پیش بینی اختلالات زنجیره تامین به کمک داده کاوی در مسیر پایداری و هوش مصنوعی

در دنیای پیچیده و همیشه در حال تغییر امروز، نگرانی ها در مورد کمبود داده های کافی با نگرانی ها در مورد داده های بیش از حد برای مدیریت زنجیره تامین (SCM) جایگزین شده است. (حجم داده های تولید شده از تمام بخش های زنجیره تامین، ماهیت تحلیل SCM را تغییر داده است. با افزایش حجم داده ها، کارایی و اثربخشی روش های سنتی کاهش یافته است. محدودیت های این روش ها در تجزیه و تحلیل و تفسیر حجم زیادی از داده ها، محققان را بر آن داشته تا روش هایی تولید کنند که توانایی بالایی در تجزیه و تحلیل و تفسیر کلان داده ها دارند. شناخته شده ترین تکنیک های هوش مصنوعی (AI) با توسعه یک چارچوب مفهومی، مشارکت تکنیک های ML در انتخاب و تقسیم بندی تامین کنندگان، پیش بینی ریسک های زنجیره تامین، و تخمین تقاضا و فروش، تولید، مدیریت موجودی، حمل ونقل و توزیع، توسعه پایدار (SD) و اقتصاد دایره ای (CE) و محدودیت ها را مورد بحث قرار می دهد. جهت های تحقیقاتی آتی داده شده است.

کلیدواژه ها:

الگوریتم یادگیری ماشین ، الگوریتم ، اختلال زنجیره تامین ، داده کاوی ، پایداری.