مروری بر نقش عامل های نرم افزاری هوشمند در مدیریت زنجیره تأمین

نویسندگان

1 کارشناس ارشد، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر تهران

2 کارشناس ارشد، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر

چکیده

در بازار رقابتی موجود، بنگاه­های اقتصادی و تولیدی علاوه­بر پرداختن به سازمان و منابع داخلی، خود را به مدیریت و نظارت بر منابع و ارکان مرتبط با خارج از سازمان، نیازمند یافته ­اند. لذا امروزه، مدیریت زنجیره تأمین به ­عنوان یکی از مبانی زیرساختی پیاده­ سازی کسب ­وکار الکترونیک در دنیا مطرح است. مدیریت زنجیره تأمین پدیده ­ای است که این فعالیت را به طریقی انجام می­ دهد که مشتریان بتوانند خدمات قابل اطمینان یا محصولات با­ کیفیت را با حداقل هزینه دریافت کنند. امروزه، نگرش مدیران به زنجیره تأمین تغییریافته و کاربرد فناوری اطلاعات در این زمینه رو به افزایش است. از سوی دیگر، یکی از مؤثرترین دستاوردهای فناوری ­اطلاعات، ارتقاء سطح هوشمندی کسب ­و­کار محسوب می­ شود. از این­ رو، استفاده از عامل­ های نرم­افزاری هوشمند در مدیریت زنجیره تأمین می ­تواند مدیریت در این حوزه را ارتقاء بخشد. در این مقاله، ضمن ارائه اطلاعات کلی در زمینه مدیریت زنجیره تأمین و عامل­ های نرم ­افزاری هوشمند، به بررسی برخی از ابعاد کاربردی این عامل­ ها در مدیریت زنجیره تأمین پرداخته و برخی از ابعاد این کاربرد مانند مدل مذاکره مبتنی­بر عامل ­ها بررسی خواهد شد.

کلیدواژه‌ها

مراجع

  1. W.-S. Lo, T.-P. Hong, R. Jeng, and J.-P. Liu., “Intelligent agents in supply chain management as an early warning mechanism”. in Systems, Man and Cybernetics, SMC'06. IEEE International Conference on, 2006, pp. 2161-2166, 2006.
  2. G. Yinmin and F. Ruixue., “An architecture of SCM system based agent and ontology”. in Grey Systems and Intelligent Services,GSIS 2009. IEEE International Conference on, 2009, pp. 1347-1352, 2009.
  3. G. Wang, T. Wong, and X. Wang., “An adaptive ontology-mediated approach to organize agent-based supply chain negotiation”. in Computers and Industrial Engineering (CIE), 40th International Conference on, 2010, pp. 1-6, 2010.
  4. W. Dai., “Consumer oriented Supply Chain Management based on mobile agent system”. in New Trends in Information Science and Service Science (NISS), 4th International Conference on, 2010, pp. 604-608, 2010.
  5. R. B. Handfield and E. L. Nichols., “Introduction to supply chain management”. vol. 183: prentice Hall Upper Saddle River, NJ, 1999.
  6. M. Tarokh and M. Bagherzadeh., “Supply chain coordination using role based mobile agent”. in Service Operations and Logistics, and Informatics, SOLI'06. IEEE International Conference on, 2006, pp. 322-327, 2006.
  7. L. P. Kaelbling, M. L. Littman, and A. W. Moore., “Reinforcement learning: A survey”. arXiv preprint cs/9605103, 1996.
  8. G. Wang, X. Jiang, T. Yu, Y. Gong, and W. Wang., “Research on Supply Chain Negotiation under Networked Manufacturing Environment”. in Intelligent Systems Design and Applications, ISDA'06. Sixth International Conference on, 2006, pp. 781-786, 2006.
  9. M. Wang, H. Wang, D. Vogel, K. Kumar, and D. K. Chiu., “Agent-based negotiation and decision making for dynamic supply chain formation”. Engineering Applications of Artificial Intelligence, vol. 22, pp. 1046-1055, 2009.
  10. D. Wright and X. Yuan., “Mitigating the bullwhip effect by ordering policies and forecasting methods”. International Journal of Production Economics, vol. 113, pp. 587-597, 2008.
  11. A. T. Gumus and A. F. Guneri., “A multi-echelon inventory management framework for stochastic and fuzzy supply chains”. Expert Systems with Applications, vol. 36, pp. 5565-5575, 2009.
  12. J. Lu, P. Humphreys, R. McIvor, and L. Maguire., “Employing genetic algorithms to minimise the bullwhip effect in a supply chain”. in Industrial Engineering and Engineering Management, IEEE International Conference on, 2007, pp. 1527-1531, 2007.
  13. G. Zhao and R. Sun., “Application of multi-agent Reinforcement Learning to supply chain ordering management”. in Natural Computation (ICNC), Sixth International Conference on, 2010, pp. 3830-3834, 2010.
  14. G. Zhao and R. Sun., “Policy transition of reinforcement learning for an agent based SCM system”. in Industrial Informatics, IEEE International Conference on, 2006, pp. 793-798, 2006.
  15. I. Paik, S. Takami, and Y. Watanabe., “Intelligent agent to support design in supply chain based on semantic web services”. in Hybrid Intelligent Systems, HIS'04. Fourth International Conference on, 2004, pp. 254-259, 2004.
  16. P. Chao and H.-M. Sun., “Multi-agent based cloud utilization for IT OA assets dispatching process in SCM's view: An empirical study”. in Computer Supported Cooperative Work in Design (CSCWD), IEEE 16th International Conference on, 2012, pp. 80-87, 2012.
  17. Z. Zhang and L. Tao., “Multi-agent based supply chain management with dynamic reconfiguration capability”. in Web Intelligence and Intelligent Agent Technology,WI-IAT'08. IEEE/WIC/ACM International Conference on, 2008, pp. 92-95, 2008.
  18. M. Giannakis and M. Louis., “A multi-agent based framework for supply chain risk management”. Journal of Purchasing and Supply Management, vol. 17, pp. 23-31, 2011.
  19. D. Emerson and S. Piramuthu., “Agent-based framework for dynamic supply chain configuration”. in System Sciences, Proceedings of the 37th Annual Hawaii International Conference on, 2004, p. 9 pp, 2004.
  20. O. Akanle and D. Zhang., “Agent-based model for optimising supply-chain configurations”. International Journal of Production Economics, vol. 115, pp. 444-460, 2008.

فایل ها

سابقه مقاله

  • تاریخ دریافت: 15 آبان 1395
  • تاریخ بازنگری: 01 آذر 1403
  • تاریخ پذیرش: 28 شهریور 1397
  • تاریخ انتشار: 01 آذر 1395

هم رسانی

ارجاع به این مقاله

آمار