سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

مدل چندمعیاره پیشنهادگر هوشمند برای بهبود عملکرد ناوگان حمل ونقل

نویسندگان :

سهیل میرزازاده¹ مرضیه محمدپور²

1- دانشگاه ملی مهارت شماره یک تبریز 2- دانشگاه ملی و مهارت تبریز(الزهرا)

کلمات کلیدی :

آشنایی مسیر،پیشنهادگر هوشمند،سازگاری راننده–محموله،تبیین‌پذیری (XAI)،OTIF

چکیده :

افزایش تقاضا برای خدمات حملونقل و گسترش پلتفرمهای دیجیتال مدیریت ناوگان ضرورتهایی تازه برای تضمین کیفیت خدمات و تحققشاخص تحویل بهموقع و کامل)OTIF(3 پدید آورده است. این پژوهش چارچوبی چندمعیاره و عملیاتی برای طراحی سامانهٔپیشنهادگرهوشمندارائهمیدهدکه با تمرکز همزمان بر سه محور مکمل—آشناییرانندهبامسیر،سازگاری رانندهومحموله،ومکانیزمهایتبیینپذیریتصمیم—هدفارتقایعملکردتخصیصباروافزایشتحققOTIFرا دنبال میکند. روش پژوهش ترکیبی است و شامل مرور نظاممند ادبیات، استخراج ویژگیهای رفتاری و عملیاتی از دادههای تلهماتیک و سوابق ناوگان، و اجرای شبیهسازیهای ارزیابی برای آزمون کارایی چارچوب در سناریوهایمتنوع عملیاتی میباشد. نتایج نشان میدهد واردسازی شاخص آشنایی مسیر در فرایند تخصیص، ریسک تأخیر را کاهش میدهد؛ تطبیق تجربه و مهارت راننده با ویژگیهای محموله احتمال خسارت را کاهش میدهد؛ و ارائه توضیحات شفاف درباره منطق انتخابها با استفاده از مکانیزمهای4XAI، پذیرش سامانه و تعامل میان رانندگان و مدیران را تسهیل میکند. این یافتهها حاکی از آن است که ادغام معیارهای انسانی و تجربهمحور با مدلهای پیشبینی دادهمحور میتواند تصمیمگیری در مدیریت ناوگان را واقعبینانهتر، منعطفتر و منجر به ارتقای OTIFنماید. با این حال، وابستگی به کیفیت دادههای تاریخی، مالحظات مربوط به حریم خصوصی و ریسک عدالت الگوریتمی محدودیتهایی مهماند که پیش از پیادهسازی صنعتی باید مدنظر قرار گیرند. پیشنهاد میشود چارچوب در محیطهای عملیاتی آزمون شود و سازوکارهای حفاظت داده و یادگیری منصفانه توسعه یابند