پیش‌بینی فرایندهای لجستیک معکوس با مدل‌های سری زمانی

نویسندگان

چکیده

در هزارة سوم یکی از اهداف مهم سازمان‌ها، کاهش هزینه‌ها و افزایش بهره‌وری است. مدیریت لجستیک معکوس (مدیریت بازگشتی‌ها)، حوزه‌ای کوچک ولی مهم از زنجیرة تأمین‌کنندگان امروزی است و این اجازه را به مدیریت سازمان‌ها و شرکت‌ها می‌دهد که کالاها و مواد اولیة برگشتی را به عرضه‌کنندگان بازگردانند و روش‌هایی را اتخاذ نمایند تا مجموع هزینه‌های مرتبط با زنجیرة تأمین را کاهش دهند. از مسائل بسیار مهم برای مدیران در سازمان‌ها، پیش‌بینی هزینه‌های مختلف اعم از هزینه‌های سفارش، نگهداری، کمبود و... می‌باشد که این پیش‌بینی را می‌توان به کمک مدل‌های سری زمانی انجام داد. سری زمانی از فن‌های آماری است. پژوهش حاضر کاربردی بوده و تحلیلی_توصیفی می‌باشد. ابزار جمع‌آوری اطلاعات، کتابخانه‌ای است. هدف از این پژوهش، بررسی کاهش هزینه‌های اجرایی لجستیک معکوس و پیاده‌سازی اهداف آن به کمک توصیف، تبیین، پیش‌بینی و کنترل آینده است. در رویکرد سری زمانی و با به‌کارگیری مدل آریما (ARIMA) برای داده‌هایی با روندهای قابل‌تشخیص، با استفاده از داده‌های گذشته(موجود) می‌توان آینده را پیش‌بینی نمود، سازمان را در فرایندهای تصمیم‌گیری خود بهبود بخشید و صرفه‌جویی‌های اقتصادی مناسبی حاصل نمود.

کلیدواژه‌ها


عنوان مقاله [English]

Forecasting Reverse Logistics Processes with Time-Series Models

چکیده [English]

tn the third millennium, one of the main goals of the organization is to reduce costs and increase productivity. Reverse logistics Management (returns management), is a small but important field of supply chain management today and it allows organizations and companies to return supply goods and raw materials back and to take methods to reduce the total costs associated with the supply chain. Anticipating various costs such as order, maintenance, deficient, etc. are very important issues for managers in organizations and this prediction can be performed using time-series models. Time series is one of the statistical techniques. The present study is of an applied and descriptive-analytic research type. Library study is the data collection instrument. The aim of this study was to investigate administrative costs reduction and implementing reverse logistics and its goals with the help of describing, explaining, predicting and controlling the future. In the time series approach and using ARIMA model for the data to discern trends, using historical data (available), future can be predicted, the decision-making processes in organization would be improved and good economic cost savings might be achieved

کلیدواژه‌ها [English]

  • Supply Chain
  • Reverse logistics
  • Future prediction
  • Time-series
  • ARIMA model
  • Costs reduction