"جلد دوم" , "اهمیت و شیوه های جمع آوری داده و آنالیز داده ها با استفاده از پایتون تکنیک های پردازش اطلاعات و بهره برداری" با هدف طراحی سیستم تحلیل و پیش بینی هوشمند زنجیره تامین در صنعت لجستیک یا تولیدی

در دنیای امروز، تصمیم گیری های مبتنی بر داده در زنجیره ی تامین (Supply Chain) نه صرفا یک مزیت رقابتی، بلکه ضرورتی اجتناب ناپذیرند. حجم داده ها و تنوع پارامترها در صنایع مختلف رشد تصاعدی داشته. انطباق لحظه ای با نوسانات تقاضا و محدودیت های حمل ونقل، ساختار متداول «ایده آل سازی دستی» را ناکارآمد کرده. از طرفی، دانشجویان و مهندسان داده در پی ترکیب تئوری های کلاسیک SCM با تکنیک های نوین یادگیری ماشین و بهینه سازی هستند. اهداف اصلی: فراهم کردن یک چارچوب عملی و کامل برای شبیه سازی، پیش پردازش و مدلسازی داده های زنجیره ی تامین معرفی الگوریتم های کلیدی (پیش بینی تقاضا، بهینه سازی موجودی و مسیریابی) با پیاده سازی های قابل فهم در پایتون نمایش روش های مانیتورینگ بلادرنگ با داده های حسگر و رابط های تصویری (داشبورد) ارائه مطالعات موردی چندصنعتی برای الهام بخشی به پروژه های واقعی در ادامه ساختار مقاله را مرور می کنیم و سپس وارد هر فصل می شویم.

کلیدواژه ها:

پایتون ، هوش مصنوعی ، تحلیل داده ، زنجیره تامین ، یادگیری ماشین ،