مروری بر مدل های برنامه ریزی استوار داده محور برای شبکه توزیع پایین دستی زنجیره تامین فرآورده های نفتی با بهره گیری از خوشه بندی بازارها و پیش بینی تقاضا مبتنی بر یادگیری ماشین

زنجیره تامین فرآورده های نفتی یکی از پیچیده ترین شبکه های تامین در بخش انرژی است که به دلیل تعدد محصولات، گستردگی جغرافیایی بازارها، محدودیت ظرفیت ذخیره سازی و حمل ونقل، نوسانات قیمت و عدم قطعیت تقاضا، با چالش های قابل توجهی در برنامه ریزی و توزیع مواجه است. در چنین شرایطی، مدل های قطعی ممکن است در مواجهه با تغییرات واقعی تقاضا کارایی خود را از دست دهند. از سوی دیگر، مدل های تصادفی به اطلاعات دقیق درباره توزیع احتمال پارامترهای نامطمئن نیاز دارند که در بسیاری از کاربردهای واقعی در دسترس نیست. ازاین رو، ترکیب یادگیری ماشین، تحلیل داده و بهینه سازی استوار داده محور به عنوان رویکردی مناسب برای مدیریت این محدودیت ها مورد توجه قرار گرفته است. هدف این مقاله، مرور و تحلیل نظام مند مطالعات مرتبط با چهار حوزه شامل شبکه توزیع پایین دستی فرآورده های نفتی، پیش بینی تقاضا با استفاده از یادگیری ماشین، خوشه بندی بازارها و بهینه سازی استوار داده محور است. نتایج بررسی مطالعات نشان می دهد الگوریتم هایی نظیر شبکه های عصبی مصنوعی، ماشین بردار پشتیبان، XGBoost و LSTM قابلیت مناسبی برای مدل سازی روابط پیچیده و غیرخطی و پیش بینی تقاضای فرآورده های نفتی دارند. همچنین، روش های خوشه بندی با شناسایی شباهت میان بازارها یا جایگاه های عرضه بر اساس ویژگی های اقتصادی، جغرافیایی و الگوهای مصرف، امکان تفکیک بازارهای ناهمگون به گروه های نسبتا همگن را فراهم می کنند. در حوزه تصمیم گیری تحت عدم قطعیت نیز، بهینه سازی استوار داده محور با بهره گیری از داده های تاریخی، امکان ساخت مجموعه های عدم قطعیت مبتنی بر شواهد تجربی را فراهم کرده و نسبت به رویکردهای استوار سنتی، انعطاف پذیری بیشتری دارد. مرور مطالعات نشان می دهد ارتباط یکپارچه میان خوشه بندی بازار، پیش بینی تقاضا و بهینه سازی استوار داده محور در شبکه توزیع پایین دستی فرآورده های نفتی همچنان کمتر مورد توجه قرار گرفته است. بر این اساس، مقاله حاضر چارچوب مفهومی یکپارچه ای پیشنهاد می کند که در آن ابتدا بازارهای مشابه شناسایی، سپس تقاضای بازارها یا خوشه های حاصل با استفاده از الگوریتم های یادگیری ماشین پیش بینی و در ادامه، نتایج پیش بینی و خطاهای آن برای استخراج ساختار عدم قطعیت و توسعه مدل برنامه ریزی استوار داده محور شبکه توزیع استفاده می شوند.

کلیدواژه ها:

زنجیره تامین ، شبکه توزیع پایین دستی فرآورده های نفتی ، یادگیری ماشین ، خوشه بندی بازار ، بهینه سازی استوار ، عدم قطعیت