چارچوب امتیازدهی ریسک و ماتریس تصمیم برای استقرار مدل های زبانی بزرگ در زنجیره داده های لجستیک دارویی

چکیده مقاله

گسترش استفاده از مدل های زبانی بزرگ در محیط های صنعتی به ویژه در سامانه هایی که مبتنی بر تحلیل داده های متنی و عملیاتی هستند فرصت های قابل توجهی برای بهبود پشتیبانی تصمیم ایجاد کرده است در حوزه لجستیک دارویی این مدل ها می توانند در تحلیل گزارش های انحراف، خلاصه سازی مستندات استاندارد و کمک به تصمیم های انبارداری نقش ایفا کنند با این حال حساسیت این حوزه و الزامات مقرراتی سخت گیرانه ضرورت ارزیابی نظام مند ریسک پیش از استقرار را برجسته می سازد خطاهای احتمالی، مدل وابستگی تصمیم های عملیاتی به خروجی آن و وضعیت حاکمیت داده از جمله عواملی هستند که می توانند بر کیفیت دارو و پایداری زنجیره تامین اثرگذار باشند در این پژوهش یک چارچوب کمی امتیازدهی ریسک همراه با ماتریس تصمیم ارائه شده است که سه مولفه اصلی شامل ریسک حاکمیت داده، شدت پیامد عملیاتی و سطح خودکارسازی مدل را در ارزیابی تلفیق می کند شاخص پیشنهادی امکان مقایسه سناریوهای مختلف کاربرد مدل های زبانی در انبارهای دارویی را فراهم می سازد و نشان می دهد افزایش خودکارسازی بدون نظارت انسانی متناسب می تواند به رشد نامتناسب ریسک منجر شود در حالی که رویکرد نیمه خودکار همراه با نظارت فعال انسانی تعادل بهینه ای میان کارایی و ایمنی ایجاد می کند چارچوب ارائه شده می تواند به عنوان مبنایی برای تصمیم گیری مسئولانه در استقرار سامانه های مبتنی بر LLM در محیط های صنعتی حساس مورد استفاده قرار گیرد

کلیدواژه‌ها

نویسندگان

محمد سعید صفایی صادق

دانشجوی دکتری شبکه های کامپیوتری دانشگاه آزاد اسلامی واحد قم

�فایی صادق، محمد سعید،1404،چارچوب امتیازدهی ریسک و ماتریس تصمیم برای استقرار مدل های زبانی بزرگ در زنجیره داده های لجستیک دارویی،دوازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران

ارائه‌شده در

مجموعه مقالات دوازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام16 اسفند 1404 · تهران