کتاب صوتی بهینه‌سازی زنجیره تأمین با هوش مصنوعی: استراتژی‌های پیش‌بینی تقاضا و مدیریت موجودی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی زنجیره تأمین با هوش مصنوعی: استراتژی‌های پیش‌بینی تقاضا و مدیریت موجودی

موضوع کلی: استراتژی‌ها و اقتصاد پیاده‌سازی هوش مصنوعی

موضوع میانی: هوش مصنوعی در تولید (Industry 4.0)

📋 سرفصل‌های دوره

• 1. نقش و ارزش هوش مصنوعی در زنجیره تأمین تولید
• 2. ساختار تصمیم‌های برنامه‌ریزی، تأمین، تولید و توزیع
• 3. شاخص‌های عملکرد پیش‌بینی، موجودی و سطح خدمت
• 4. اثر شلاقی و نقش داده و هوش مصنوعی در کاهش آن
• 5. سطوح پیش‌بینی تقاضا و مسئله تجمیع و تفکیک
• 6. منابع داده در ERP، MES، CRM، IoT و بازار
• 7. پاک‌سازی و یکپارچه‌سازی داده‌های زنجیره تأمین
• 8. مهندسی ویژگی برای مدل‌های پیش‌بینی تقاضا
• 9. تحلیل اکتشافی داده و کشف الگوهای تقاضا
• 10. مدل‌سازی فصلی‌بودن، روندها و تقویم کاری
• 11. پیش‌بینی تقاضای متناوب و کندچرخش
• 12. پیش‌بینی تقاضای کالاهای جدید و داده‌های محدود
• 13. پیش‌بینی سلسله‌مراتبی برای کالا، منطقه و کانال
• 14. مدل‌های پایه آماری و انتخاب خط مبنا
• 15. رگرسیون و مدل‌های توضیحی پیش‌بینی تقاضا
• 16. جنگل تصادفی و گرادیان بوستینگ در پیش‌بینی تقاضا
• 17. مدل‌های یادگیری ماشین برای سری‌های زمانی
• 18. شبکه‌های عصبی عمیق برای الگوهای پیچیده تقاضا
• 19. مدل‌های احتمالاتی و پیش‌بینی توزیع تقاضا
• 20. پیش‌بینی چندکی و تخمین عدم‌قطعیت
• 21. اثر متغیرهای بیرونی و علیت در تقاضا
• 22. مدل‌سازی اثر تبلیغات، تخفیف‌ها و رویدادها
• 23. تقاضاسنجی بلادرنگ با داده‌های عملیاتی
• 24. آشتی‌سازی پیش‌بینی‌ها در سطوح مختلف برنامه‌ریزی
• 25. معیارهای دقت، بایاس و خطای پیش‌بینی
• 26. پایش افت کیفیت، تغییر توزیع و انحراف مدل
• 27. تبدیل عدم‌قطعیت پیش‌بینی به سیاست موجودی
• 28. شبیه‌سازی سناریو برای شوک‌های عرضه و تقاضا
• 29. اتصال پیش‌بینی تقاضا به فرایند S&OP
• 30. پیش‌بینی مشارکتی با فروش، مشتریان و تأمین‌کنندگان
• 31. ساختار هزینه‌های موجودی و سطح خدمت
• 32. قطعه‌بندی موجودی با تحلیل ABC و XYZ
• 33. تعیین سیاست سطح خدمت بر اساس ارزش و ریسک کالا
• 34. مقدار سفارش اقتصادی و محدودیت‌های کاربردی آن
• 35. نقطه سفارش و موجودی ایمنی در تقاضای تصادفی
• 36. سیاست‌های بازبینی مستمر و دوره‌ای موجودی
• 37. سیاست‌های حداقلی–حداکثری و سفارش چندکالا
• 38. بهینه‌سازی موجودی چندمرحله‌ای در شبکه تأمین
• 39. تخصیص موجودی ایمنی در شبکه‌های چندمکانی
• 40. مدیریت موجودی کالاهای فاسدشدنی و دارای تاریخ انقضا
• 41. پیش‌بینی و مدیریت موجودی قطعات یدکی
• 42. مدیریت موجودی با محدودیت بودجه، فضا و ظرفیت
• 43. سیاست‌های تجدید موجودی پویا بر اساس شرایط بازار
• 44. یادگیری تقویتی برای تصمیم‌های سفارش‌گذاری
• 45. پیش‌بینی زمان تحویل و تغییرپذیری تأمین‌کنندگان
• 46. پیش‌بینی اختلال تأمین و اثر آن بر موجودی
• 47. بهینه‌سازی یکپارچه پیش‌بینی تقاضا و برنامه‌ریزی موجودی
• 48. برنامه‌ریزی تصادفی برای تصمیم‌های موجودی
• 49. بهینه‌سازی استوار در برابر عدم‌قطعیت شدید
• 50. مدل‌سازی عدد صحیح برای محدودیت‌های سفارش و حمل
• 51. همزاد دیجیتال برای آزمایش سیاست‌های زنجیره تأمین
• 52. داده‌های IoT و تولید هوشمند در کنترل موجودی
• 53. برج کنترل زنجیره تأمین و هشدارهای هوشمند
• 54. طراحی پایپ‌لاین داده و مدل برای استقرار صنعتی
• 55. اصول MLOps برای چرخه عمر مدل‌های پیش‌بینی
• 56. استقرار مدل در سیستم‌های ERP و APS
• 57. پایش عملکرد مدل و سیاست موجودی پس از استقرار
• 58. تفسیرپذیری مدل‌ها برای تصمیم‌گیران زنجیره تأمین
• 59. حکمرانی داده و مدل در برنامه‌ریزی هوشمند
• 60. حریم خصوصی، امنیت سایبری و دسترسی به داده‌ها
• 61. طراحی تعامل انسان و هوش مصنوعی در تصمیم‌های موجودی
• 62. آزمون A/B و آزمایش‌های کنترل‌شده سیاست‌های هوشمند
• 63. محاسبه ارزش کسب‌وکار و بازگشت سرمایه پروژه
• 64. برآورد هزینه کل مالکیت زیرساخت و مدل‌های هوش مصنوعی
• 65. تصمیم ساخت، خرید یا مشارکت در راه‌حل هوش مصنوعی
• 66. اولویت‌بندی موارد استفاده و تدوین نقشه راه اجرا
• 67. مدیریت تغییر، مهارت‌ها و پذیرش کاربران
• 68. مطالعه موردی کاهش خطای پیش‌بینی در تولید چندمحصولی
• 69. مطالعه موردی بهینه‌سازی موجودی در شبکه چندمکانی
• 70. پروژه پایانی: طراحی سامانه پیش‌بینی تقاضا و سیاست موجودی