الفهرس 
Supply Chain Process Improvement In Manufacturing Industry : A case Study Applied at Dabur International group - Egypt
AbstractOnly 14 pages are availabe for public view
 |  | from | 120 |  |  |
| | | from | 120 | | |
Abstract
يعد التنبؤ بالطلب على المنتجات النهائية أحد العناصر الرئيسية في مرحلة تخطيط سلسلة التوريد التي
تحتاج إلى الاهتمام المناسب، فلو تم إجراؤه بشكل غير صحيح قد يؤدي ذلك إلى فائض في المخزون في صورة
أموال مجمدة يمكن أن يتم استخدامها في مكان آخر، أو نقص المنتج في الأسواق والذي يمكن أن يؤثر سلبا
على الأرباح ورضا العملاء.
إن الحصول على تنبؤات دقيقة للطلب تعكس عن كثب واقع اتجاهات الطلب وعادات العملاء ستترجم
بالتالي إلى شراء خامات ومواد تعبئة وتغليف بكميات دقيقة، وتخطيط للإنتاج وعدد الماكينات والعمال, كذلك
ميزانية الدعاية والترويج.
طرق التنبؤ التقليدية أثبتت أنها كافية لتلبية متطلبات السوق في الماضي. لكن المنافسة المتزايدة في
الأسواق تفرض الحاجة إلى استخدام طرق/ عوامل أخرى لفهم دوافع الطلب وتمكين القرارات الاستباقية
والتخطيط الاستراتيجي لإدارة المخزونات والتي تشمل مخزون المواد الخام والسلع النهائية التي يتم الاحتفاظ
بها لتلبية طلبات العملاء حيث يؤدي عدم اليقين المتزايد في الطلب وتنوع المنتجات ومستويات خدمة العملاء
إلى زيادة الضغط على الشركات لزيادة المخزونات لتجنب أي احتمال لفقدان المبيعات.
في هذه الدراسة، ينصب تركيزنا على إيجاد طرق تنبؤ دقيقة لتقليل مستويات المخزون وبالتالي تقليل
ركود المواد الخامات كذلك السلع النهائية، لذلك استخدمنا node numeric Auto لبرنامج ال SPSS
Modeler لاختيار النماذج المناسبة للتنبؤ بقيم المبيعات المستقبلية لمنتجات الشركة كذلك تقديم مقترحات
لاتخاذ القرارات المناسبة لتسويق المنتج حيث تم اختيار النماذج التالية من قبل البرنامج: CHAID و & C
Tree R والشبكات العصبية والانحدار الخطى
في مرحلة تقييم النماذج بناء عن ال node evaluation & analysis تم تحديد نموذج الشبكات
العصبية كأفضل نموذجا، حيث إن معامل التحديد 0.956 R وهو الأكبر ومتوسط معدل الخطأ (6,193,931
EGP (والانحراف المعياري (EGP 7,820,758 (هو الأقل بالمقارنة بالنماذج الأخرى.
في مرحلة تطبيق النماذج تم اختبار بيانات حقيقية تم اختيارها عشوائيا، حيث أظهرت النتائج أن نموزج
شجرة القرار (tree R&C (الأفضل من حيث التنبؤ بقيم للمبيعات أقرب ما يمكن للحقيقة (06/10) يليه نموذج
ii
ال الشبكات العصبية الإصطناعية 2/10 وأخيرا نموذج ال.,(1/10) Regression Linear و ال CHAID
لذلك يرجح الباحث استخدام نموزج ال Tree R&C في التنبؤ بالمبيعات المستقبلية كذلك تقديم دعم لمتخذي
القرار لتحديد أفضل الطرق لزيادة مبيعات للمنتج.