آینده پژوهی زنجیره تامین بین المللی در عصر هوش مصنوعی: چشم اندازی داده محور به تامین و خرید جهانی

تحولات فناورانه و ناپایداری های ژئوپلیتیکی در دهه اخیر زنجیره های تامین بین المللی را بیش از پیش در معرض اختلالات پیچیده قرار داده است. در این شرایط بهره گیری از رویکردهای آینده پژوهانه مبتنی بر علم داده و هوش مصنوعی به عنوان ابزارهای تصمیم یار می تواند نقش کلیدی در مدیریت ریسک های حوزه تامین و خرید خارجی ایفا کند. هدف این پژوهش ارائه چارچوبی ترکیبی برای شناسایی، تحلیل و پیش بینی ریسک های زنجیره تامین بین المللی در صنعت است. ابتدا با استفاده از روش FMEA، حالات بالقوه خرابی در فرآیند تامین خارجی شامل تاخیر، نوسانات ارزی، تغییر مقررات بین المللی، ریسک تامین کننده و... شناسایی و براساس شاخص RPN اولویت بندی شدند. سپس با بهره گیری از داده های تاریخی سفارشات خارجی و متغیرهای محیطی، مدل های یادگیری ماشین نظیر Random Forest و XGBoost برای پیش بینی احتمال وقوع این ریسک ها توسعه یافتند. همچنین سناریوهای آینده با استفاده از تحلیل حساسیت و شبیه سازی داده ها مورد ارزیابی قرار گرفتند تا پایداری مدل در شرایط نامطمئن سنجیده شود. نتایج نشان داد ترکیب تحلیل کیفی ساختاریافته (FMEA) با مدل های داده محور می تواند دقت پیش بینی ریسک را تا ۸۷ درصد افزایش دهد و به تصمیم سازی هوشمند در واحدهای خرید خارجی کمک کند. چارچوب پیشنهادی علاوه بر تسهیل تصمیم گیری در شرایط عدم قطعیت، بستر مناسبی برای توسعه سامانه های هشدار پیش هنگام در زنجیره تامین بین المللی فراهم می آورد و گامی موثر در جهت دیجیتال سازی و تاب آورسازی سیستم های تامین است.

کلیدواژه ها:

آینده پژوهی ، خرید خارجی ، زنجیره تامین بین المللی ، علم داده ، هوش مصنوعی