<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>موسسه انتشارات بین المللی  پژوهش‌های مدیریت</PublisherName>
				<JournalTitle>مدیریت استراتژیک هوشمند</JournalTitle>
				<Issn>2891-4128</Issn>
				<Volume>4</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2025</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>A Comprehensive Model for Assessing the Resilience and Sustainability of Smart Supply Chains by Integrating Machine Learning Algorithms and Strategic Multi-Criteria Decision-Making</ArticleTitle>
<VernacularTitle>ارائه مدلی جامع برای ارزیابی تاب‌آوری و پایداری زنجیره تأمین هوشمند با استفاده از ترکیب الگوریتم‌های یادگیری ماشین و تصمیم‌گیری چندمعیاره استراتژیک</VernacularTitle>
			<FirstPage>773</FirstPage>
			<LastPage>798</LastPage>
			<ELocationID EIdType="pii">253588</ELocationID>
			
<ELocationID EIdType="doi">10.87453/bumara.2026.373601.556</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>آرین</FirstName>
					<LastName>تشکر</LastName>
<Affiliation>کارشناس ارشد هوش مصنوعی، دانشگاه صنعتی اصفهان، اصفهان، ایران.</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>10</Month>
					<Day>06</Day>
				</PubDate>
			</History>
		    <Abstract>Purpose: Successive disruptions in modern supply chains and the imperative of sustainable development require organisations to adopt intelligent and strategic approaches. This study proposes a comprehensive and practical model for the simultaneous assessment and improvement of resilience and sustainability in smart supply chains by integrating machine learning tools with strategic multi-criteria decision-making methods.Methodology: The study is applied in purpose and descriptive-survey in data collection. First, the key dimensions and indicators of sustainability and resilience were identified and screened. Machine learning algorithms, including XGBoost and Random Forest, were then used to analyse operational performance data and to predict disruption risk. To support strategic decisions under uncertainty, the Fuzzy Best-Worst Method (Fuzzy BWM) was used to weight the criteria and Fuzzy TOPSIS was used to prioritise suppliers and optimisation strategies.Findings: The results indicate that combining the predictive analytics of machine learning with managers’ strategic judgements considerably improves the accuracy of resilience and sustainability assessment. Data transparency, operational flexibility and environmental responsibility received the highest priority in strategic decisions for smart supply chains.Conclusion: By linking operational data with high-level decision-making, the proposed model provides senior managers with a strategic roadmap for maintaining operational sustainability and competitive advantage in the face of crises and emerging phenomena.</Abstract>
			<OtherAbstract Language="FA">هدف: اختلالات متوالی در زنجیره‌های تأمین مدرن و ضرورت دستیابی به توسعه پایدار، سازمان‌ها را ملزم به اتخاذ رویکردهای هوشمند و استراتژیک کرده است. پژوهش حاضر با هدف ارائه مدلی جامع و کاربردی برای ارزیابی و ارتقای هم‌زمان تاب‌آوری و پایداری در زنجیره‌های تأمین هوشمند با تلفیق ابزارهای یادگیری ماشین و روش‌های تصمیم‌گیری چندمعیاره استراتژیک انجام شده است.روش‌شناسی: این پژوهش از نظر هدف، کاربردی و از نظر روش گردآوری داده‌ها، توصیفی-پیمایشی است. در گام نخست، ابعاد و شاخص‌های کلیدی پایداری و تاب‌آوری شناسایی و غربال شدند. سپس، با استفاده از الگوریتم‌های یادگیری ماشین، داده‌های عملکردی و ریسک‌های اختلال تحلیل و پیش‌بینی گردید. در ادامه، جهت اتخاذ تصمیمات استراتژیک در شرایط عدم قطعیت، از روش بهترین-بدترین فازی برای وزن‌دهی به معیارها و از روش تاپسیس فازی برای اولویت‌بندی و انتخاب تامین‌کنندگان و استراتژی‌های بهینه‌سازی استفاده شد.یافته‌ها: نتایج نشان داد که تلفیق تحلیل‌های پیش‌بینانه یادگیری ماشین با قضاوت‌های استراتژیک مدیران، دقت ارزیابی تاب‌آوری و پایداری را به میزان چشم‌گیری افزایش می‌دهد. همچنین شاخص‌های شفافیت داده‌ای، انعطاف‌پذیری عملیاتی و مسئولیت زیست‌محیطی بالاترین اولویت را در اتخاذ تصمیمات استراتژیک زنجیره تأمین هوشمند دارا هستند.نتیجه‌گیری: مدل پیشنهادی با پیوند دادن داده‌های عملیاتی به تصمیم‌گیری‌های سطح بالا، نقشه‌ای راهبردی در اختیار مدیران ارشد قرار می‌دهد تا در مواجهه با بحران‌ها و پدیده‌های نوظهور، پایداری عملیاتی و مزیت رقابتی سازمان را حفظ نمایند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">زنجیره تأمین هوشمند</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تاب‌آوری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">پایداری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">یادگیری ماشین</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تصمیم‌گیری چندمعیاره استراتژیک</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">الگوریتم‌های هوش مصنوعی</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.bumara.ir/article_253588_eb5a7a32af5b1dcc264899cfe9848a72.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
