سیستمهای توصیه گر هوشمند در مدیریت زنجیره تامین: تحلیل کتاب سنجی، روندهای تکاملی چالشها و نقشه راه آینده

در عصر دیجیتالی شدن و جهانی سازی مدیریت زنجیره تامین با چالش های بی سابقه ای از جمله نوسانات بازار، اختلالات زنجیره تامین و پیچیدگی های تصمیم گیری مواجه شده است. سیستم های توصیه گر که پیش تر در حوزه تجارت الکترونیک به بلوغ رسیده بودند، اکنون به عنوان یک فناوری تحول آفرین در مدیریت زنجیره تامین مطرح شده اند و می توانند با تحلیل داده های عظیم و ارائه پیشنهادات هوشمند فرآیندهای کلیدی مانند انتخاب تامین کننده، پیش بینی تقاضا، مدیریت موجودی و بهینه سازی لجستیک را متحول سازند. این مقاله یک مرور نظام مند جامع از ادبیات این حوزه را با هدف تحلیل عمیق روندهای پژوهشی، کاربردها، چالش ها و شکاف های موجود ارائه می دهد. برخلاف مرورهای سنتی که عمدتا بر دقت الگوریتمی تمرکز دارند، این مطالعه رویکردی کل نگر و چندوجهی را اتخاذ کرده و به تحلیل تعامل پیچیده بین نوع، داده هدف، توصیه و محدودیت های دامنه می پردازد. یافته های این پژوهش نشان می دهد که سیستم های ترکیبی به دلیل توانایی در تلفیق منابع داده ناهمگون و مقابله با مشکل پراکندگی داده، موثرترین رویکرد در حوزه های پیچیده ای مانند مدیریت تامین کننده و لجستیک هستند. در مقابل، سیستم های مبتنی بر دانش برای زنجیره های تامین حساس به ریسک و مبتنی بر پایداری که نیازمند تفسیرپذیری و انطباق با مقررات هستند، ارجحیت دارند. این مطالعه همچنین شکاف های پژوهشی مهمی از جمله آسیب پذیری در برابر حملات خصمانه، عدم یکپارچگی کافی با فناوری بلاک چین و پتانسیل استفاده نشده از یادگیری تقویتی و هوش مصنوعی مولد را شناسایی کرده و نقشه راهی برای پژوهش های آتی ترسیم می کند.

کلیدواژه ها:

سیستمهای توصیه گر ، مدیریت زنجیره تامین ، فیلترینگ ترکیبی ، تحلیل کتاب سنجی ، بلاکچین ، یادگیری ماشین