مدیریت هوشمند زنجیره تامین در شرکت ذوب آهن اصفهان با استفاده از هوش مصنوعی

افزایش پیچیدگی و پویایی در زنجیره های تامین صنعتی، به ویژه در صنایع فولاد، نیازمند استفاده از راهکارهای نوین و هوشمند برای تصمیم گیری به موقع و کارآمد است. شرکت ذوب آهن اصفهان به عنوان یکی از قطب های اصلی صنعت فولاد کشور، با چالش هایی نظیر نوسانات شدید تقاضا، ناکارآمدی در تخصیص منابع، و نبود پیش بینی دقیق مواجه است که موجب کاهش بهره وری و افزایش هزینه های عملیاتی شده است. پژوهش حاضر با هدف طراحی و پیاده سازی یک مدل ترکیبی مبتنی بر هوش مصنوعی جهت مدیریت هوشمند زنجیره تامین در این شرکت انجام شده است. برای این منظور، پس از تحلیل دقیق داده های واقعی مربوط به تولید، سفارش و حمل ونقل، مدل پیشنهادی با ترکیب الگوریتم های یادگیری ماشینی از جمله Random Forest، XGBoost و LSTM طراحی گردید. ساختار مدل به صورت سلسله مراتبی و لایه ای است، به گونه ای که خروجی هر الگوریتم به عنوان ورودی الگوریتم بعدی است. در مرحله ارزیابی عملکرد، نتایج مدل پیشنهادی با مدل های سنتی مقایسه شد که بهبود معنادار در شاخص های RMSE، MAE، دقت (Accuracy) و نرخ بازیابی (Recall) نشان داد. به ویژه RMSE مدل پیشنهادی به کمتر از ۶٪ کاهش یافت که در محدوده مطلوبیت قرار دارد. همچنین تحلیل حساسیت مدل نشان داد که ساختار ترکیبی مدل در برابر داده های غیرایستا و پرنوسان عملکرد پایدار دارد. از سوی دیگر، تحلیل کیفی مبتنی بر مصاحبه های هدف داند با مدیران ارشد نیز حاکی از افزایش رضایت از تصمیم گیری های عملیاتی مبتنی بر مدل بوده است. یافته های پژوهش بیانگر آن است که ترکیب روش های داده محور با تحلیل های هوشمند، راهکار موثری برای بهینه سازی تصمیم گیری های زنجیره تامین در صنایع فولادی است. در پایان، پیشنهاداتی برای توسعه مدل در سایر شرکت های فولاد و مسیرهای تحقیقاتی آینده ارائه شده است.

کلیدواژه ها:

الگوریتم یادگیری ماشین ، پیش بینی تقاضا ، زنجیره تامین هوشمند ، صنعت فولاد ، هوش مصنوعی