چکیده مقاله
تحریم های اقتصادی زنجیره تامین صنعت پتروشیمی ایران را با چالش های متعددی مواجه کرده اند، از جمله افزایش ۳۵ درصدی هزینه های لجستیک، کاهش ۲۰ درصدی دسترسی به مواد اولیه، انقباض ۳۰ درصدی بازارهای صادراتی، افزایش ۲۵ درصدی هزینه های تولید، و تاثیر ۱۵ درصدی تعرفه های ورودی کالاها بر هزینه های عملیاتی این مطالعه یک چارچوب پیشرفته مبتنی بر هوش مصنوعی AI برای بهینه سازی اقتصادی زنجیره تامین پیشنهاد می دهد با بهره گیری از الگوریتم های یادگیری ماشین، شامل شبکه های عصبی بازگشتی RNN با واحدهای حافظه کوتاه مدت بلند LSTM برای پیش بینی تقاضا، الگوریتم های ژنتیک GA برای مدیریت موجودی، الگوریتم جستجوی هارمونی HS برای بهینه سازی مسیرهای لجستیک، و مدل های تحلیل هزینه برای کاهش هزینه های تولید و مدیریت تعرفه های ورودی، این مدل روی مجموعه داده ای با بیش از ۱۵۰۰۰ نقطه داده از پنج شرکت بزرگ پتروشیمی ایران ۲۰۲۴–۲۰۲۰ اعمال شد نتایج نشان دهنده کاهش ۴/۲۲ درصدی هزینه های زنجیره تامین از ۱۲ میلیون دلار به ۳/۹ میلیون دلار در سال برای یک شرکت نمونه ، کاهش ۲۰ درصدی هزینه های تولید از ۵/۸ میلیون دلار به ۸/۶میلیون دلار در سال ، و افزایش ۱۵ درصدی سود صادراتی از ۲/۶میلیون دلار به ۱/۷ میلیون دلار در سال از طریق بهینه سازی بازارهای هدف و کاهش اثرات تعرفه های ورودی است
کلیدواژهها
نویسندگان
شیوه ارجاع
�وستی، جواد و هاشمی، سیده مانا،1404،بهینه سازی اقتصادی و پایدارزنجیره تامین پتروشیمی ایران با استفاده از فناوری هوش مصنوعی:کاهش هزینه تولید، افزایش سود صادراتی و مدیریت تعرفه های ورودی در شرایط تحریم،نهمین کنفرانس بین المللی مدیریت و صنعت،تهران
ارائهشده در
مجموعه مقالات نهمین کنفرانس بین المللی مدیریت و صنعت31 خرداد 1404 · تهران