تقویت تاب آوری زنجیره تامین با بهره گیری از هوش مصنوعی: شبیه سازی و اولویت بندی عوامل کلیدی برای مدیریت بحران

در سال های اخیر، زنجیره های تامین با اختلالات متعددی نظیر همه گیری بیماری ها، بحران های ژئوپلیتیکی، تغییرات اقلیمی و نوسانات اقتصادی مواجه شده اند که ضرورت تقویت تاب آوری آن ها را دوچندان کرده است. هدف اصلی این پژوهش، شناسایی و اولویت بندی عوامل موثر بر تاب آوری زنجیره تامین با تاکید بر نقش هوش مصنوعی است. در این راستا، ابتدا با مطالعه ادبیات موضوع و بهره گیری از نظرات خبرگان، عوامل کلیدی استخراج شد. سپس با استفاده از روش مدل سازی ساختاری تفسیری (TISM) و تحلیل MICMAC، روابط میان این عوامل مدل سازی و تحلیل گردید. همچنین به منظور مقابله با ابهامات و نظرات کیفی، از منطق فازی برای افزایش دقت در قضاوت های انسانی استفاده شد. یافته های تحقیق نشان می دهد که فناوری های مبتنی بر هوش مصنوعی نظیر یادگیری ماشین، تحلیل پیش بین، و پردازش داده های کلان می توانند در پیش بینی بحران ها، بهینه سازی تصمیم گیری و افزایش سرعت واکنش به اختلالات نقش کلیدی ایفا کنند. نتایج تحلیل MICMAC نشان داد برخی عوامل مانند «توانایی پیش بینی با استفاده از هوش مصنوعی»، «مدیریت ریسک داده محور» و «یکپارچگی اطلاعاتی در زنجیره تامین» دارای قدرت نفوذ بالا و اثرگذاری مستقیم بر سایر عوامل هستند. در نهایت، این پژوهش با ارائه چارچوبی تحلیلی، به مدیران و تصمیم گیران کمک می کند تا با بهره گیری از ظرفیت های هوش مصنوعی، استراتژی هایی برای افزایش تاب آوری زنجیره تامین خود تدوین و پیاده سازی نمایند.

کلیدواژه ها:

تاب آوری زنجیره تامین ، هوش مصنوعی ، مدل سازی ساختاری تفسیری (TISM) ، تحلیل MICMAC ، پیش بینی بحران.