ارائه رویکردی کمی برای ارزیابی اولویت ها در زنجیره تامین هوشمند با استفاده از پیش بینی داده گرا: مطالعه موردی در دو صنعت پرکاربرد
نویسندگان
1 استادیار، گروه مهندسی کامپیوتر، واحد آبادان، دانشگاه آزاد اسلامی، آبادان، ایران.
2 استادیار، گروه مهندسی کامپیوتر، واحد ایلام، دانشگاه آزاد اسلامی، ایلام، ایران.
3 استادیار، گروه مهندسی کامپیوتر، دانشکده فنی مهندسی گلپایگان، دانشگاه صنعتی اصفهان، اصفهان، ایران.
4 استادیار، گروه مدیریت بازرگانی، واحد آبادان، دانشگاه آزاد اسلامی، آبادان، ایران.
doi
10.48308/jimp.14.3.169چکیده
مقدمه: تعیین اولویتهای زنجیره تأمین در صنایع هوشمند با روشهای تحلیل و مدلسازی دادهگرا برای دست یافتن به دقت کافی و تشخیص عوامل کلیدی تأثیرگذار بر کارایی زنجیره تامین ضروری است؛ زیرا استفاده از این اطلاعات، اثربخشی مدیریت زنجیره تامین را بهبود میدهد. این مقاله به بررسی و ارائه یک رویکرد کمی برای ارزیابی اولویتهای زنجیره تامین هوشمند با استفاده از روشهای تحلیل دادهگرا میپردازد. هدف اصلی این مقاله، ارائه یک روش سیستماتیک و کارا برای تعیین اولویتها در زنجیره تامین است. در این رویکرد، ابتدا شاخصهای کلیدی کارایی در زنجیره تامین شناسایی میشوند. سپس با استفاده از روشهای تحلیل دادهگرا مبتنی بر یادگیری ماشین، کارایی هر شاخص برای هر عنصر زنجیره تامین محاسبه میشود. رویکرد ارائه شده در این مقاله دارای مزایایی از جمله سیستماتیک بودن، قابلیت انعطافپذیری، کاربردی بودن و دقت بالا است. روش پیشنهادی به شرکتها و سازمانها نیز کمک میکند تا با ارزیابی و تعیین اولویتهای زنجیره تامین، بهبود عملکرد و بهینهسازی فرآیندها، تصمیمگیریهای مدیریتی خود را بهبود بخشند. روش: ابعاد نوآوری این تحقیق شامل دو بعد اصلی است. بعد اول، تمرکز بر دو صنعت پرکابرد در شرایطی است که به تکنولوژی اینترنت اشیا مجهز شدهاند. بعد دوم، ترکیب روشهای سنتی تحلیل زنجیره تامین با الگوریتمهای یادگیری ماشین است. در ابتدا شاخصهای کلیدی کارایی در زنجیره تامین شناسایی شدند. این شاخصها از طریق جستجوی جامع مقالات در پایگاههای علمی معتبر و با استفاده از کلمات کلیدی مرتبط با زنجیره تامین هوشمند استخراج و سپس، با استفاده از روشهای تحلیل دادهگرا کارایی هر شاخص برای هر عنصر زنجیره تامین محاسبه شد. در این پژوهش از ماتریس DEMATEL برای تحلیل روابط متقابل بین شاخصها و از روش پیشبینی با ماشینهای بردار پشتیبان (SVM) برای ارزیابی روابط بین معیارها استفاده شد. در نهایت، وزن نهایی هر شاخص با ترکیب نتایج DEMATEL و SVM تعیین و اولویتبندی شاخصها در زنجیره تامین انجام شد. یافتهها: نتایج این مقاله نشان میدهد که انعطافپذیری به دلیل توانایی زنجیره تامین در پاسخگویی به تغییرات و نوسانات تقاضا به عنوان مهمترین معیار در زنجیره تامین مطرح است. نتایج روش پیشنهادی بر روی دو حوزه صنعتی مبتنی بر اینترنت اشیا نشان میدهد، مهمترین معیار در زنجیره تامین متعلق به انعطافپذیری است و کیفیت، هزینه و زمان تحویل به ترتیب در رتبههای بعدی قرار دارند. این اولویتبندی به مدیران کمک میکند تصمیمات آگاهانهتری برای بهینهسازی زنجیره تامین اتخاذ کنند. نتیجهگیری: استفاده از رویکردهای سیستماتیک و دقیق برای اولویتبندی معیارهای زنجیره تامین میتواند به عنوان یک راهنمایی کاربردی برای انتخاب و تعیین تأمینکنندگان، اجرای استراتژیهای بهینهسازی زنجیره تامین و تخصیص منابع استفاده شود. این تحقیق نشان داد که ترکیب روشهای سنتی تحلیل زنجیره تامین با الگوریتمهای یادگیری ماشینی مانند SVM میتواند به بهبود دقت و کارایی در پیشبینی و تصمیمگیریها کمک کند. با بهبود زنجیره تامین، سازمانها قادر خواهند بود عملکرد خود را بهبود داده و فرآیندها را بهینهسازی کنند. همچنین، رویکردهایی مانند استراتژی Just-In-Time (JIT)، مدیریت کیفیت جامع و استفاده از فناوریهای نوین نیز میتوانند به بهبود زنجیره تامین کمک کنند. توسعه روابط با تأمینکنندگان و تحلیل دادهها و پیشبینی نیازها و مشکلات زنجیره تامین نیز از دیگر رویکردهای مفید است.