في عالم يتسم بتقلبات الطلب وعدم اليقين في الإمدادات، يعد تحقيق مرونة وكفاءة سلسلة التوريد أمرًا ضروريًا للغاية، خصوصًا في الصناعات مثل المنسوجات ومعدات الحماية الشخصية. لكن الطرق التقليدية لتوقع الطلب وتحسين سلسلة التوريد غالبًا ما تعمل بشكل منفصل، مما يحد من فعاليتها التطبيقية في الواقع.

هنا يأتي دور إطار الذكاء الاصطناعي الهجين لتوقع الطلب وتحسين سلسلة التوريد (HAF-DS)، الذي يتكامل فيه نظام توقع الطلب القائم على الذاكرة طويلة الأمد (LSTM) مع طبقة تحسين برمجة خطية مختلطة (MILP). يلعب نظام LSTM دورًا حيويًا في التقاط الاعتماديات الزمنية والسياقية للطلب، بينما تحدد طبقة MILP قرارات الإمداد والتخصيص الأكثر فعالية من حيث التكلفة.

هذا الإطار الهجين يقلل من خطأ التوقعات وتكاليف التشغيل من خلال تمثيل الميزات المعتمد على التضمين والهياكل العصبية المتكررة.

أظهرت التجارب على بيانات مبيعات المنسوجات وسلاسل التوريد تحسنًا كبيرًا، حيث تمكن HAF-DS من تقليل متوسط الخطأ المطلق (MAE) من 15.04 إلى 12.83 (بنسبة 14.7%)، وتقليل الجذر التربيعي لمتوسط الخطأ المطلق (RMSE) من 19.53 إلى 17.11 (بنسبة 12.4%)، كما انخفض متوسط نسبة الخطأ المطلق (MAPE) من 9.5% إلى 8.1%.

إضافةً إلى ذلك، انخفضت تكاليف المخزون بنسبة 5.4%، وتراجعت حالات نفاد المخزون بنسبة 27.5%، فيما ارتفع مستوى الخدمة من 95.5% إلى 97.8%. هذه النتائج تعلن أن ربط التوقعات التنبؤية مع التحسين الوصفي يعزز من الدقة والكفاءة، مُقدمًا حلًا قابلًا للتوسع والتكيف في سلاسل توريد المنسوجات ومعدات الحماية الشخصية الحديثة.

ماذا عن رأيكم في هذا التطور المذهل؟ دعونا نتبادل الآراء في التعليقات!