واکاوی نقش استفاده از هوش مصنوعی در مدیریت ریسک های مالی زنجیره تامین به منظور بهبود تاب آوری و کاهش ریسک زنجیره تامین

امروزه، گسترش و پیچیدگی زنجیره های تامین و این واقعیت که ریسک ها باعث اختلالات جدی می شوند باعث شده است که دانشگاهیان و متخصصان مطالعات در محدوده مدیریت ریسک زنجیره تامین علاقه نشان دهند. در این چارچوب مدیریت ریسک زنجیره تامین اهمیت فزاینده ای پیدا می کند و فرآیندها با بسیاری از تکنیک های جدید مدیریت می شوند. تحقیقات اخیر نشان می دهد که تکنیک های هوش مصنوعی به طور فزاینده ای در مدیریت ریسک زنجیره تامین استفاده می شوند. در نتیجه استفاده از هوش مصنوعی در مدیریت ریسک زنجیره تامین، مشاهده شده است که تغییراتی به ویژه در عملکرد و پویایی رخ می دهد. در این مقاله به بررسی کاربردهای هوش مصنوعی در مدیریت ریسک زنجیره تامین و تاثیر آن بر مدیریت ریسک و افزایش تاب آوری سازمان می پردازیم. مشکلاتی مانند تحریم های سیاسی و نوسانات نرخ ارز، تاخیر در حمل و نقل، نوسانات قیمت مواد اولیه و مشکلات کیفی می توانند تاثیرات قابل توجهی بر کل فرآیند تولید و توزیع داشته باشند. استفاده از هوش مصنوعی (AI) به عنوان یکی از راهکارهای نوین برای پیش بینی، شناسایی و مدیریت ریسک ها به کسب و کارها کمک می کند تا با دقت و سرعت بیشتری به چالش ها و مشکلات احتمالی واکنش نشان دهند. از این رو در این پژوهش تاثیر مدیریت ریسک مبتنی بر هوش مصنوعی بر کاهش ریسک ها و افزایش تاب آوری زنجیره تامین بررسی می شود. برای گردآوری داده ها از دو روش کتابخانه ای و میدانی استفاده شد. جامعه آماری متشکل از متخصصین شرکت سایپا با مدرک کارشناسی و بالاتر می باشد که ۱۰۳ نفر از اعضای نمونه در دسترس قرار گرفتند و پرسش نامه ها را تکمیل کردند. همچنین متغیرهای پژوهش با استفاده از پرسش نامه الکترونیکی بومی سازی شده سنجیده شد. داده ها با استفاده از نرم افزار SPSS و روش حداقل مربعات جزئی و نرم افزار Smart PLS تجزیه و تحلیل شد. بر پایه نتایج این تحقیق استفاده از هوش مصنوعی در تحلیل ریسک های زنجیره تامین بر بهبود تاب آوری سازمان و مدیریت ریسک زنجیره تامین تاثیر می گذارد. همچنین در رابطه ای غیرمستقیم استفاده از هوش مصنوعی در تحلیل ریسک رابطه بین مدیریت ریسک بر تاب آوری سازمان در زنجیره تامین شرکت را میانجی گری می کند.

کلیدواژه ها:

مدیریت ریسک ، هوش مصنوعی ، تاب آوری ، زنجیره تامین ، تحلیل ریسک