|
سارا چراغی دانشجوی دکتری رشته مهندسی صنایع، از رساله خود با عنوان «رویکرد ترکیبی مبتنی بر یادگیری تقویتی برای مسأله مدیریت موجودی یکپارچه دوسطحی از محصول فسادپذیر با عمر ثابت و دارای جایگزین (موردکاوی: محصول خون) » به راهنمایی آقای دکتر حائری ۲۴ آبان ماه ۱۴۰۴ ساعت ۱۷:۳۰ دفاع خواهد نمود.
استاد راهنما: آقای دکتر عبدالرحمن حائری
استاد مشاور: آقای دکتر سیدفرید قنادپور
اساتید داور داخلی: آقای دکتر محمدرضا غلامیان - آقای دکتر سعید یعقوبی
اساتید داور خارجی: آقای دکتر بختیار استادی- آقای دکتر رضا رمضانیان
زمان دفاع: ۲۴ آبان ماه ۱۴۰۴- ساعت ۱۷:۳۰ کلاس ۲۰۸ ( طبقه دوم دانشکده)
چکیده:
مدیریت موجودی در زنجیره تأمین محصولات فسادپذیر نظیر محصولات خون، به‌دلیل عمر محدود و تنوع محصولات چالش برانگیز است. اتلاف این محصولات به‌دلیل محدودیت منابع و هزینه‌های عملیاتی، پیامدهای اقتصادی و انسانی قابل توجهی دارد. از سوی دیگر، کمبود این محصولات می‌تواند منجر به لغو خدمات درمانی حیاتی و به خطر افتادن سلامت و حیات بیماران شود. بعلاوه، شرایط عدم قطعیت و رفتار نقاط مصرف‌کننده تحت این شرایط قابل پیش‌بینی نیست. برخی از مراکز درمانی در مواجهه با ریسک کمبود، تمایل به رفتار محافظه‌کارانه و سفارش بیش از نیاز واقعی خود دارند. این رفتار، در سطح شبکه زنجیره تامین می‌تواند منجر به اتلاف منابع و اختلال در تخصیص بهینه موجودی بین سایر اعضای شبکه شود. روش‌های کلاسیک مدیریت موجودی و مواجهه با عدم قطعیت، ناکارآمد، پرهزینه، بیش‌ازحد محافظه‌کارانه و یا دارای خطا هستند؛ زیرا در بسیاری از موارد عملی، یا داده تاریخی کافی برای برآورد دقیق توزیع پارامتر غیرقطعی وجود ندارد و یا پویایی محیط موجب کاهش اعتبار برآوردهای پیشین می‌شود. در چنین شرایطی، به‌ویژه در زنجیره تأمین مذکور، که تصمیمات می‌بایست در بازه‌های زمانی کوتاه و با دقت بالا اتخاذ شوند، طراحی چارچوب واکنش گرا و تطبیق‌پذیر برای تصمیم‌گیری در محیط‌های غیرقطعی و پویا، ضرورتی اجتناب‌ناپذیر است. یادگیری تقویتی به‌عنوان شاخه‌ای از هوش مصنوعی و یادگیری ماشین، با یادگیری از تعامل با محیط، به‌روزرسانی تصمیمات بر اساس بازخورد و سازگاری با شرایط متغیر، تصمیم بهینه برای هر وضعیتی که سیستم می تواند در آن قرار گیرد را می یابد. این رساله، با استفاده از مفهوم یادگیری تقویتی به دنبال بهینه‌سازی سفارش‌دهی و تخصیص محصولات در زنجیره تامین فسادپذیر با توجه به چالشهای مطرح شده است. به طور مشخص نوآوری این پژوهش عبارتست از: (۱) ارائه چارچوب تصمیم گیری ترکیبی پویا و تطبیق پذیر مبتنی بر یادگیری تقویتی برای مدیریت موجودی و توزیع محصولات فسادپذیر، (۲) در نظر گرفتن معیار عملکرد نقاط مصرف کننده (در اینجا میزان اتلاف بیمارستانها) در مدل یادگیری تقویتی به منظور بهبود تصمیم گیری در مورد طرح تدارکات، (۳) در نظر گرفتن اولویت بندی بیمارستانها به صورت پویا بر اساس عملکرد آنها به منظور بهبود طرح توزیع.
به‌منظور ارزیابی عملکرد چارچوب پیشنهادی، چندین مساله آزمایشی و یک توپولوژی واقعی از شبکه بیمارستانی با محوریت محصول پلاکت خون مورد استفاده قرار گرفته است. نتایج حاصله بیانگر این است که چارچوب پیشنهادی، موجب صرفه‌جویی در هزینه‌ها (%۱۲.۳۹)، کاهش اتلاف منابع (۱۷.۶۷%) و بهبود کیفیت انتقال محصولات (%۱۵.۴۷) بعنوان نمونه در یکی از بررسی‌ها شده است. این رساله، افق جدیدی در بهره‌گیری از تکنیکهای هوش مصنوعی برای تجویز تصمیمات بهینه در زنجیره‌های تأمین فسادپذیر ترسیم می‌کند.
کلمات کلیدی: زنجیره تامین محصولات فسادپذیر، پلاکت، مدیریت موجودی، یادگیری تقویتی عمیق، افق برنامه‌ریزی غلتان
|
ind.iust.ac.ir
