طبقه‌بندي و تخصيص تأمين‌كنندگان به مشتري در زنجيره تأمين تاب‌آور با استفاده از يادگيري ماشين

انتخاب و تخصيص در زنجيره  تأمين تاب آور، زماني كه اختلال زنجيره تأمين را تهديد مي‌كند، به‌عنوان يك تصميم استراتژيك و به كانون پژوهش هاي بسياري تبديل شده است؛ از سوي ديگر افزايش كاربردهاي يادگيري ماشين در سراسر مطالعات زنجيره تأمين به ظهور روش‌هاي تصميم‌گيري سريع‌تر و مطمئن‌تر منجر شده است، بااين‌حال در مطالعات كمي از يادگيري ماشين براي مقابله با مشكل انتخاب و تخصيص تأمين‌كننده به مشتري در حالت تاب آور استفاده شده است. هدف پژوهش حاضر برداشتن گامي در جهت رفع اين شكاف با استفاده از الگوريتم‌هاي يادگيري ماشين بر روي داده‌هاي دنياي واقعي از زنجيره تأمين خودرو در ايران است. بدين منظور از داده‌هاي عملكردي441 تأمين‌كننده و 7 مشتري در سال 1401 استفاده شد. در اين پژوهش از دو الگوريتم خوشه‌بندي براي توليد برچسب بر اساس مفهوم ظرفيت تاب‌آوري استفاده شده است؛ سپس ازآنجاكه تفسيرپذيري نتايج در اولويت قرار داشت، بر اساس ليبل گذاري خوشه‌ها توسط خبرگان از درخت تصميم براي طبقه‌بندي تأمين‌كنندگان بر اساس عملكرد آن‌ها استفاده شد. نتايج نشان داد كه درختK-means عملكرد بهتري نسبت به درخت DBSCAN دارد و معيارهاي چون تحويل به‌موقع، درصد تأمين، توقف خط توليد، اخطارهاي كيفي، عملكرد لجستيكي و عملكرد كيفي بر تاب‌آوري تأمين‌كنندگان مؤثر هستند.