بررسی چگونگی ترکیب یادگیری ماشین و تحقیق در عملیات برای بهبود تصمیم گیری های عملیاتی

چکیده مقاله

این مقاله به بررسی مدل سازی و تحلیل چگونگی ترکیب یادگیری ماشین و تحقیق در عملیات به منظور بهبود تصمیم گیری های عملیاتی در سازمان ها می پردازد در دنیای پیچیده و داده محور امروز، توانایی تحلیل داده ها و استخراج الگوهای مفید از آن ها به یک نیاز اساسی تبدیل شده است یادگیری ماشین به عنوان یک ابزار پیشرفته برای شناسایی الگوها و پیش بینی ها، و تحقیق در عملیات با استفاده از مدل سازی ریاضی و تکنیک های بهینه سازی، می توانند به طور موثری در کنار یکدیگر عمل کنند این ترکیب می تواند به سازمان ها در بهینه سازی فرآیندها، کاهش هزینه ها، افزایش دقت پیش بینی ها و بهبود تجربه مشتری کمک کند به ویژه در صنایع مختلف مانند تولید، حمل و نقل و خدمات، این ادغام می تواند مزایای قابل توجهی را به ارمغان آورد به عنوان مثال، در صنعت تولید، استفاده از الگوریتم های یادگیری ماشین برای پیش بینی تقاضا و بهینه سازی موجودی می تواند منجر به کاهش زمان تولید و بهبود کارایی زنجیره تامین شود همچنین، در صنایع خدماتی، شخصی سازی خدمات بر اساس رفتار مشتریان با استفاده از یادگیری ماشین می تواند به افزایش رضایت مشتری و وفاداری آنان منجر گردد در نتیجه، این مقاله نشان می دهد که ادغام یادگیری ماشین و تحقیق در عملیات نه تنها به بهبود تصمیم گیری های عملیاتی کمک می کند، بلکه می تواند به ایجاد نوآوری و رشد پایدار در سازمان ها منجر شود

کلیدواژه‌ها

نویسندگان

سعیده نصیری

دانشکده روان شناسی و علوم تربیتی، دانشگاه تهران

اکرم روشن زاده

دانشگاه دولتی سمنان

�وشن زاده، اکرم،1404،بررسی چگونگی ترکیب یادگیری ماشین و تحقیق در عملیات برای بهبود تصمیم گیری های عملیاتی،سیزدهمین کنفرانس بین المللی مطالعات بین رشته ای در مدیریت و مهندسی،تهران

ارائه‌شده در

مجموعه مقالات سیزدهمین کنفرانس بین المللی مطالعات بین رشته ای در مدیریت و مهندسی31 خرداد 1404 · تهران