دانلود ترجمه مقاله هوش مصنوعی در مدیریت زنجیره تامین

1. مقدمه 2. روش تحقیق 3. تحلیل و ترکیب 4. بحث و بررسی 5. نتیجه گیری 6. محدودیت ها و دلالت ها 7. تحقیقات بیشتر

چکیده – این مقاله، از طریق مرور سیستماتیک مقالات موجود در پی شناسایی نقش هوش مصنوعی (AI) در مدیریت زنجیره تأمین (SCM) است. برای پرداختن به شکاف علمی فعلی هوش مصنوعی در SCM ، هدف از این مقاله تعیین روش های فعلی و بالقوه AI است که می تواند مطالعه و عملکرد SCM را بهود بخشد. همچنین شکافهای موجود در مقالات که باید از طریق تحقیقات علمی رفع شوند نیز مشخص شدند. به ویژه، چهار جنبه زیر پوشش داده شدند: (1) رایج ترین تکنیک های AI در SCM (2)تکنیک های بالقوه هوش مصنوعی برای استفاده در SCM. (3) زیرشاخه های SCM بهبود یافته هوش مصنوعی فعلی ؛ و (4) زیرمجموعه هایی که از پتانسیل بالایی برای تقویت توسط هوش مصنوعی برخوردار هستند. مجموعه خاصی از معیارهای شمول و حذف برای شناسایی و بررسی مقالات از چهار زمینه SCM نظیر تدارکات، بازاریابی، زنجیره تأمین و تولید استفاده می شوند. این مقاله بینشهایی را از طریق تحلیل و سنتز اصولی ارائه می دهد. مقدمه: جهان طی سالیان متمادی در حال حرکت به سمت آینده ای دیجیتال بوده است و فناوری های صنعت 4.0 به عنوان راهی برای آینده در نظر گرفته می شوند (کومار و همکاران ، 2020). یکی از برجسته ترین نمونه این فن آوری ها (از جمله بلاکچین ، اینترنت اشیا ، رایانش ابری و غیره) هوش مصنوعی (AI) است (دیریکان، 2015) که به عنوان توانایی ماشین آلات برای برقراری ارتباط و تقلید از توانایی های انسان تعریف می شود (شوتزر ، 1990). استفاده از هوش مصنوعی باعث حل دقیق تر مسئله ، سرعت بالاتر و مقدار بیشتر ورودی می شود. هوش مصنوعی نه یک موضوع جدید و نه یک رشته تحصیلی جدید است (هیون و همکاران ، 2003). با این وجود، اخیرا پیشرفت های فن آوری نشان داده است که هوش مصنوعی دارای مجموعه گسترده ای از برنامه ها است (مین ، 2010) و با تطبیق فرآیندهای متعدد در حوزه های مختلف (مارتینز-لوپز و کاسیاس ، 2013 ، جاراهی ، 2018) از جمله مدیریت زنجیره تامین (SCM) عناوین اصلی را به خود اختصاص می دهد. در حالی که برخی ازحوزه های فناوری اطلاعات به موقعیت رقابتی تقلیل یافته اند، فناوری AI به عنوان یک مزیت رقابتی در حال ظهور است (تو ییک و هو پونگ، 1990). در این زمینه، بسیاری از شرکت ها برای بهبود عملکرد خود، از نظارت از راه دور به کنترل، بهینه سازی و در نهایت سیستم های مبتنی بر هوش مصنوعی پیشرفته تغییر می کنند (کوهتامکی و همکاران ، 2019).

This paper seeks to identify the contributions of artificial intelligence (AI) to supply chain management (SCM) through a systematic review of the existing literature. To address the current scientific gap of AI in SCM, this study aimed to determine the current and potential AI techniques that can enhance both the study and practice of SCM. Gaps in the literature that need to be addressed through scientific research were also identified. More specifically, the following four aspects were covered: (1) the most prevalent AI techniques in SCM; (2) the potential AI techniques for employment in SCM; (3) the current AI-improved SCM subfields; and (4) the subfields that have high potential to be enhanced by AI. A specific set of inclusion and exclusion criteria are used to identify and examine papers from four SCM fields: logistics, marketing, supply chain and production. This paper provides insights through systematic analysis and synthesis. Introduction: The world has been moving towards a digital future over the years, and Industry 4.0 technologies are considered to be the way of the future (Kumar et al., 2020). One of the most prominent of these technologies (including blockchain, IoT, cloud computing, etc.) is artificial intelligence (AI) (Dirican, 2015), defined as the capability of machines to communicate with, and imitate the capabilities of, humans (Schutzer, 1990). Using AI leads to problem solving with higher accuracy, higher speed and a larger amount of inputs. AI is neither a new subject nor a new academic field of study (Huin et al., 2003); however, only recently have technological developments shown that AI has a vast set of applications (Min, 2010), making headlines by adapting processes in numerous diverse areas (Martínez-López and Casillas, 2013, Jarrahi, 2018), including supply chain management (SCM). While some areas of information technology are being reduced to a position of competitive necessity, AI technology is emerging as a competitive advantage (Thow-Yick and Huu-Phuong, 1990). In this regard, many companies are shifting from remote monitoring to control, optimization, and finally, advanced autonomous AI-based systems to improve their functionality (Kohtamäki et al., 2019).

ترجمه این مقاله در 40 صفحه آماده شده و در ادامه نیز صفحه 5 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.