فهرست نشریات علمی دسترسی آزاد ایران

در محیط‌های کسب‌وکار پویا و نامطمئن امروز، روش‌های سنتی برنامه‌ریزی فروش و عملیات به دلیل وابستگی به داده‌های تاریخی و ناتوانی در مدیریت عدم قطعیت‌های چندبعدی، دیگر پاسخگوی نیازهای تصمیم‌گیری استراتژیک نیستند. این پژوهش با هدف پر کردن این شکاف، یک سیستم پشتیبان تصمیم یکپارچه مبتنی بر تلفیق روش های حافظه کوتاه مدت بلند مدت برای پیش‌بینی دقیق تقاضا، شبیه‌سازی مونت‌کارلو برای تحلیل سناریوهای احتمالی و برنامه‌ریزی آرمانی چندهدفه برای بهینه‌سازی تصمیمات طراحی و پیاده‌سازی کرده است. مدل در صنعت نوشیدنی با چالش‌هایی مانند نوسانات فصلی، ناپایداری قیمت مواد اولیه و اختلالات زنجیره تأمین مورد آزمایش قرار گرفت. نتایج نشان داد: دقت پیش‌بینی ۵۲٪ بهبود یافت (میانگین درصد قدر مطلق خطا از ۱۵.۲٪ به ۷.۳٪)، موجودی ۲۴٪ کاهش، هزینه‌های عملیاتی ۱۸٪ کاهش و رضایت مشتری ۸٪ افزایش یافت که منجر به افزایش بهره‌وری کلی سازمان شد. مدل همچنین ۸۱٪ از سناریوهای بحرانی را پیش‌بینی کرد و زمان پاسخ به اختلالات را ۶۷٪ کوتاه کرد. تحلیل حساسیت تأثیر کلیدی دما و کمپین‌های بازاریادی را تأیید کرد و پایداری مدل در برابر نویز و تغییرات فصلی را نشان داد. معماری ماژولار مدل، امکان سفارشی‌سازی و تعمیم به صنایع دیگر را فراهم می‌کند. این پژوهش نشان می‌دهد که تلفیق هوش مصنوعی و بهینه‌سازی کلاسیک، برنامه ریزی فروش و عملیات را از واکنشی به پیش‌دستانه و مبتنی بر داده تبدیل می‌کند و زنجیره تأمین را در برابر شوک‌های بازار مقاوم‌تر و بهره‌ورتر می‌سازد.