Criteria used for demand forecastin

Criteria used for demand forecasting are both qualitative and quantitative.
Fuzzy-logic-based systems are well suited when working with qualitative
criteria.
. Hybrid methods such as neuro-fuzzy techniques have more realistic results in the
forecasting area. Individual fuzzy systems are not suggested for demand
forecasting. ANFIS combines the reasoning capability of the fuzzy logic with
learning capability of the NN system.
. According to literature research and conversations with apparel manufacturers’
specialists, there is not any common analytic method for demand forecasting in
apparel industry and to our knowledge, there is not adequate number of study in
literature to forecast the demand with ANFIS for apparel manufacturers.
Thomassey et al. (2002, 2005) and Thomassey (2010) presented fuzzy systems for
fashion sales forecasting; but they focused on fashion distributors or fashion
retailers and their forecasting horizon is about one week (for short-term) or one
season (for mean-term).
. In the apparel industry, purchasing decisions can be easily affected by the
political or financial volatility of the environment. This volatility also increases
the complexity of the demand forecasting system. It is very difficult to capture
this volatility by using statistical methods. For this reason, the ANFIS technique
can be well suited approach for such a dynamic environment.
. The proposed ANFIS method can deal with the complexity of the decision
making process and does not require the formulation of the decision making
process.

ผลลัพธ์ (ไทย) 2:

เกณฑ์ที่ใช้ในการพยากรณ์ความต้องการมีทั้งเชิงปริมาณและคุณภาพ.
ระบบฝอยตรรกะที่ใช้มีความเหมาะสมดีเมื่อทำงานกับคุณภาพตามเกณฑ์.. วิธีไฮบริดเช่นเทคนิคระบบประสาทเลือนมีผลที่สมจริงมากขึ้นในพื้นที่ที่คาดการณ์ ระบบเลือนบุคคลที่ไม่ได้มีความต้องการที่แนะนำสำหรับการคาดการณ์ ANFIS รวมความสามารถในการให้เหตุผลของตรรกศาสตร์ที่มีความสามารถในการเรียนรู้ของระบบNN.. ตามการวิจัยวรรณคดีและการสนทนากับผู้ผลิตเครื่องแต่งกาย 'ผู้เชี่ยวชาญที่มีอยู่ไม่วิธีการวิเคราะห์ใดๆ ที่พบบ่อยในการพยากรณ์ความต้องการในอุตสาหกรรมสิ่งทอและความรู้ของเรามีไม่ใช่จำนวนที่เพียงพอของการศึกษาในวรรณคดีที่จะคาดการณ์ความต้องการที่มี ANFIS สำหรับผู้ผลิตเครื่องแต่งกาย. Thomassey et al, (2002, 2005) และ Thomassey (2010) นำเสนอระบบฟัซซี่สำหรับการพยากรณ์การขายแฟชั่น แต่พวกเขามุ่งเน้นไปที่ผู้จัดจำหน่ายแฟชั่นหรือแฟชั่นค้าปลีกและขอบฟ้าการคาดการณ์ของพวกเขาคือประมาณหนึ่งสัปดาห์ (ระยะสั้น) หรือหนึ่งช่วงเวลา(สำหรับค่าเฉลี่ยยาว).. ในอุตสาหกรรมสิ่งทอในการตัดสินใจซื้อได้รับผลกระทบได้ง่ายโดยทางการเมืองหรือทางการเงินความผันผวนของสภาพแวดล้อม ความผันผวนนอกจากนี้ยังเพิ่มความซับซ้อนของระบบการคาดการณ์ความต้องการ มันเป็นเรื่องยากมากที่จะจับความผันผวนนี้โดยใช้วิธีการทางสถิติ ด้วยเหตุนี้เทคนิค ANFIS สามารถเป็นวิธีที่เหมาะสำหรับเช่นเดียวกับสภาพแวดล้อมแบบไดนามิก.. วิธีการที่นำเสนอ ANFIS สามารถจัดการกับความซับซ้อนของการตัดสินใจขั้นตอนการทำและไม่ต้องใช้สูตรในการตัดสินใจในกระบวนการ

ผลลัพธ์ (ไทย) 3:

เกณฑ์ที่ใช้สำหรับการพยากรณ์อุปสงค์ทั้งเชิงคุณภาพและเชิงปริมาณ
ตรรกศาสตร์ที่ใช้ระบบจะเหมาะเมื่อทำงานกับเกณฑ์คุณภาพ
.
วิธีผสม เช่น ประสาทเทคนิคฟัซซี่ได้ผลสมจริงมากขึ้นใน
การพยากรณ์พื้นที่ ระบบฟัซซีแต่ละรายจะไม่แนะนำสำหรับความต้องการ
การคาดการณ์ anfis รวมเหตุผล ความสามารถของตรรกศาสตร์กับ
ความสามารถในการเรียนรู้ของระบบ nn .

ตามการวิจัยวรรณคดีและสนทนากับเครื่องแต่งกายของผู้ผลิต
ผู้เชี่ยวชาญ , มีไม่ใด ๆร่วมกันวิเคราะห์วิธีการพยากรณ์ความต้องการ
อุตสาหกรรมเครื่องนุ่งห่มและความรู้ของเรามีไม่เพียงพอจำนวนการศึกษา
วรรณกรรมพยากรณ์อุปสงค์กับ anfis ผู้ผลิตเครื่องนุ่งห่ม
thomassey et al . ( 2002 ,2005 ) และ thomassey ( 2010 ) นำเสนอระบบฟัซซี่สำหรับ
แฟชั่นการพยากรณ์ยอดขาย แต่จะเน้นจำหน่ายแฟชั่นหรือร้านค้าปลีกแฟชั่น
และการพยากรณ์ขอบฟ้าประมาณหนึ่งสัปดาห์ ( สำหรับระยะสั้น ) หรือหนึ่งฤดูกาล ( หมายถึงระยะ )
.
ในอุตสาหกรรมเครื่องนุ่งห่ม การตัดสินใจซื้อสามารถได้อย่างง่ายดายได้รับผลกระทบจากความผันผวนทางการเงิน
ทางการเมือง หรือสิ่งแวดล้อมความผันผวนนี้ยังเพิ่ม
ความซับซ้อนของระบบการพยากรณ์ความต้องการ มันเป็นเรื่องยากมากที่จะจับ
ความผันผวนนี้ โดยใช้วิธีการทางสถิติ ด้วยเหตุผลนี้ anfis เทคนิค
สามารถดีเหมาะสำหรับสภาพแวดล้อมแบบไดนามิก .

anfis เสนอวิธีรับมือกับความซับซ้อนของการตัดสินใจ
กระบวนการผลิตและไม่ต้องใช้สูตรของการตัดสินใจ
กระบวนการ