این مقاله یک رویکرد کنترل پیش بین مدل برای سیستم های برنامه ریزی تولید موجودی ارایه می کند. کنترل پیش بین مدل (MPC) قبلا در مسایل زنجیره تامین به کار گرفته شده و نتایج رضایت بخشی داشته است. اما سیستم های پیشنهادی تا حال اطلاعاتی راجع به تقاضای آتی ندارند. ادغام یک متدولوژی پیش بینی در چارچوب MPC می تواند عملکرد سیستم های کنترلی را بهبود دهد. در این مقاله برای پیش بینی عدم قطعیت در رفتار تقاضای متلاطم، از روش های کلاسیک و هوشمند پیش بینی استفاده می شود. با توجه به رفتار غیرخطی و نوسانی و حتی آشوبی تقاضای متلاطم، شبکه های عصبی در مقایسه با روش های معمول کلاسیک همچون روش هموارسازی نمایی بهتر می توانند این رفتار را مدل سازی و پیش بینی نمایند. داده-های واقعی برای بررسی و مقایسه کارایی طرح پیشنهادی با توجه به خطای معیار عملکردی به کار گرفته می شود.