موسسه انتشارات بین المللی چتر اندیشه مجله پژوهش های معاصر در علوم و تحقیقات 2676-5764 7 77 2025 12 21 بهبود مدیریت موجودی با ترکیب روش‌های هوش مصنوعی و مدل‌های احتمالی 143 153 10.22051/jera.2021.31891.2698 FA مژده گروه مدیریت صنعتی، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران محمدرضا گروه مدیریت صنعتی، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران 2025 10 21 مدیریت موجودی به عنوان یکی از مؤلفه‌های کلیدی در زنجیره تأمین، نقش تعیین‌کننده‌ای در بهینه‌سازی هزینه‌ها، افزایش بهره‌وری و حفظ سطح مطلوب خدمت به مشتریان دارد. با توجه به تغییرات سریع محیط کسب‌وکار، نوسانات بازار، و عدم قطعیت در پیش‌بینی تقاضا، روش‌های سنتی مبتنی بر مدل‌های قطعی دیگر قادر به پاسخ‌گویی مؤثر به این پیچیدگی‌ها نیستند. در سال‌های اخیر، ترکیب رویکردهای هوش مصنوعی شامل: یادگیری ماشین، شبکه‌های عصبی، الگوریتم‌های ژنتیک و سیستم‌های فازی با مدل‌های احتمالاتی و آماری مانند مدل‌های بیزی، زنجیره‌های مارکوف و شبیه‌سازی مونت‌کارلو، به عنوان راهکاری نوین برای ارتقای دقت تصمیم‌گیری در مدیریت موجودی مطرح شده است. این مقاله به‌صورت توصیفی و در قالب کتابخانه‌ای- مروری، مطالعات انجام‌شده در زمینه استفاده از مدل‌های ترکیبی هوشمند–احتمالاتی برای پیش‌بینی تقاضا، تعیین نقطه سفارش، و کاهش هزینه‌های موجودی را مورد بررسی و مقایسه قرار می‌دهد. یافته‌ها نشان می‌دهند که بهره‌گیری از مدل‌های ترکیبی سبب بهبود چشم‌گیر در دقت پیش‌بینی، افزایش انعطاف‌پذیری در شرایط عدم قطعیت، و کاهش هزینه‌های نگهداری و کمبود موجودی می‌شود. با این حال، چالش‌هایی نظیر نیاز به داده‌های باکیفیت، پیچیدگی محاسباتی، و دشواری در تفسیر نتایج همچنان مانع از کاربرد وسیع این روش‌ها در محیط‌های واقعی هستند. در پایان، مقاله مسیرهای پژوهشی آینده نظیر استفاده از یادگیری عمیق، مدل‌های بیزی سلسله‌مراتبی، و سیستم‌های تصمیم‌یار تطبیقی را به‌عنوان جهت‌گیری‌های مؤثر برای توسعه مدیریت موجودی هوشمند پیشنهاد می‌کند. /downloadfilepdf/12568