شناسایی و اولویت‌بندی کاربردهای هوش مصنوعی در زنجیره تامین4.0 (مورد مطالعه صنعت خرده‌فروشی)

مروزه هوش مصنوعی تحولات عظیمی را در دیجیتالی شدن زنجیره تامین در صنعت خرده فروشی ایجاد کرده است. تحقیقات پیشین برخی از کاربردهای هوش مصنوعی در صنعت خرده فروشی را شناسایی کرده اند اما لیست کاربردهای شناخته شده جامعیت نداشته است و اولویت یندی صورت نگرفته است. از آنجایی که میزان ارزیابی بودن امکان موفقیت انطباق با چالش های این حوزه مهم است. هدف پژوهش شناسایی و اولویت بندی کاربردهای هوش مصنوعی در زنجیره تامین 4.0 در صنعت خرده‌فروشی ایران است که از چالش‌های پیاده‌سازی کمتری برخورداراند.در این پژوهش، ابتدا از روش فراترکیب مقالاتی که در زمینه استفاده از هوش مصنوعی در زنجیره تامین 4.0 در صنعت خرده‌فروشی در مجلات معتبر بین‌المللی چاپ‌شده‌اند، بررسی شده اند و شناسایی چالش ها از روش دنپ و اولویت بندی کاربردها از روش آراس مشخص شده است.نتایج نشان می دهد کاربردهای ارائه توصیه‌های شخصی‌سازی‌شده، سیستم یکپارچه و هوشمند مدیریت انبارداری، سیستم هوشمند استقبال از مشتریان و چالش های پیچیدگی نظارتی در پیاده‌سازی سیستم‌ هوش مصنوعی، هزینه بالای زیرساخت فناوری اطلاعات، در دسترس نبودن راه‌های مناسب برای آموزش چت بات ها از بالاترین اولویت برخوردارند.

identification and prioritization of artificial intelligence applications in supply chain 4.0 (retail industry case study)

today, artificial intelligence has brought about huge changes in the digitization of the supply chain in the retail industry. previous researches have identified some of the applications of artificial intelligence in the retail industry, but the list of known applications is not comprehensive and has not been prioritized. since it is important to assess the possibility of success in adapting to the challenges of this field. the aim of the research is to identify and prioritize the applications of artificial intelligence in supply chain 4.0 in iran’s retail industry, which have less implementation challenges.in this research, first of all, the articles on the use of artificial intelligence in the 4.0 supply chain in the retail industry have been reviewed using the meta-combination method, and the challenges have been identified using the denap method and the prioritization of applications has been determined using the aras method.the results show the applications of providing personalized recommendations, the integrated and intelligent system of warehouse management, the intelligent system of welcoming customers and the challenges of regulatory complexity in the implementation of artificial intelligence system, the high cost of it infrastructure, the unavailability of suitable ways to train chatbots from the highest have priority.