چکیده مقاله
در سالهای اخیر، پیچیدگیها و تهدیدهای فزاینده در زنجیره های تامین لزوم ارتقای رویکردهای سنتی مدیریت ریسک را دو چندان کرده است در این راستا، فناوریهایی مانند یادگیری ماشین و تحلیل دادهها توانسته اند با پردازش بلادرنگ اطلاعات الگوشناسی، پیچیده و پیشبینی وقایع احتمالی، نقش مهمی در افزایش تاب آوری و پایداری زنجیره های تامین ایفا کنند هدف اصلی این پژوهش مرور نظام مند ادبیات علمی پیرامون کاربرد تجزیه و تحلیل دادهها و الگوریتمهای یادگیری ماشین در مدیریت ریسک زنجیره تامین است در این مطالعه، با استفاده از پایگاه استنادی Scopus و اعمال فرآیند غربالگری دقیق، تعداد ۵۷ مقاله علمی مرتبط انتخاب و تحلیل شدند مقالات منتخب از نظر سطح هوشمندی تحلیل دادهها در سه سطح توصیفی، پیش بینانه و تجویزی و در ارتباط با چهار مرحله کلیدی مدیریت ریسک، شناسایی، ارزیابی، کاهش و پایش مورد ارزیابی قرار گرفته است یافته ها نشان می دهد که تمرکز بیشتر مطالعات بر تحلیلهای پیش بینانه در مراحل شناسایی و ارزیابی ریسک بوده و مراحل پایش و تجویز همچنان کمتر مورد توجه قرار گرفته اند در پایان، مسیرهای آتی پژوهش، شامل توسعه مدلهای تجویزی قابل تفسیر و استفاده از فناوریهای مکمل نظیر بلاکچین و اینترنت اشیا پیشنهاد شده اند
کلیدواژهها
نویسندگان
امیر وجدان حقیقی
دانشجوی کارشناسی ارشد مدیریت صنعتی، دانشگاه خلیج فارس، بوشهر، ایران
فرشاد فهیمی
دانشجوی کارشناسی ارشد مدیریت صنعتی، دانشگاه خلیج فارس، بوشهر، ایران
هادی بالوئی جامخانه
عضو هیات علمی گروه مدیریت صنعتی، دانشگاه خلیج فارس، بوشهر، ایران
شیوه ارجاع
وجدان حقیقی، امیر و فهیمی، فرشاد و بالوئی جامخانه، هادی،1404،سطح هوشمندی تجزیه و تحلیل داده ها در مدیریت ریسک زنجیره تامین: یک مرور نظام مند،یازدهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها،مشهد
ارائهشده در
مجموعه مقالات یازدهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها2 مهر 1404 · مشهد