بهینه سازی یکپارچه موجودی قطعات یدکی با استفاده از پیش بینی تقاضا مبتنی بر یادگیری ماشین با در نظر گرفتن موجودی اطمینان و تامین با دو زمان تحویل

یکی از چالش های همیشگی در صنعت، برقراری تعادل میان تداوم تولید و کاهش هزینه های انبارداری است؛ هدفی که روش های سنتی مدیریت موجودی، به دلیل ضعف در پیش بینی تقاضاهای نامنظم و نادیده گرفتن محدودیت های اجرایی، اغلب در تحقق آن ناموفق اند. در این پژوهش، سعی شده با تلفیق پیش بینی دقیق تقاضا و مدل سازی ریاضی، راهکاری یکپارچه برای این مسئله ارائه شود. نقطه قوت این مدل، انعطاف پذیری آن در انتخاب شیوه تامین است؛ یعنی سیستم می تواند بسته به شرایط، بین خرید عادی و خرید اضطراری بهترین گزینه را انتخاب کند. در طراحی این مدل، محدودیت های واقعی نظیر سقف بودجه (برای اقلام حیاتی و غیرحیاتی) و ظرفیت انبار دقیقا در نظر گرفته شده اند و سطح موجودی اطمینان نیز متناسب با نوسانات تقاضا تغییر می کند. نتایج پیاده سازی مدل روی داده های ۶۰ قلم کالا نشان داد که فاصله گرفتن از سیاست های تک بعدی و استفاده از یک راهبرد ترکیبی، حتی در شرایط محدودیت مالی و فضا، منجر به کاهش هزینه ها و حفظ پایداری سیستم می شود.

کلیدواژه ها:

مدیریت موجودی قطعات یدکی ، پیش بینی تقاضا ، یادگیری ماشین ، بهینه سازی موجودی ، زمان تحویل دوگانه