سطح هوشمندی تجزیه و تحلیل داده ها در مدیریت ریسک زنجیره تامین: یک مرور نظام مند

در سالهای اخیر، پیچیدگیها و تهدیدهای فزاینده در زنجیره های تامین لزوم ارتقای رویکردهای سنتی مدیریت ریسک را دو چندان کرده است. در این راستا، فناوریهایی مانند یادگیری ماشین و تحلیل دادهها توانسته اند با پردازش بلادرنگ اطلاعات الگوشناسی، پیچیده و پیشبینی وقایع احتمالی، نقش مهمی در افزایش تاب آوری و پایداری زنجیره های تامین ایفا کنند. هدف اصلی این پژوهش مرور نظام مند ادبیات علمی پیرامون کاربرد تجزیه و تحلیل دادهها و الگوریتمهای یادگیری ماشین در مدیریت ریسک زنجیره تامین است. در این مطالعه، با استفاده از پایگاه استنادی Scopus و اعمال فرآیند غربالگری دقیق، تعداد ۵۷ مقاله علمی مرتبط انتخاب و تحلیل شدند. مقالات منتخب از نظر سطح هوشمندی تحلیل دادهها در سه سطح توصیفی، پیش بینانه و تجویزی و در ارتباط با چهار مرحله کلیدی مدیریت ریسک، شناسایی، ارزیابی، کاهش و پایش مورد ارزیابی قرار گرفته است. یافته ها نشان می دهد که تمرکز بیشتر مطالعات بر تحلیلهای پیش بینانه در مراحل شناسایی و ارزیابی ریسک بوده و مراحل پایش و تجویز همچنان کمتر مورد توجه قرار گرفته اند. در پایان، مسیرهای آتی پژوهش، شامل توسعه مدلهای تجویزی قابل تفسیر و استفاده از فناوریهای مکمل نظیر بلاکچین و اینترنت اشیا پیشنهاد شده اند.

کلیدواژه ها:

یادگیری ماشین ، مدیریت ریسک زنجیره تامین ، الگوریتم ، هوش مصنوعی ، تحلیل داده ، پیش بینی ریسک