توسعه سیستم هوشمند مدیریت زنجیره تامین با استفاده از یادگیری عمیق و اینترنت اشیا

این پژوهش به طراحی و پیاده سازی یک سیستم هوشمند مدیریت زنجیره تامین مبتنی بر ترکیب یادگیری عمیق و فناوری اینترنت اشیا (IoT) می پردازد. در محیط رقابتی امروز، توانایی واکنش سریع به تغییرات تقاضا، بهینه سازی موجودی و کاهش هزینه های لجستیک برای شرکت ها حیاتی است. ما یک معماری چندلایه برای زنجیره تامین هوشمند ارائه می دهیم که از سنسورهای IoT برای جمع آوری داده های بلادرنگ و الگوریتم های یادگیری عمیق برای تحلیل و تصمیم گیری استفاده می کند. سیستم پیشنهادی شامل سه ماژول اصلی است: پیش بینی تقاضا با استفاده از شبکه های عصبی بازگشتی، مدیریت بهینه موجودی با یادگیری تقویتی عمیق، و بهینه سازی مسیریابی حمل و نقل با الگوریتم های گراف عصبی. این سیستم در یک شرکت توزیع کالاهای مصرفی با ۱۴ مرکز توزیع و بیش از ۱۲۰۰ نقطه خرده فروشی پیاده سازی شد. نتایج نشان می دهد که سیستم پیشنهادی منجر به کاهش ۲۳% در موجودی، افزایش ۱۷% در دقت پیش بینی تقاضا، کاهش ۱۴% در هزینه های حمل و نقل، و بهبود ۲۸% در زمان تحویل شده است. علاوه بر این، توانایی سیستم در تطبیق با اختلالات، منجر به افزایش ۳۱% در انعطاف پذیری زنجیره تامین در مقایسه با روش های سنتی شده است. این پژوهش چارچوبی عملی برای بهره برداری از پتانسیل ترکیبی یادگیری عمیق و IoT در مدیریت زنجیره تامین ارائه می دهد.

کلیدواژه ها:

زنجیره تامین هوشمند ، یادگیری عمیق ، اینترنت اشیا ، پیش بینی تقاضا ، بهینه سازی موجودی ، مسیریابی حمل و نقل ، زنجیره تامین دیجیتال