چارچوب هوشمند فازی برای شناسایی و بهینه سازی عوامل کلیدی در زنجیره تامین با استفاده از مدل سازی ساختاری تفسیری و MICMAC

در این مطالعه، با بهره گیری از هوش مصنوعی و تکنیک های پیشرفته مدل سازی همچون مدل سازی ساختاری تفسیری (ISM) فازی و MICMAC تطبیقی، چارچوبی جامع برای شناسایی، اولویت بندی و بهینه سازی عوامل کلیدی در مدیریت زنجیره تامین ارائه شد. داده های چندبعدی و ارزیابی های کارشناسی به مقادیر فازی تبدیل شدند تا روابط غیرخطی میان عوامل و تاثیرات متقابل آن ها با دقت تحلیل شود. نتایج نشان داد که انعطاف پذیری تامین کننده و قابلیت ردیابی محصولات به عنوان متغیرهای خودمختار بیشترین تاثیر را بر عملکرد زنجیره تامین دارند، در حالی که عواملی مانند شفافیت اطلاعات شبکه، همگرایی فناوری های نوین و توانمندی لجستیکی شبکه وابسته بوده و نیازمند مدیریت یکپارچه هستند. همچنین، عوامل امنیت سایبری داده ها و مدیریت موجودی هوشمند نقش پیوندی داشته و می توانند اثرگذاری سایر عوامل را تقویت یا تعدیل کنند. اعتبارسنجی مدل توسط ۲۰ کارشناس حوزه لجستیک و مدیریت عملیاتی انجام شد که واقع گرایی و کاربردپذیری آن را تایید کرد. چارچوب پیشنهادی با فراهم آوردن مسیر شفاف برای مدیریت ریسک ها، افزایش تاب آوری و ارتقای عملکرد سیستم، می تواند به عنوان ابزاری راهبردی برای مدیران و سیاست گذاران در زنجیره تامین مدرن مبتنی بر فناوری های هوشمند مورد استفاده قرار گیرد.

کلیدواژه ها:

تاب آوری زنجیره تامین ، هوش مصنوعی ، مدل سازی ساختاری تفسیری (TISM) ، تحلیل MICMAC ، مدیریت ریسک داده محور.