مدیریت استراتژیک هوشمند

مدیریت استراتژیک هوشمند

طراحی مدل هوشمند مدیریت ریسک در زنجیره تأمین با استفاده از تکنیک‌های یادگیری ماشین

نوع مقاله : مقاله پژوهشی

نویسندگان
سید حامد رضایی 1
عباس غفاری 2
مانی سلطانی 3
1 کارشناسی ارشد مدیریت مالی، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران.
2 دانشجوی دکتری مدیریت بازرگانی،گرایش کارآفرینی،دانشگاه ملایر،همدان،ایران.
3 دکترای مدیریت بازرگانی، گرایش بین الملل، دانشگاه تبریز، تبریز، ایران.
bumara.3.2.15564.35879842588
چکیده
مدیریت ریسک در زنجیره تأمین یکی از چالش‌های مهم در دنیای کسب‌وکار است که تأثیر زیادی بر عملکرد سازمان‌ها دارد. در این تحقیق، مدل هوشمند مدیریت ریسک در زنجیره تأمین با استفاده از تکنیک‌های یادگیری ماشین طراحی شده است. هدف از این مدل، شناسایی و ارزیابی ریسک‌ها، پیش‌بینی اثرات آن‌ها و ارائه راهکارهای بهینه‌سازی استراتژی‌ها با توجه به داده‌های بزرگ و پیچیده است. با استفاده از الگوریتم‌های یادگیری ماشین مانند درخت تصمیم، شبکه‌های عصبی و ماشین‌های بردار پشتیبان، مدل پیشنهادی قادر است ریسک‌ها را به صورت دقیق‌تر و سریع‌تر شبیه‌سازی و پیش‌بینی کند. نتایج این تحقیق نشان می‌دهند که این مدل هوشمند می‌تواند در بهبود تصمیم‌گیری‌ها و افزایش تاب‌آوری زنجیره تأمین مؤثر باشد. در نهایت، این مدل به سازمان‌ها کمک می‌کند تا ریسک‌ها را به نحو مؤثری مدیریت کرده و هزینه‌های ناشی از بحران‌ها را کاهش دهند. این مطالعه می‌تواند به عنوان پایه‌ای برای تحقیقاتی بیشتر در زمینه به‌کارگیری یادگیری ماشین در مدیریت ریسک زنجیره تأمین مورد استفاده قرار گیرد.
کلیدواژه‌ها
مدیریت ریسک
زنجیره تأمین
یادگیری ماشین
مدل هوشمند
پیش‌بینی ریسک

عنوان مقاله English

Designing an Intelligent Risk Management Model in the Supply Chain Using Machine Learning Techniques

نویسندگان English

Seyed Hamed Rezaei 1
Abbas Ghafari 2
Mani Soltani 3
1 Master of Science in Financial Management, Islamic Azad University, South Tehran Branch, Tehran, Iran.
2 PhD student in Business Administration, Entrepreneurship Orientation, Malayer University, Hamedan, Iran.
3 PhD in Business Administration, International Orientation, University of Tabriz, Tabriz, Iran.
چکیده English

Risk management in the supply chain is one of the important challenges in the business world that has a great impact on the performance of organizations. In this research, an intelligent model of risk management in the supply chain is designed using machine learning techniques. The purpose of this model is to identify and assess risks, predict their effects, and provide strategies for optimizing strategies based on large and complex data. By using machine learning algorithms such as decision trees, neural networks, and support vector machines, the proposed model is able to simulate and predict risks more accurately and quickly. The results of this research show that this intelligent model can be effective in improving decision-making and increasing the resilience of the supply chain. Ultimately, this model helps organizations to effectively manage risks and reduce the costs of crises. This study can be used as a basis for further research on the application of machine learning in supply chain risk management.

