افزایش چابکی و پایداری زنجیره تامین از طریق یادگیری ماشین: تکنیک های بهینه سازی برای لجستیک و مدیریت موجودی

چکیده مقاله

در بازار جهانی کنونی، زنجیره های تامین به طور فزاینده ای پیچیده شده اند و این امر مستلزم استراتژی های مدیریتی چابک و پایدار است روش های تحلیلی سنتی اغلب در پرداختن به این چالش ها ناکارآمد هستند و نیاز به رویکردهای پیشرفته تر را ایجاد می کنند این مطالعه از تکنیک های پیشرفته یادگیری ماشین برای بهبود مدیریت لجستیک و موجودی استفاده می کند با استفاده از داده های تاریخی یک شرکت خرده فروشی چندملیتی، شامل فروش، سطوح موجودی، نرخ های تحقق سفارش و هزینه های عملیاتی، ما انواع الگوریتم های یادگیری ماشین را اعمال کردیم کاربرد این مدل های یادگیری ماشین منجر به بهبودهای قابل توجهی در حوزه های عملیاتی کلیدی شد و ما به افزایش ۱۵ درصدی دقت پیش بینی تقاضا، کاهش ۱۰ درصدی موجودی بیش از حد و کمبود موجودی و دقت ۹۵ درصدی در پیش بینی جدول زمانی تکمیل سفارش دست یافتیم بعلاوه، محموله های در معرض خطر را شناسایی کرده و امکان تقسیم بندی مشتریان را بر اساس ترجیحات تحویل فراهم کردیم که منجر به ارائه خدمات شخصی سازی شده تر شد ارزیابی ما پتانسیل متحول کننده ی یادگیری ماشین را در پاسخگوتر و داده محورتر کردن عملیات زنجیره تامین نشان می دهد

کلیدواژه‌ها

نویسندگان

آرش آپرناک

دانشگاه تهران، تهران، ایران

هلیا غلامعلی

دانشگاه هنر و معماری پارس، تهران، ایران

پانیذ موسوی

دانشگاه هنر و معماری پارس، تهران، ایران

�پرناک، آرش و غلامعلی، هلیا و موسوی، پانیذ،1404،افزایش چابکی و پایداری زنجیره تامین از طریق یادگیری ماشین: تکنیک های بهینه سازی برای لجستیک و مدیریت موجودی،دهمین کنفرانس بین المللی مدیریت و صنعت،تهران

ارائه‌شده در

مجموعه مقالات دهمین کنفرانس بین المللی مدیریت و صنعت30 آبان 1404 · تهران