بهبود روشهای تصمیم گیری با رویکرد یادگیری عمیق در مدیریت چابک پروژه ها

ماهیت مدیریت پروژه های چابک بر مبنای سرعت در تصمیم سازی های به موقع ودرست است و امروزه با وجود حجم بسیار زیاد دادهها و اطلاعات و اهمیت تصمیمات که میبایست تیم های مختلف پروژه برای پیشبرد کارها اتخاذ نمایند باعث میشود که ابزارها و تکنولوژیمناسب این رویکرد از اهمیت به سزایی برخوردار شود. یکی از مهمترین زمینه های تصمیم گیری در مدیریت پروژه های چابک ،وجود زنجیرهتامین پویا است که برای ایجاد و حفظ این زنجیره ها به کار گرفتن الگوریتم های هیوریستیک و متاهیوریستک نقش مهمی در چابکی بخشتامین منابع دارد. در این تحقیق موضوع تامین ورقهای فلزی برای ساخت سازه در پروژه ساخت برج مورد بررسی قرارگرفته و ابتدا با الگوریتمدیمتل فازی میزان تاثیر معیارها مشخص گردیده است و سپس با انتقال خروجیهای این الگوریتم به عنوان الگوهای شبکه عصبی هاپفیلد مدلبهینه ای برای طراحی یادگیری ماشینی ایجاد گردید و سپس با آموزش و تست ماشین الگوی طبقه بندی داده ها برای تصمیم گیری ها درگزینش تامین کنندگان به عنوان یادگیری عمیق طراحی گردید. بدین ترتیب در تحقیق نشان داده شد که با کمک هوش مصنوعی امکانهوشمند سازی زنجیره تامین برای پروژه های ساخت را میتوان فراهم نمود و با استفاده از یادگیری عمیق زنجیره تامین هوشمند ایجاد نمود.

کلیدواژه ها:

مدیریت چابک ، زنجیره تامین ، دیمتل فازی ، شبکه عصبی هاپفیلد ، یادگیری عمیق