عنوان فارسی مقاله:ارزیابی عملکرد سیستم مدیریت زنجیره تأمین پایدار در صنعت خودرو با استفاده از هوش مصنوعی

چکیده

افزایش پایداری یک سیستم با ارزیابی سیستم، شناسایی مسائل و علت اصلی آنها و حل آنها محقق می‌شود. ارزیابی عملکرد به شاخص‌های کلیدی عملکرد (KPI) با تأثیر زیاد بر افزایش کارایی و اثر بخشی کلی تبدیل می‌شود. از آنجایی که مجموعه KPI ها در طول زمان در زمینه ارزیابی عملکرد سیستم مدیریت زنجیره تأمین (SCM) و ارزیابی، ارتباط و مدیریت ریسک‌های آن افزایش یافته است، یک مدل ریاضی مبتنی بر شبکه‌های عصبی ایجاد شده است. سیستم SCM به زیرسیستم‌هایی با مرتبط‌ترین KPI برای زیرسیستم‌های مجموعه و مهم‌ترین مشارکت آنها در افزایش عملکرد کلی سیستم SCM و پایداری ساختار یافته است. در نتیجه تحقیق انجام شده بر اساس روش مصاحبه، پنج KPI مرتبط هر زیرسیستم SCM و مرتبط‌ترین مشکلات برجسته شده است. هدف اصلی این مقاله توسعه یک مدل ارزیابی عملکرد است که مشکلات خاص را با مرتبط‌ترین KPI ها برای هر زیرسیستم مدیریت زنجیره تأمین مرتبط می‌کند. این مقاله نشان می‌دهد که با استفاده از داده کاوی، رابطه بین مشکلات خاصی که در مدیریت زنجیره تأمین هر شرکت ظاهر می‌شود و KPI های خاص قابل شناسایی است. این مقاله با یک رابط کاربری گرافیکی (GUI) مبتنی بر شبکه‌های عصبی با استفاده از الگوریتم هوش مصنوعی پرسپترون چندلایه که در آن قابل‌اعتمادترین KPI برای هر مشکل انتخاب شده قابل پیش‌بینی است، به پایان می‌رسد. این جنبه کمک بسیار نوآورانه‌ای را در حل مشکلات مدیریت زنجیره تأمین ارائه شده توسط سازمان‌ها با اجازه دادن به آنها برای پیگیری، ارتباط، تجزیه و تحلیل و بهبود سیستم SCM و اطمینان از پایداری کلی سیستم ارائه می‌دهد.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Performance Evaluation for a Sustainable Supply Chain Management System in the Automotive Industry Using Artificial Intelligence

Abstract

Increasing the sustainability of a system can be achieved by evaluating the system, identifying the issues and their root cause and solving them. Performance evaluation translates into key performance indicators (KPIs) with a high impact on increasing overall efficacy and efficiency. As the pool of KPIs has increased over time in the context of evaluating the supply chain management (SCM) system’s performance and assessing, communicating and managing its risks, a mathematical model based on neural networks has been developed. The SCM system has been structured into subsystems with the most relevant KPIs for set subsystems and their most important contributions on the increase in the overall SCM system performance and sustainability. As a result of the performed research based on the interview method, the five most relevant KPIs of each SCM subsystem and the most relevant problems are underlined. The main goal of this paper is to develop a performance evaluation model that links specific problems with the most relevant KPIs for every subsystem of the supply chain management. This paper demonstrates that by using data mining, the relationship between certain problems that appear in the supply chain management of every company and specific KPIs can be identified. The paper concludes with a graphical user interface (GUI) based on neural networks using the multilayer perceptron artificial intelligence algorithm where the most trustworthy KPIs for each selected problem can be predicted. This aspect provides a highly innovative contribution in solving supply chain management problems provided by organizations by allowing them to holistically track, communicate, analyze and improve the SCM system and ensure overall system sustainability.