دانلود ترجمه مقاله یکپارچه سازی هوش مصنوعی در زنجیره تامین به منظور ارتقای تولید پایدار

1. مقدمه 2. مواد و روش‌ها 3. نتایج 4. بحث و بررسی 5. نتیجه‌گیری

چکیده – امروزه، یکپارچه‌سازی هوش مصنوعی (AI) در زنجیره‌های تامین (SCs) یک چالش قابل توجه هم در حوزه پژوهش و هم برای مدیران تولید محسوب می‌شود. هدف اصلی این مطالعه، تعیین نقش هوش مصنوعی در بستر زنجیره‌های تامین نوین، مطابق با مفهوم صنعت 5.0، به منظور بهبود سطح تولید پایدار است. این پژوهش بر اساس تحلیل سیستماتیک مقالات علمی و استفاده از روش‌شناسی PRISMA انجام شد. با توجه به دیدگاه نسبتاً نو در زمینه گنجاندن هوش مصنوعی در زنجیره‌های تامین، تصمیم بر آن شد که سال‌های 2021 تا 2024 مورد تحلیل قرار گیرند. در مجموع، 1181 مقاله پژوهشی در پایگاه‌های Science Direct، Springer و Willey Online Library شناسایی شد که حاوی روش‌ها و ابزارهای مبتنی بر هوش مصنوعی در حمایت از زنجیره‌های تامین بودند. این مقالات با هدف شناسایی پیامدها و چالش‌های یکپارچه‌سازی هوش مصنوعی در زنجیره‌های تامین در بستر تولید پایدار (SP) مورد بررسی قرار گرفتند. سپس، در این مطالعه 48 مقاله به تفصیل تحلیل شدند. یافته‌های حاصل، ابزارهای اصلی مبتنی بر هوش مصنوعی به‌کاررفته در زنجیره‌های تامین را برجسته ساختند و مزایای اصلی این یکپارچه‌سازی را برای حوزه تولید در زمینه‌های زیر آشکار کردند: نگهداری پیش‌بینانه، برنامه‌ریزی تولید و روابط با مشتری. یافته‌های مطالعه ما، چالش‌ها و جهت‌گیری‌های اصلی را به شرح زیر نشان دادند: (1) یکپارچه‌سازی دیجیتالی‌سازی و تولید پایدار سبز به منظور ایجاد تاب‌آوری در تولید پایدار، (2) ایجاد محیط کار پایدار، و (3) توسعه معماری پایدار و پیشرفته برای روابط با مشتری.

Nowadays, integrating Artificial Intelligence (AI) into supply chains (SCs) is a great challenge in research and for manufacturing managers. The main goal of this study is to determine the role of AI in the context of the new SCs, according to the concept of Industry 5.0. in order to improve the level of sustainable production. The research was based on a systematic analysis of the scientific literature and application of the PRISMA methodology. Due to the relatively new vision of introducing AI into SC, it was decided to analyse the years 2021–2024. A total of 1181 research articles were identified in Science Direct, Springer and the Willey Online Library that combined AI-based methods and tools that support SCs in order to identify the impacts and challenges of integrating AI in SCs in the context of sustainable production (SP). In this study, 48 items were then analysed in detail. The results achieved highlighted the main AI-based tools applied in SCs and, secondly, revealed the main benefits of this integration for manufacturing in the following areas of manufacturing: predictive maintenance, production planning and customer relationships. The findings of our study revealed the main challenges and directions: (1) integrating digitalisation and green SP in order to build resilience to the SP, (2) create a sustainable work environment, (3) and develop a sustainable and advanced architecture for relationships with customers.