بهینه سازی زنجیره تامین قطعات هوافضا با رویکرد دیجیتالی و هوش مصنوعی

مدیریت زنجیره تامین و بهینه سازی موجودی قطعات یدکی در صنایع هوافضا به عنوان یکی از حوزه های کلیدی مهندسی صنایع، به دلیل هزینه های بالای انبارداری، تاخیرهای زنجیره تامین و وقفه های عملیاتی چالشی جدی برای افزایش بهره وری و آماده باش ناوگان محسوب می شود. در این مقاله چارچوبی یکپارچه و مبتنی بر قابلیت اطمینان برای بهینه سازی مدیریت قطعات یدکی ارائه شده است که با بهره گیری از فناوری های نوین مهندسی صنایع شامل هوش مصنوعی، اینترنت اشیا و مدل های دیجیتال Digital Twin طراحی شده است. داده های عملیاتی واقعی از طریق شبکه های حسگر پیشرفته جمع آوری و تحلیل می شوند تا با پیش بینی فرسودگی، قطعات برنامه ریزی نگهداری از حالت زمان بندی سنتی به نگهداری شرطی تبدیل شود. به کارگیری مدل های یادگیری ماشین از جمله شبکه های عصبی LSTM و الگوریتم جنگل تصادفی دقت پیش بینی خرابی و تقاضای قطعات را بهبود می بخشد. مطالعه موردی در یک ناوگان هواپیمایی نشان دهنده کاهش ۲۰ درصدی هزینه های موجودی و کاهش ۱۵ درصدی زمان های از کارافتادگی بوده است. این رویکرد، با تمرکز بر مباحث مهندسی صنایع و مدیریت زنجیره تامین ضمن ارتقای بهره وری و ایمنی نقشی موثر در تحول دیجیتال و توسعه پایدار لجستیک هوافضا ایفا می کند.

کلیدواژه ها:

مدیریت زنجیره تامین ، هوشمند ، بهینه سازی ، موجودی ، مهندسی صنایع ، هوش مصنوعی کاربردی ، اینترنت اشیا ، مدل دیجیتال ، نگهداری پیش بینی محور ، یادگیری ماشین ، لجستیک هوافضا ، تحول دیجیتال ، پایداری زنجیره تامین