شناسایی و بررسی میزان اثرگذاری شاخص های ریسک زنجیره تامین فعالیت های بازرگانی اینترنتی در صنعت مواد غذایی به کمک روش یادگیری ماشین با استفاده از الگوریتم بردار یکه پشتیبان

هدف پژوهش حاضر شناسایی و بررسی میزان اثرگذاری شاخص های ریسک زنجیره تامین فعالیت های بازرگانی اینترنتی در صنعت مواد غذایی به کمک روش یادگیری ماشین با استفاده از الگوریتم بردار یکه پشتیبان می‌باشد. روش پژوهش با توجه به هدف آن، کاربردی و از حیث شیوه اجرا، آمیخته (کیفی-کمی) می باشد. در بخش کیفی با استفاده و مصاحبه با خبرگانی که در حوزه ی صنعت مواد غذایی فعالیت داشته و در حوزه زنجیره تامین این صنعت دارای اطلاعات کامل و تجارب کافی می باشند، تا اشباع نظری استفاده شده است که این تعداد به 10 نفر از افراد خبره ی مرتبط در شرکت های بزرگ این حوزه بودند. در بخش کمی نیز با روش های آماری از روش میدانی و با استفاده از پرسشنامه برای جمع آوری داده ها استفاده گردید که این تعداد نیز 114 نفر به عنوان نمونه از جامعه آماری انتخاب شدند. پس از شناسایی معیارها و شاخص ها به کمک خبرگان، تهیه، توزیع و جمع آوری پرسشنامه ها، اطلاعات جمع آوری شده مرتب سازی گردید. نتایج نشان داد که رضایت مشتری در مدل پژوهش تاثیر منفی دارد. هماهنگی زنجیره تامین در مدل پژوهش تاثیر مثبت دارد. عوامل تاثیرگذار بر هزینه‌ها تاثیر مثبتی دارد، اما میزان آن متوسط است. شرایط اقتصادی و بازار تاثیر مثبتی در مدل دارد. زیرساخت اینترنت در مدل اهمیت محدودی دارد. ریسک‌های محیطی تاثیر مثبت دارد. کیفیت محصول در مدل تاثیر منفی داشته است.

identifying and investigating the effectiveness of supply chain risk indicators of online business activities in the food industry using machine learning methods using the unit support vector algorithm

the aim of the present study is to identify and investigate the effectiveness of supply chain risk indicators of online business activities in the food industry through machine learning method using single support vector algorithm. the research method is applicable in terms of its purpose, and mixed qualitativequantitative)in terms of implementation method. in the qualitative part,interviews with experts active in the food industry with complete informationand sufficient experience in the supply chain of this industry have been useduntil theoretical saturation, which were 10 people of relevant experts in largecompanies in this field. in the quantitative part, the field method andquestionnaire were used to collect data with statistical methods, and thisnumber was also 114 people selected as a sample from the statisticalpopulation. considering the data conditions and the application of machinelearning in the supply chain, the support vector machine algorithm, one of themost powerful algorithms in the field of artificial intelligence, was used. theresults showed that customer satisfaction has a negative effect in the researchmodel. supply chain coordination has a positive effect in the research model.factors affecting costs have a positive effect, but its amount is moderate.economic and market conditions have a positive effect in the model. internetinfrastructure has limited importance in the model. environmental risks have apositive effect. product quality has a negative effect in the model.