نموذج لغوي مذهل يثوّر تشكيلات بحوث العمليات في توزيع المخزون عبر مستودعات متعددة!

في عالم اللوجستيات المتنامي والسريع، تعتبر إدارة المخزون بين مستودعات متعددة واحدة من أعقد التحديات. تمثل النماذج التقليدية لها، المعروفة بالبرمجة المختلطة (Mixed Integer Programming - MIP)، حلولاً مثالية، لكنها غالباً ما تفشل في مواجهة الظروف المتغيرة. في دراسة حديثة تم تقديمها على arXiv، تم استخدام نموذج لغوي ضخم (Large Language Model - LLM) لتطوير إطار عمل يحقق تطوراً ملحوظاً في تحديد التشكيلات الأكثر فعالية لهذه العمليات.

تتناول هذه الدراسة مشكلة اختيار تشكيلات بحوث العمليات، حيث يتم تخصيص كل حالة توزيع إلى تشكيل قابل للتنفيذ من مكتبة الخبراء في بحوث العمليات. يتم تعزيز ذلك من خلال نموذج LLM موجه مساعدة، حيث يرتبط كل خبير لتشكيل برمجي مخصص يركز على أولويات معينة في التخصيص.

للقيام بذلك، يبدأ الإطار بتكوين سجلات مفصلة تحاكي توازن الخبراء للتعلم. وبعد تقييم البرمجة المختلطة على حالات تاريخية، يتم تحويل فجوات جودة التخصيص إلى تفضيلات باستخدام أسلوب تحسين يحسن من احتمالية الاختيار في العمليات. التجارب التي أجريت باستخدام بيانات من JD.com، أحد أكبر تجار التجزئة عبر الإنترنت في الصين، أظهرت تحسينات ملحوظة حيث زادت دقة الاختيار وارتفعت جودة التخصيص بشكل لم يسبق له مثيل.

مع تطبيق تلك الأساليب، ارتفعت نسبة تحقيق الهدف من 21.45% إلى 50.42%، بينما زادت أيضاً نسبة تحقيق الهدف الثاني من 70.47% إلى 82.31%. هذه النتائج لا تعكس فقط تحسينات في الأداء، بل تُظهر أيضاً قدرة الذكاء الاصطناعي على تحويل التحديات اللوجستية إلى فرص حقيقية. في النهاية، يبدو أن هذا النموذج يمثل خطوة جديدة نحو مستقبل أكثر كفاءة في إدارة اللوجستيات.