مدیریت هوشمند موجودی راهکار مبتنی بر هوش مصنوعی برای زنجیره تامین دارو

در یک صنعت داروسازی با سرعت بالا و بسیار تحت نظارت تدوین یک سیاست تکمیل موجودی به دلیل ویژگی های منحصر به فرد، آن از جمله رعایت مقررات انقضای محصول و تقاضای غیر قابل پیش بینی یک وظیفه حیاتی است. علاوه بر این تطبیق سریع تغییرات تقاضا در بازار پویای داروسازی برای حفظ سطح بالای خدمات بسیار مهم است. این پروژه با استفاده از یادگیری تقویتی عمیق (DRL) یک سیاست بهینه تکمیل موجودی را توسعه می دهد تا در عین حال که موجودی داروها را به حداقل می رساند ضایعات پزشکی ناشی از انقضا را نیز به حداقل برساند. این پروژه به یادگیری مداوم متکی است که در آن هر محیط خرده فروشی اطلاعات الگوهای تقاضای پویا، سطح موجودی فعلی سفارشات باز و زمان تحویل را به عنوان فضای حالت ثبت می کند تا مسئله موجودی را به عنوان فرآیند تصمیم گیری مارکوف (MDP) ترسیم کند. برای تصمیم گیری دقیق در زنجیره تامین دارو، مقادیر سفارش مناسب از فضای اقدام مداوم انتخاب می شوند که منجر به سودآوری بالاتر و خدمت رسانی به تعداد بیشتری از بیماران می شود و در نتیجه سلامت را به عنوان یک کالای اجتماعی به شیوه ای موثر ارائه می دهد.

کلیدواژه ها:

زنجیره تامین دارویی ، مدیریت موجودی ، محصولات دارویی ، مدیریت زنجیره تامین ، توسعه پایدار