ارائه یک مدل یکپارچه یادگیری ماشین برای پیش بینی نقاط آسیب پذیر زنجیره تامین

چکیده مقاله

اهمیت پیش بینی نقاط آسیب پذیر زنجیره تامین در عصر حاضر، که با پیچیدگی نوسانات سریع، بازار، چالش های ژئوپلیتیک و اختلالات تامین همراه است بیش از هر زمان دیگری افزایش یافته است در چنین شرایطی مدیریت موثر این آسیب پذیری ها نه تنها برای حفظ کارایی، عملیات بلکه برای افزایش رقابت پذیری ضروری است این پژوهش یک چارچوب پیش بینی یکپارچه و نوآورانه ارائه می دهد که با تلفیق الگوریتم های جنگل تصادفی، ماشین تقویت گرادیان و شبکه های عصبی مصنوعی دقت و قابلیت اطمینان را در شناسایی نقاط آسیب پذیر زنجیره تامین به طور چشمگیری ارتقاء می بخشد این مدل با بهره گیری از پیش پردازش جامع داده ها شامل جایگزینی داده های گمشده، نرمال سازی و شناسایی داده های پرت و ترکیب هوشمندانه روش های یادگیری ماشین بر محدودیت های روش های مرسوم غلبه کرده و انعطاف پذیری و پایداری بالایی را در شرایط گوناگون ایجاد می کند

کلیدواژه‌ها

نویسندگان

سیده عارفه رضوی

دانشجوی کارشناسی ارشد دانشکده مهندسی کامپیوتر دانشگاه شهید باهنر کرمان، کرمان ایران

وحید جمشیدی

استادیار دانشکده مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران

�ضوی، سیده عارفه و جمشیدی، وحید،1404،ارائه یک مدل یکپارچه یادگیری ماشین برای پیش بینی نقاط آسیب پذیر زنجیره تامین،اولین کنفرانس ملی هوشمند سازی در صنعت،کرمان

ارائه‌شده در

مجموعه مقالات اولین کنفرانس ملی هوشمند سازی در صنعت23 مهر 1404 · کرمان