في عالم الإنتاج الحديث، تصادف الشركات تحديات كبيرة عند محاولة تلبية الطلبات المتغيرة بسرعة. تستعرض الورقة البحثية الجديدة موضوع دراسة نموذج تخصيص السلاسل الإنتاجية متعددة العناصر، حيث تتمثل المشكلة الأساسية في كيفية إدارة الطلبات العشوائية بشكل فعال. يعتمد النموذج المطروح على عملية اتخاذ قرار ماركوفية زمنية منفصلة (Discrete-Time Markov Decision Process - DTMDP)، حيث تُعد فترات وصول الطلبات عشوائية، الأمر الذي يضيف تعقيدًا كبيرًا عند اتخاذ قرارات الإنتاج والتوزيع.

تتناول الدراسة كيفية اتخاذ قرارات الإنتاج وفق مواعيد نهائية مُحددة، حيث يجب تلبية كل طلب ضمن فترة زمنية معينة. هنا، يُظهر البحث كيف يمكن أن يؤثر توقيت الطلب العشوائي على عدد الحالات وحالة الانتقالات، مما يؤدي إلى زيادة الضغط على الذاكرة ومدة الحل. من أجل معالجة هذه المشكلة، تم اقتراح خوارزمية جينية (Genetic Algorithm - GA) تسعى إلى تحسين السياسات من خلال البحث في خيارات فعّالة ثم تقييم كل سياسة بدقة وفقًا لنموذج الانتقال DTMDP.

تم إجراء تجارب حسابية على 330 حالة مرجعية، حيث أظهرت النتائج أن الخوارزمية قريبة من الحلول المثلى المتاحة، بمعدل فجوة تحسين تبلغ حوالي 3.44%. وعند معالجة الحالات الأصعب، يمكن للخوارزمية البقاء أقل من 5% من فجوة التحسين وتحقيق زيادة في سرعة التحسين بمعدل 6.89 ± 1.41 على مستوى ثقة 95%.

تُظهر هذه النتائج المثيرة إمكانيات كبيرة لتحسين عملية الإنتاج من خلال استغلال نماذج التحليل المتقدم وزيادة فعالية التخصيص. ولذا يمكن القول إن هذا البحث يمهد الطريق لتحقيق تحسينات كبيرة في استراتيجيات إدارة الإنتاج، مما قد يسهم في توفير الوقت والتكاليف، وتعزيز القدرة التنافسية في السوق.