رویکردهای پیش بینی و بهینه سازی در صنایع مختلف و زنجیره تامین

این مقاله به بررسی تعدادی از پژوهش های صورت گرفته با موضوع پیش بینی ، بهینه سازی بهره وری و مدیریت فرآیندهای تولید از سال ۲۰۰۷ تا سال ۲۰۲۳ می پردازد. در این مطالعات، رویکردهای متنوعی شامل درخت تصمیم C۵، ARIMA، ترکیبی از منطق فازی و شبکه عصبی مصنوعی (ANFIS)، دادهکاوی ، تکنیک های مدیریت کیفیت جامع ((TQM ، تحلیل سلسله مراتبی ((AHP ، مورد بررسی قرار گرفته اند که هر یک به جنبه های مختلفی از بهبود عملکرد و پیش بینی تقاضا در حوزههای تولید، خودرو، حمل ونقل ، نگهداری و تعمیرات، مدیریت زنجیره تامین و کاهش هزینه ها اختصاص دارند. پژوهش ها نشان می دهند که بکارگیری الگوریتم های مختلف پیش بینی می تواند دقت پیش بینی را افزایش دهد و به تصمیم گیری بهتر در حوزههای مختلف کمک کند. این نتایج اهمیت و تاثیر مدلسازی موثر و تجزیه و تحلیل دادهها، به ویژه در شرایط اقتصادی متغیر و پیچیده را تاکید می کنند