تصمیم‌گیری انتخاب انبار متقاطع پایدار با توسعه یک چارچوب جدید مبتنی‌بر یادگیری ماشین و مجموعه نوتروسوفیک تک‌ارزشی

انبارهای متقاطع یک استراتژی لجستیکی برای جمع‌آوری، مرتب‌ کردن و توزیع بهینه محصولات مختلف از تامین‌کنندگان به مشتریان می‌باشند. شناسایی معیارهای کلیدی در توسعه و انتخاب مکان برای انبارهای متقاطع یکی از بحث‌های مهم در مدیریت شبکه‌های لجستیکی می‌باشد. انبار‌های متقاطع با تسهیل جابه‌جایی سریع کالاها از تامین‌کنندگان به مشتریان، نقش مهمی در زنجیره‌تامین ایفا می‌کنند. هدف این تحقیق، ارائه یک مدل تصمیم‌گیری چندمعیاره یکپارچه برای ارزیابی و انتخاب انبار متقاطع می‌باشد. در قالب یک رویکرد یکپارچه از روش‌های کاهش بعد و تصمیم‌گیری چندمعیاره مبتنی‌بر مجموعه نوتروسوفیک تک‌ارزشی استفاده شده است. در این تحقیق برای کاهش بعد ماتریس تصمیم و تعیین وزن معیارها به ارائه یک روش جدید مبتنی‌بر روش تقریب منیفولد یکنواخت و طرح‌ریزی و ضریب همبستگی پرداخته شد. همچنین یک روش  todimبرمبنای فاصله کای‌دو در محیط نوتروسوفیک تک‌ارزشی توسعه یافته شد و برای رتبه‌بندی انبارهای متقاطع استفاده ‌شد. در این تحقیق به شناسایی 18 معیار در 6 دسته اصلی پرداخته شد که شامل معیارهای پایداری و انرژی در بررسی انبارهای متقاطع نیز می‌باشد. نتایج نشان‌دهنده عملکرد مناسب رویکرد پیشنهادی در انتخاب انبارهای متقاطع با درنظر گرفتن معیارهای کمی و کیفی می‌باشد.

sustainable cross-dock selection decision making with a development of a new framework based on machine learning and single-valued neutrosophic set

cross-docking is a logistics strategy used to collect, sort, and optimally distribute various products from suppliers to customers. identifying key criteria for the development and location selection of cross-docks is a crucial topic in logistics network management. choosing a cross-dock location involves both technical and managerial considerations. cross-docks play a significant role in the supply chain by facilitating the rapid movement of goods from suppliers to customers. the purpose of this research is to provide an integrated multi-criteria decision-making model for cross-dock evaluation and selection. this study employs an integrated approach combining dimensionality reduction methods and multi-criteria decision-making based on a single-valued neutrosophic set. to reduce the dimension of the decision matrix and determine the weight of the criteria, we introduced a new method based on the uniform manifold approximation and projection (umap) method and correlation coefficient. additionally, a todim method, developed based on the chi-square distance in the single-valued neutrosophic environment, was used to rank cross-docks. through a literature review, we identified 18 criteria in 6 main categories, including sustainability and energy criteria for cross-docks. the results demonstrate the effectiveness of the proposed approach in selecting cross-docks, considering both quantitative and qualitative criteria.