افزایش کارایی تحلیل انبار با استفاده از هوش مصنوعی

لجستیک در شرکتها فرآیندی ضروری است که دارای هزینه بالا و عمدتا بدون ارزش افزوده است. کاهش این هزینه برای رقابتی ماندن شرکتها بسیار مهم است. امروزه سیستم های ذخیره سازی بخش مهمی از سیستم لجستیکی هر شرکتی هستند، و بسیاری از آنها سعی می کنند به سطح بهینه ای برسند تا بتوانند با آزادی کمی در جابجایی کالاهایی که توسط بازار متغیر اعلام شده است فعالیت کنند. چندین روش دستی و خودکار برای رسیدن به این هدف وجود دارد. با این حال در مورد استفاده از هوش مصنوعی در این زمینه کمتر شنیده ایم. این مطالعه بر پیاده سازی فناوری هوش مصنوعی در انبارداری، به ویژه در طبقه بندی کالاها تمرکز دارد. پس از مرور نتایج اخیر در زمینه ی فناوری های هوش مصنوعی و کاربرد آنها در حوزه ی لجستیک، یک اپلیکیشن هوش مصنوعی معرفی می شود. هدف اصلی این اپلیکیشن دسته بندی کالاهای ذخیره شده در انبار به گروه های ABC-XYZ است که مکان کالا در انبار و فرکانس سفارش آن را با مقدار آن مشخص می کند. پس از بدست آوردن و پاک سازی داده های آموزشی از یک شرکت واقعی، تعیین و انتخاب حداقل تعداد پارامترهای ورودی یک کار مهم و چالش برانگیز است که شرح داده شود. اثربخشی یادگیری تحت نظارت را می توان به عنوان خروجی ANN (شبکه عصبی مصنوعی) با کمک یک رویکرد فراابتکاری غیرمتعارف، یعنی الگوریتم سیاه چاله به عنوان عامل یادگیری با یک مثال نشان داد. این مثال همچنین نتیجه ی دسته بندی ABC-XYZ بر روی مجموعه داده های یک شرکت را نشان می دهد.

کلیدواژه ها:

هوش مصنوعی ، شبکه عصبی مصنوعی ، انبارداری ، تحلیل ABC-XYZ ، الگوریتم سیاه چاله