مروری بر تکنیک های نوین یادگیری ماشین در تصمیم گیری، پیش بینی و بهینه سازی فرآیندهای زنجیره تامین |
کد مقاله : 1161-MMAI |
نویسندگان |
نیما رسولی *1، امیرعباس پناهی2 1دانشجوی مدیریت صنعتی، دانکشده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، تهران 2دانشگاه علامه طباطبایی |
چکیده مقاله |
چکیده در طی سال های اخیر، به دلیل پیچیدگی روز افزون زنجیره تامین و همچنین نوسانات بازار نیاز مبرمی به بهبود و بهینه سازی فرآیند های تصمیم گیری ایجاد شده است. این مقاله با هدف بررسی تکنیک های نوین یادگیری ماشین در بهبود و بهینه سازی زنجیره تامین تدوین گردید . روش پژوهش ، مروری نظام مند بر مقاالت منتشر شده در پایگاه های علمی داخلی و بین المللی طی سال های 1399 تا 1403 بود. با جستجوی کلیدواژههای مرتبط در پایگاههایی همچونSID ، Civilica ،ScienceDirectو سامانه گنج ایرانداک، پس از ارزیابی ۶0 مقاله و پایاننامه، 14 مقاله و ۷ پایاننامه برگزیده شد. نتایج نشان داد استفاده از مدل های یادگیری ماشین مانندForest Random ، SVM ،XGBoostو مدل های LSTM با مکانیزم توجه، دقت پیشبینی تقاضا، مدیریت ریسک و ارزیابی تامینکنندگان را به طور معناداری ارتقاء داده است. همچنین ترکیب یادگیری ماشین با الگوریتمهای بهینه سازی فراابتکاری، بهبود قابل توجهی در بهینه سازی هزینه، زمان و سطح خدمات ایجاد کرد. در نهایت، تحلیل ها بیانگر آن است که یادگیری ماشین می تواند به عنوان ابزاری قدرتمند در جهت افزایش شفافیت، چابکی و اعتماد در زنجیره تأمین عمل کند، هرچند چالشهایی چون کیفیت دادهها و تفسیر نتایج نیازمند توجه جدی تر در پژوهشهای آتی است. |
کلیدواژه ها |
کلیدواژه ها: زنجیره تأمین ، بهینه سازی لجستیک ، یادگیری ماشین ، پیش بینی تقاضا ، بهینه سازی |
وضعیت: پذیرفته شده مشروط برای ارائه به صورت پوستر |