توسعه یک مدل SD برای شبیه سازی پویایی خوشه صنعتی و استفاده از الگوریتم های یادگیری ماشین جهت پیش بینی گلوگاه ها و بهینه سازی ارزش افزوده در زنجیره ارزش

خوشه های صنعتی به عنوان یکی از مهم ترین سازوکارهای توسعه صنعتی و منطقه ای، نقش کلیدی در افزایش بهره وری، نوآوری و خلق ارزش افزوده ایفا می کنند، اما پویایی پیچیده تعاملات میان بنگاه ها، نهادهای پشتیبان، بازارها و سیاست های کلان، مدیریت و بهینه سازی عملکرد آن ها را با چالش های جدی مواجه ساخته است. در این میان، شبیه سازی پویایی خوشه های صنعتی با استفاده از رویکرد سیستم دینامیک (SD) و ترکیب آن با الگوریتم های یادگیری ماشین، امکان تحلیل عمیق تر رفتار سیستم، شناسایی گلوگاه های ساختاری و پیش بینی مسیرهای آینده زنجیره ارزش را فراهم می سازد. این مقاله با هدف توسعه یک مدل SD برای شبیه سازی پویایی خوشه صنعتی و به کارگیری الگوریتم های یادگیری ماشین جهت پیش بینی گلوگاه ها و بهینه سازی ارزش افزوده در زنجیره ارزش تدوین شده است. نتایج نشان می دهد که ادغام مدل سازی علی و بازخوردی سیستم دینامیک با قابلیت های پیش بینی و یادگیری داده محور، می تواند به تصمیم گیری راهبردی دقیق تر، افزایش تاب آوری خوشه ها و ارتقای عملکرد اقتصادی آن ها منجر شود.

کلیدواژه ها:

خوشه صنعتی ، سیستم دینامیک ، یادگیری ماشین ، زنجیره ارزش ، گلوگاه ها ، بهینه سازی ارزش افزوده