائزه برقچی ، حمیده رضوی ، مجید استیری
گروه مدیریت، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران ، znajiazimi@um.ac.ir
چکیده:   (110 مشاهده)
پیش‌بینی تقاضا یکی از مولفه‌های کلیدی در تصمیم‌گیری‌های مدیریتی به‌شمار می‌آید، زیرا تقاضای مشتریان برای دریافت کالا و خدمات در طول زمان ثابت نبوده و تحت تاثیر عوامل گوناگون دچار نوسان می‌شود. این مساله در سازمان‌های دولتی از اهمیت بیشتری برخوردار است؛ چرا که این سازمان‌ها معمولاً با محدودیت‌های جدی در زمینه استخدام نیروی انسانی، بودجه و منابع مواجه بوده و ناگزیرند از طریق جابه‌جایی کارکنان، اضافه‌کاری و برون‌سپاری‌های محدود، پاسخگوی تغییرات تقاضا باشند. علاوه بر این، بحران‌های اقتصادی و شوک‌های محیطی، فشار مضاعفی بر منابع مالی سازمان‌های دولتی وارد کرده و امکان به‌کارگیری نیروی انسانی مازاد را عملاً غیرممکن ساخته است. در این میان، اداره پست به‌عنوان یکی از سازمان‌های دولتی خدماتی، به‌طور مستقیم با حجم بالای تقاضا و نوسانات قابل‌توجه آن، به‌ویژه در حوزه توزیع بسته‌های پستی، مواجه است. ازاین‌رو، ارایه یک مدل پیش‌بینی دقیق و قابل اتکا برای تعداد بسته‌های پستی وارده، نقش مهمی در بهبود برنامه‌ریزی نیروی انسانی، زمان‌بندی عملیات و کنترل هزینه‌ها ایفا می‌کند. بر همین اساس، هدف اصلی این پژوهش معرفی و ارزیابی مدلی مناسب برای پیش‌بینی تعداد بسته‌های پستی وارده به اداره پست است. نوآوری این تحقیق در شناسایی و لحاظ نمودن متغیرهای رویدادمحور و محیطی جدیدی نظیر تاثیر بیماری‌های همه‌گیر از جمله کووید-۱۹ و محدودیت‌های ناشی از آن، فستیوال‌های فروش اینترنتی، رویدادهای نمایشگاهی و بازگشایی مدارس است؛ متغیرهایی که در اغلب پژوهش‌های پیشین به‌طور صریح مورد توجه قرار نگرفته‌اند. در این پژوهش، اداره کل پست استان خراسان رضوی به‌عنوان مورد مطالعه انتخاب شد. داده‌های تاریخی مربوط به تعداد بسته‌های پستی وارده طی ۱۸ ماه متوالی به‌صورت روزانه استخراج گردید و با استفاده از سه رویکرد متداول پیش‌بینی شامل تجزیه و تحلیل سری‌های زمانی، تجزیه و تحلیل رگرسیون و شبکه عصبی مصنوعی، فرآیند پیش‌بینی انجام شد. نتایج حاصل از مقایسه عملکرد مدل‌ها نشان می‌دهد که مدل شبکه عصبی پیشخور، در حالتی که روز تعطیل آخر هفته از داده‌ها حذف می‌شود، کمترین میزان خطا را نسبت به سایر مدل‌ها داراست. پس از آن، مدل سری زمانی آریما و در نهایت مدل رگرسیون با مولفه‌های سری زمانی در رتبه‌های بعدی قرار می‌گیرند. یافته‌های این پژوهش بیانگر آن است که پیش‌بینی دقیق تعداد بسته‌های پستی در بازه‌های زمانی مختلف می‌تواند ابزار مؤثری برای برنامه‌ریزی نیروی انسانی، تعیین میزان اضافه‌کاری و استفاده بهینه از منابع محدود در سازمان‌های خدماتی، به‌ویژه اداره پست، فراهم آورد و به ارتقای کارایی و کاهش هزینه‌های عملیاتی منجر شود.
واژه‌های کلیدی: پیش‌بینی تقاضا، خدمات پستی، سری زمانی، رگرسیون، شبکه عصبی مصنوعی.
متن کامل [PDF 1504 kb]   (28 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1404/10/25 | پذیرش: 1405/3/21 | انتشار: 1405/4/1
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.