برنامه ریزی تولید داده محور زیست دارو با پیش بینی تقاضا مبتنی بر LSTM و بهینه سازی چندهدفه با الگوریتم ژنتیک و روش محدودیت اپسیلون

در مواجهه با چالش های پیچیده صنعت زیست دارو نظیر نوسانات تقاضا، فرآیندهای زیستی حساس، الزامات سختگیرانه کیفیت و اهداف پایداری، توسعه مدل های هوشمند داده محور برای برنامه ریزی تولید امری حیاتی تلقی می شود. پژوهش حاضر یک مدل جامع و ترکیبی را با هدف بهینه سازی هم زمان سودآوری اقتصادی و پایداری زیست محیطی ارائه می کند. در این راستا، تقاضای دارویی با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت (LSTM) پیش بینی گردید؛ مدلی که توانایی یادگیری وابستگی های پیچیده زمانی را داراست. دقت پیش بینی مدل برای ۹ داروی منتخب در سه سناریوی تقاضا (پایین، متوسط، بالا) مورد ارزیابی قرار گرفت و نتایج نشان دهنده هم راستایی بالا با مقادیر واقعی و پایداری عملکرد بود. سپس یک مدل ریاضی چند هدفه خطی عدد صحیح با لحاظ اهداف متضاد اقتصادی-زیست محیطی طراحی و با استفاده از الگوریتم ژنتیک (GA) و روش محدودیت اپسیلون (ε-Constraint) حل گردید. مدل پیشنهادی با داده های واقعی از شرکت های دارویی ایران اعتبارسنجی شد و نتایج بیانگر توان بالای رویکرد پیشنهادی در ایجاد توازن میان سود و آلودگی، مدیریت منابع، و تصمیم سازی بهینه در شرایط عدم قطعیت می باشد.

کلیدواژه ها:

برنامه ریزی تولید داده محور ، شبکه عصبی LSTM ، الگوریتم ژنتیک ، روش محدودیت اپسیلون ، مدل چندهدفه