fa بررسی تأثیر ترکیب روش های پیش‌بینی برکاهش اثر شلاق چرمی در یک زنجیره‌تامین چهار سطحی در شرایط تقاضای متغیر تخصصي Special پژوهشي Research <span style="font-family:b zar;"><span style="font-size:12.0pt;">اثر شلاق چرمی که در زنجیره اتفاق می‌افتد، باعث ناکارآمدی&shy; هایی همچون موجودی اضافی و سفارشات عقب افتاده در طول زنجیره می&shy; گردد. انجام پیش&shy; بینی مناسب می‌تواند تا حدود زیادی این مشکلات را مرتفع سازد. با توجه به اینکه زنجیره</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">‌</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">تأمین دارای سطوح مختلفی می &shy;باشد، لازم است پیش&shy; بینی در هر سطحی از زنجیره انجام شود. این پژوهش به بررسی مسأله &shy;ی ترکیب بهینه پیش‌بینی برای کاهش اثر شلاق چرمی در زنجیره&shy; ی‌تأمین چهار سطحی در شرایط تقاضای متغیر می‌پردازد. برای این منظور یک زنجیره&shy; ی‌تأمین چهار سطحی در نظر گرفته شده است که در هر یک از سطوح آن، یکی از روش&shy; های میانگین متحرک، هموارسازی نمایی، رگرسیون خطی و شبکه&shy; ی عصبی مصنوعی پرسپترون چند لایه را برای پیش‌بینی مورد استفاده قرار می&shy; دهد. برای نیل به این امر نخست نسبت به شبیه‌سازی زنجیره&shy; ی‌تأمین مورد نظر اقدام صورت پذیرفت و سپس نتایج با استفاده از روش تحلیل واریانس مورد آزمون قرار گرفت.</span></span> <span style="font-family:b zar;"><span style="font-size:12.0pt;">از بین ترکیبات مختلف، ترکیب روش‌های پیش&shy; بینی با کم‌ترین اثر شلاق چرمی به‌دست آمده است که عبارتند از: میانگین متحرک، شبکه عصبی، هموارسازی نمایی و رگرسیون خطی به ترتیب برای سطح‌های خرده‌فروش، عمده‌فروش، تولیدکننده و تامین‌کننده و ترکیبات دیگر مطلوبیت کمتری دارند.</span></span> Bullwhip effect in a supply chain, makes inefficiencies such as excess inventory and overdue orders during the chain. These problems can be reduced by appropriate predictions. Forecasting must be done in all levels of a supply chain. This research addresses the problem of optimal combination of forecasting to reduce the bullwhip effect in a four-level supply chain when demand is variable. For this purpose, a four-level supply chain has been considered.&nbsp; Moving average, exponential smoothing, linear regression and multilayer perceptron artificial neural network can be considered for predicting in each level. First, the desired supply chain is simulated for this means. The different combinations of aforementioned forecasting methods are calculated. Then a combination of forecasting methods which minimizes bullwhip effects is selected. Finally, the results are analyzed by variance analysis model. One combination has the lowest bullwhip effects. Moving average, neural networks, exponential smoothing and linear regression are determined for levels: retailer, wholesaler, manufacturer and supplier respectively. Other combinations have less utility تقاضای متغیر, روش‌های پیش‌بینی, زنجیره ی‌تامین چهار سطحی, سیستم نقطه سفارش, اثر شلاق چرمی Variable Demand, Forecasting Methods, Four-level Supply Chain, Order Point System, Bullwhip Effect 89 109 http://jamlu.lahijan.iau.ir/browse.php?a_code=A-11-895-1&slc_lang=fa&sid=1 M. Najafi مرزبان نجفی 10031947532846007025 10031947532846007025 No Department of Industrial Engineering, Payam-e-Noor University, Tehran Shemiranat, Tehran, Iran مهندسی صنایع، دانشگاه پیام نور شمیرانات، تهران M. Daneshmand-Mehr مریم دانشمندمهر 10031947532846007026 10031947532846007026 Yes Department of Industrial Engineering, Islamic Azad University, Lahijan Branch, Lahijan, Iran دانشگاه آزاد اسلامی واحد لاهیجان، گروه مهندسی صنایع، لاهیجان R. Sadeghian رامین صادقیان 10031947532846007027 10031947532846007027 No Department of Industrial Engineering, Payam-e-Noor University, Tehran Shemiranat, Tehran, Iran دانشگاه پیام نور مرکز شمیرانات، گروه مهندسی صنایع، تهران