ارائه رويكردي كمي براي ارزيابي اولويت ها در زنجيره تامين هوشمند با استفاده از پيش بيني داده گرا: مطالعه موردي در دو صنعت پركاربرد

مقدمه: تعيين اولويت‌هاي زنجيره تأمين در صنايع هوشمند با روش‌هاي تحليل و مدل‌سازي داده‌گرا براي دست يافتن به دقت كافي و تشخيص عوامل كليدي تأثيرگذار بر كارايي زنجيره تامين ضروري است؛ زيرا استفاده از اين اطلاعات، اثربخشي مديريت زنجيره تامين را بهبود مي ‌دهد. اين مقاله به بررسي و ارائه يك رويكرد كمي براي ارزيابي اولويت ‌هاي زنجيره تامين هوشمند با استفاده از روش‌هاي تحليل داده‌گرا مي‌پردازد. هدف اصلي اين مقاله، ارائه يك روش سيستماتيك و كارا براي تعيين اولويت‌ها در زنجيره تامين است. در اين رويكرد، ابتدا شاخص‌هاي كليدي كارايي در زنجيره تامين شناسايي مي‌شوند. سپس با استفاده از روش‌هاي تحليل داده‌گرا مبتني بر يادگيري ماشين، كارايي هر شاخص براي هر عنصر زنجيره تامين محاسبه مي‌شود. رويكرد ارائه شده در اين مقاله داراي مزايايي از جمله سيستماتيك بودن، قابليت انعطاف‌پذيري، كاربردي بودن و دقت بالا است. روش پيشنهادي به شركت‌ها و سازمان‌ها نيز كمك مي‌ كند تا با ارزيابي و تعيين اولويت‌هاي زنجيره تامين، بهبود عملكرد و بهينه‌سازي فرآيندها، تصميم‌گيري‌هاي مديريتي خود را بهبود بخشند.روش: ابعاد نوآوري اين تحقيق شامل دو بعد اصلي است. بعد اول، تمركز بر دو صنعت پركابرد در شرايطي است كه به تكنولوژي اينترنت اشيا مجهز شده ‌اند. بعد دوم، تركيب روش‌هاي سنتي تحليل زنجيره تامين با الگوريتم‌هاي يادگيري ماشين است. در ابتدا شاخص‌هاي كليدي كارايي در زنجيره تامين شناسايي شدند. اين شاخص‌ها از طريق جستجوي جامع مقالات در پايگاه‌هاي علمي معتبر و با استفاده از كلمات كليدي مرتبط با زنجيره تامين هوشمند استخراج و سپس، با استفاده از روش‌هاي تحليل داده‌گرا كارايي هر شاخص براي هر عنصر زنجيره تامين محاسبه شد. در اين پژوهش از ماتريس DEMATEL براي تحليل روابط متقابل بين شاخص‌ها و از روش پيش‌بيني با ماشين‌هاي بردار پشتيبان (SVM) براي ارزيابي روابط بين معيارها استفاده شد. در نهايت، وزن نهايي هر شاخص با تركيب نتايج DEMATEL و SVM تعيين و اولويت‌بندي شاخص‌ها در زنجيره تامين انجام شد.يافته‌ها: نتايج اين مقاله نشان مي‌دهد كه انعطاف‌پذيري به دليل توانايي زنجيره تامين در پاسخگويي به تغييرات و نوسانات تقاضا به عنوان مهم‌ترين معيار در زنجيره تامين مطرح است. نتايج روش پيشنهادي بر روي دو حوزه صنعتي مبتني بر اينترنت اشيا نشان مي‌دهد، مهم‌ترين معيار در زنجيره تامين متعلق به انعطاف‌پذيري است و كيفيت، هزينه و زمان تحويل به ترتيب در رتبه‌هاي بعدي قرار دارند. اين اولويت‌بندي به مديران كمك مي‌كند تصميمات آگاهانه‌تري براي بهينه‌سازي زنجيره تامين اتخاذ كنند.نتيجه‌گيري: استفاده از رويكردهاي سيستماتيك و دقيق براي اولويت‌بندي معيارهاي زنجيره تامين مي‌تواند به عنوان يك راهنمايي كاربردي براي انتخاب و تعيين تأمين‌كنندگان، اجراي استراتژي‌هاي بهينه‌سازي زنجيره تامين و تخصيص منابع استفاده شود. اين تحقيق نشان داد كه تركيب روش‌هاي سنتي تحليل زنجيره تامين با الگوريتم‌هاي يادگيري ماشيني مانند SVM مي‌تواند به بهبود دقت و كارايي در پيش‌بيني و تصميم‌گيري‌ها كمك كند. با بهبود زنجيره تامين، سازمان‌ها قادر خواهند بود عملكرد خود را بهبود داده و فرآيندها را بهينه‌سازي كنند. همچنين، رويكردهايي مانند استراتژي Just In Time (JIT)، مديريت كيفيت جامع و استفاده از فناوري‌هاي نوين نيز مي‌توانند به بهبود زنجيره تامين كمك كنند. توسعه روابط با تأمين‌كنندگان و تحليل داده‌ها و پيش‌بيني نيازها و مشكلات زنجيره تامين نيز از ديگر رويكردهاي مفيد است.