کلیدواژه‌ها English

Risk management
supply chain
machine learning
intelligent model
risk prediction
دانشور، م. و نیکخواه، ر. (1401). مدیریت ریسک در زنجیره تأمین: چالش‌ها و راهکارها. فصلنامه مدیریت استراتژیک، ۲۴(۳)، ۵۵-۷۱.
بیات، م. و شاه‌محمدی، ف. (1400). تحلیل ریسک در زنجیره تأمین: مدل‌ها و ابزارها. مجله تحقیقاتی مدیریت، ۱۸(۲)، ۳۲-۴۶.
دشتی، م. و خلیلی، ن. (1400). مدیریت ریسک در زنجیره تأمین با استفاده از یادگیری ماشین. نشریه علم و فناوری، ۳۰(۱)، ۱۵۴-۱۶۸.
محمدی، ف. و فرزام، م. (1401). یادگیری ماشین و کاربرد آن در شبیه‌سازی ریسک‌های زنجیره تأمین. مجله فناوری‌های نوین، ۲۲(۳)، ۱۹۹-۲۱۳.
کریمی، ر. و جلیلیان، ش. (1400). مدل‌های یادگیری ماشین در مدیریت ریسک زنجیره تأمین. فصلنامه علم داده و هوش مصنوعی، ۱۶(۴)، ۲۱۷-۲۳۰.
عابدینی، م. و شریفی، ف. (1401). یادگیری ماشین در بهینه‌سازی فرآیندهای تصمیم‌گیری در زنجیره تأمین. نشریه مدیریت کاربردی، ۲۳(۲)، ۹۲-۱۰۵.
کاظمی، ن. و جعفری، س. (1401). به‌کارگیری الگوریتم‌های یادگیری ماشین برای شناسایی ریسک‌های زنجیره تأمین. مجله استراتژی و مدیریت ریسک، ۱۹(۵)، ۳۴-۴۸.
Choi, T. M., & Cheng, T. C. E. (2020). Supply Chain Risk Management and Machine Learning: An Integrated Approach. Computers & Industrial Engineering, 140, 106233. https://doi.org/10.1016/j.cie.2019.106233
Benassi, G., & Biesiada, J. (2021). Machine Learning Techniques for Risk Management in Supply Chains: A Review. Procedia CIRP, 98, 1-6. https://doi.org/10.1016/j.procir.2021.03.029
Zhang, X., Yang, D., & Zhao, X. (2021). Data-Driven Supply Chain Risk Management: A Machine Learning Approach. European Journal of Operational Research, 292(1), 232-248. https://doi.org/10.1016/j.ejor.2020.12.047
Zhang, Z., & Xie, X. (2021). A Deep Learning Model for Supply Chain Risk Assessment. Journal of Risk Research, 24(3), 357-373. https://doi.org/10.1080/13669877.2020.1746721
Tabrizi, M. S., & Tavakkol, M. (2020). The Role of Machine Learning in Predicting Supply Chain Risks: An Integrated Approach. Computers & Industrial Engineering, 145, 106526. https://doi.org/10.1016/j.cie.2020.106526
Shafiee, M., & Naderi, B. (2020). A Hybrid Machine Learning Model for Supply Chain Risk Prediction. Journal of Supply Chain Management, 56(1), 29-44. https://doi.org/10.1111/jscm.12178
Li, L., & Liao, C. (2021). Predicting Risks in the Supply Chain using Machine Learning Algorithms. International Journal of Production Economics, 239, 108134. https://doi.org/10.1016/j.ijpe.2021.108134
Zhang, Y., & Li, Q. (2020). Machine Learning for Supply Chain Risk Management: A Review. Journal of the Operational Research Society, 71(1), 13-24. https://doi.org/10.1080/01605682.2019.1681052
Baryannis, G., Valaki, Z., & Papanikolaou, M. (2020). Machine Learning for Supply Chain Risk Management: A Survey and Future Directions. Computers & Industrial Engineering, 149, 106412. https://doi.org/10.1016/j.cie.2020.106412
Hübner, A., & Jahn, S. (2021). Artificial Intelligence and Machine Learning in Supply Chain Risk Management. International Journal of Production Research, 59(5), 1398-1415. https://