بهینه سازی اقتصادی و پایدار زنجیره تامین پتروشیمی ایران با استفاده از فناوری هوش مصنوعی کاهش هزینه تولید افزایش سود صادراتی و مدیریت تعرفه های ورودی در شرایط تحریم

تحریم های اقتصادی زنجیره تامین صنعت پتروشیمی ایران را با چالش های متعددی مواجه کرده اند از جمله افزایش ۳۵ درصدی هزینه های لجستیک کاهش ۲۰ درصدی دسترسی به مواد اولیه انقباض ۳۰ درصدی بازارهای صادراتی، افزایش ۲۵ درصدی هزینه های تولید و تاثیر ۱۵ درصدی تعرفه های ورودی کالاها بر هزینه های عملیاتی. این مطالعه یک چارچوب پیشرفته مبتنی بر هوش مصنوعی (AI) برای بهینه سازی اقتصادی زنجیره تامین پیشنهاد می دهد. با بهره گیری از الگوریتم های یادگیری ماشین، شامل شبکه های عصبی بازگشتی (RNN) با واحدهای حافظه کوتاه مدت بلند (LSTM) برای پیش بینی تقاضا، الگوریتم های ژنتیک (GA) برای مدیریت موجودی، الگوریتم جستجوی هارمونی (HS) برای بهینه سازی مسیرهای لجستیک و مدل های تحلیل هزینه برای کاهش هزینه های تولید و مدیریت تعرفه های ورودی. این مدل روی مجموعه داده ای با بیش از ۱۵۰۰۰ نقطه داده از پنج شرکت بزرگ پتروشیمی ایران (۲۰۲۰-۲۰۲۴) اعمال شد. نتایج نشان دهنده کاهش ۲۲.۴ درصدی هزینه های زنجیره تامین از ۱۲ میلیون دلار به ۹.۳ میلیون دلار در سال برای یک شرکت نمونه، کاهش ۲۰ درصدی هزینه های تولید (از ۸.۵ میلیون دلار به ۶.۸ میلیون دلار در سال) و افزایش ۱۵ درصدی سود صادراتی از ۶۲ میلیون دلار به ۷۱ میلیون دلار در سال از طریق بهینه سازی بازارهای هدف و کاهش اثرات تعرفه های ورودی است.

Keywords:

هوش مصنوعی , زنجیره تامین پتروشیمی , تحریم های اقتصادی , پایداری زیست محیطی , شبکه های عصبی بازگشتی (RNN) , الگوریتم ژنتیک (GA) , جستجوی هارمونی (HS)