دانلود پاورپوینت مقاله کاربرد هوش مصنوعی در زنجیره تامین

هوش مصنوعی (AI)، همراه با افزایش اهمیتش در صنعت، یک حضور بیشتر و گسترده تر در مباحث علمی از خود نشان داده و این حضور بر بسیاری از زمینه ها، مانند پژوهش تجاری، که این موضوع را مورد استفاده قرار داده اند، قرار گرفته است و اکنون AI از یک جنبه کلی نگرتر، مورد پژوهش قرار می گیرد، به نحوی که مدیریت زنجیره تامین (SCM) به عنوان یکی از زمینه هایی تشخیص داده شده که به احتمال زیاد از کاربردهای AI، بهره خواهد برد. با اینکه توجه متخصصان و پژوهشگران به این موضوع زیاد است، اما هنوز نیاز به بررسی کاربرد AI برای زمینه SCM، وجود دارد. چندین مطالعه این نیاز را ذکر کرده اند. این خلاء بوسیله مطالعه حاضر از طریق یک مرور سیستماتیک، و با پاسخ به پرسش پژوهشی زیر (RQ اصلی)، برطرف می شود:

هوش مصنوعی (AI) چگونه در مطالعات مدیریت زنجیره تامین (SCM)، مشارکت پیدا می کند؟

این پاورپوینت در 22 اسلاید آماده شده و در ادامه نیز اسلاید شماره 2 آن قرار داده شده است:

مدیریت یک شبکه از روابط درون یک شرکت و بین سازمان ها و واحدهای تجاری به هم وابسته، متشکل از تامین کنندگان مواد، خرید، بخشهای تولید، لجستیک، بازاریابی و سیستم های مرتبط که، جریان رو به جلو و رو به عقب مواد، خدمات، منابع مالی و اطلاعات، از تولید کننده اصلی به مشتری نهایی، با مزیت های ارزش افزایی، بیشینه سازی سودآوری از طریق بازده و دستیابی به رضایت مشتری را تسهیل می کند.

در ادامه، اسلاید شماره 15 این پاورپوینت، قرار داده شده است:

پیشرفت های اخیر در قدرت محاسبات کامپیوترها، رشد و پیچیدگی کاربردهای AI را ممکن ساخته است. براساس این، هدف پژوهش حاضر، شفاف سازی این بود که AI چه مشارکتی در مطالعات SCM دارد و این کار را از طریق مرور سیستماتیک مقالات، انجام دادیم.

یافته های ما بیان می کنند که از میان چندین روش AI مختلف، تعدادی در دامنه گسترده ای در مقایسه با دیگر موارد، بکار گرفته شده اند. نتایج ما نشان می دهند که رایج ترین روش شبکه عصبی مصنوعی (ANN) می باشند که معمولاً برای یافتن الگوهای پیچیده که انسان ها نمی توانند، مورد استفاده قرار می گیرند. از ANN ها می توان برای تکنیک هایی مانند عملیات های بسته بندی و ترمینال کانتینر استفاده کرد، عملیات هایی که احتمالاً تاثیر روبوتیک بیشتری رو به جلو شاهد خواهد بود. بنابراین، چندین دسته از مسائل، شامل دسته بندی الگو، تقریب، بهینه سازی، خوشه بندی، کارکرد (یا تابع)، پیش بینی، بازیابی محتوا و کنترل فرآیند، را می توان حل نمود. دومین روش پراستفاده، منطق فازی (FL) است که نوعی منطق چند ارزشی است که مفهوم واقعیت جزئی را مدیریت می کند. FL، عملگرهای بولی ساده را با فراهم کردن و ارائه یک سری دلالت ها، تعمیم می دهد. برعکس نظریه مجموعه متداول، که در آن یک شی یا عضوی از مجموعه است یا نیست، یک مجموعه فازی، هر مقداری بین 0 و 1 می گیرد. به این صورت، مدل های فازی می توانند عبارت های مبهم را از طریق زبان طبیعی، توصیف کنند. نتایج نشان می دهند که FL کاربرد گسترده ای به عنوان یک ابزار مدل سازی دارد و همچنین یک روش پرطرفدار برای ایجاد سیستم های هوشمند ترکیبی است. روش سوم، ABS/MAS است که کاربرد گسترده ای در SCM دارد. این روش غالب، با درک محیط اطراف و سپس اقدام به صورت خودکار و پیش دستانه، برای حل یک مسئله خاص عمل می کند. مجریان یا عامل ها بطور گسترده ای در SCM بکار گرفته شده اند تا چندین نوع مسئله در برنامه ریزی زنجیره تامین، طراحی و شبیه سازی سیستم های زنجیره تامین، تحلیل رفتار پیچیده زنجیره های تامین و مدل سازی مشارکت مبتنی بر مذاکره را حل کند.