بررسی تاثیر مدلهای تصمیم گیری مبتنی بر یادگیری عمیق در بهینهسازی فرآیندهای زنجیره تامین
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 80
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MDMCONF07_069
تاریخ نمایه سازی: 1 اردیبهشت 1404
چکیده مقاله:
پیچیدگی و پویایی فزاینده زنجیره های تامین مدرن، اتخاذ تکنیک های پیشرفته تصمیم گیری را ضروری می سازد. یادگیری عمیق به عنوان ابزاری قدرتمند برای بهینه سازی زنجیره های تامین مختلف مورد توجه قرار گرفته و مدل های کلیدی مانند شبکه های عصبی عمیق (DNNs)، شبکه های عصبی بازگشتی (RNNs)، شبکه های عصبی پیچشی (CNNs) و یادگیری تقویتی عمیق (DRL) را تحلیل می کند. این مقاله به بررسی نقش یادگیری عمیق در تصمیم گیری زنجیره تامین می پردازد و محدودیت های مرتبط برای پیاده سازی یادگیری عمیق در زنجیره های تامین، از جمله هزینه های محاسباتی، وابستگی به داده، تفسیر پذیری مدل و نگرانی های امنیتی را بررسی می کند. با وجود این محدودیت ها، پیشرفت های در هوش مصنوعی توضیح پذیر، یادگیری فردا نگر و مدل های هوش مصنوعی ترکیبی، راهحل های امیدوار کننده ای را برای بهبود کارایی و شفافیت تصمیم گیری مبتنی بر هوش مصنوعی در مدیریت زنجیره تامین ارائه می دهند. این مقاله با ارائه توصیه هایی برای تحقیقات آتی و پیاده سازی های عملی، با تاکید بر نیاز به همکاری بین رشته ای بین محققان هوش مصنوعی، متخصصان زنجیره تامین و سیاست گذاران، به پایان می رسد.
کلیدواژه ها:
نویسندگان
علی زکیخانی همت آبادی
دانشجوی کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، ایران