مشخصات مقاله فهرست مطالب نمونه ترجمه مقاله انگلیسی خرید ترجمه مقالات مرتبط
سلام دوست من ، توی این پست براتون یه مقاله کوتاه جدید با موضوع مدیریت هوشمند موجودی: راه حل مبتنی بر هوش مصنوعی برای زنجیره تامین دارویی منتشر کردیم. این مقاله یه مقاله ISI و علمی پژوهشی هست که توی پایگاه الزویر در سال ۲۰۲۵ منتشر شده. فایل انگلیسی ۴ صفحه PDF و فایل ترجمه ۱۰ صفحه WORD و قابل ویرایشه، مثل همیشه مقاله انگلیسی رو می تونید رایگان دانلود کنید. بخش هایی از ترجمه هم براتون رایگان گذاشتم که قبل از خرید ، کیفیت ترجمه رو بررسی کنید. از کیفیت ترجمه هم نگم براتون که مثل همیشه عالییییه. برای خرید ترجمه کامل مقاله روی گزینه خرید و دانلود آنی ترجمه کلیک کنید بعد از پرداخت لینک دانلود بهتون نشون داده میشه، به ایمیلتونم ارسال میشه. اگر سوالی بود می تونید زیر این پست کامنت بزارید سریع جوابتونو میدم.
مدیریت هوشمند موجودی: راه حل مبتنی بر هوش مصنوعی برای زنجیره تامین دارویی
عنوان انگلیسی:
Intelligent inventory management: AI-driven solution for the pharmaceutical supply chain
کد محصول: M1926
سال نشر: ۲۰۲۵
نام ناشر (پایگاه داده): الزویر
نام مجله: Societal Impacts
نوع مقاله: علمی پژوهشی (Research articles)
متغیر : ندارد
فرضیه: ندارد
مدل مفهومی: ندارد
پرسشنامه : ندارد
تعداد صفحه انگلیسی: 4 صفحه PDF
تعداد صفحه ترجمه فارسی: 10 صفحه WORD
قیمت فایل ترجمه شده: 48000 تومان
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
فهرست مطالب
تأثیر اجتماعی: زنجیره تأمین دارویی انعطافپذیر و پاسخگو
روششناسی
ساختار چندلایه
بررسی تجدید موجودی بهعنوان فرآیند تصمیمگیری مارکوف (MDP)
بهینهسازی موجودی با DRL مبتنی بر سیاست
نتایج و پیامدها
پیامدهای مدیریتی
نتیجهگیری
چکیده
در صنعت داروسازی که با سرعت رشد بالا و مقررات سختگیرانه مواجه است، تدوین یک سیاست کارآمد برای تجدید موجودی، به دلیل ویژگیهای خاص این حوزه مانند لزوم رعایت قوانین، محدودیت تاریخ انقضای محصولات و نوسانات غیرقابل پیشبینی در تقاضا، امری بسیار ضروری است. علاوه بر این، انطباق سریع با تغییرات تقاضا در بازار پویای داروسازی برای حفظ سطح خدمات بالا بسیار مهم است. این مطالعه یک سیاست بهینه تجدید موجودی را با استفاده از یادگیری تقویتی عمیق (DRL) توسعه میدهد تا در عین به حداقل رساندن کمبودها و ضایعات دارویی ناشی از انقضا، از در دسترس بودن داروها اطمینان حاصل کند. این پژوهش بر یادگیری مستمر متکی است. در این راستا، هر محیط خردهفروشی اطلاعات مرتبط با الگوهای پویای تقاضا، سطوح موجودی فعلی، سفارشهای در جریان و زمان تحویل را به عنوان “فضای حالت” ثبت میکند تا مسئلهی مدیریت موجودی را به صورت یک فرآیند تصمیمگیری مارکوف (MDP) مدلسازی نماید. به منظور اتخاذ تصمیمات دقیق در زنجیره تأمین دارو، مقادیر بهینه سفارش از میان یک فضای اقدام پیوسته انتخاب میشوند که این امر منجر به افزایش سودآوری، ارائه خدمات به تعداد بیشتری از بیماران و در نهایت، بهبود کارآمدی سلامت عمومی میشود.
کلمات کلیدی: زنجیره تامین دارویی، مدیریت موجودی، محصولات دارویی، مدیریت زنجیره تامین، توسعه پایدار
ساختار چندلایه
ساختار چندلایه زنجیره تأمین دارویی مورد بررسی شامل سه نهاد است: (الف) تأمینکنندگان، (ب) مراکز توزیع، (ج) خردهفروشان. این نهادها بهصورت توزیعشده به هم متصل هستند، همانطور که در شکل ۱ نشان داده شده است. واحد تولیدی مسئول تولید محصولات دارویی است که از طریق مراکز توزیع به خردهفروشانی مانند داروخانهها، بیمارستانها و مطب پزشکان ارسال میشوند…
نتیجهگیری
نتایج این تحقیق میتواند به سیاستگذاران در تدوین سیاستهایی جهت کاهش نوسانات تقاضای محصولات دارویی، بهبود دسترسی به مراقبتهای بهداشتی و ارتقاء کیفیت خدمات کمک کند. مدیریت مؤثر موجودی دارویی نه تنها باعث کاهش ضایعات ناشی از مازاد موجودی میشود، بلکه اثرات زیستمحیطی فعالیتهای مرتبط با تولید و توزیع دارو را نیز کاهش میدهد. اتخاذ یک سیاست بهینه تجدید موجودی در زنجیره تأمین دارویی، موقعیتهای کمبود دارو را کاهش میدهد، ضایعات ناشی از انقضاء داروها را کاهش میدهد و به تعداد بیشتری از بیماران خدمات ارائه میدهد و در نتیجه سلامت را بهعنوان یک کالای اجتماعی بهطور مؤثر ارائه میدهد.

Abstract
In a fast-paced and highly regulated pharmaceutical industry, developing an inventory replenishment policy is a critical task due to its unique characteristics, including regulatory compliance, product expiration, and unpredictable demand. In addition, it is highly crucial to quickly adapt the changes in demand in dynamic pharmaceutical market to maintain high service level. The project develops an optimal inventory replenishment policy with Deep Reinforcement Learning (DRL) to ensure the availability of medications while minimizing stockouts and medical waste due to expiration. It relies on continuous learning in which each retailer environment captures the information of dynamic demand patterns, current inventory levels, open orders and lead time as state space to map the inventory problem as Markov Decision Process (MDP). For accurate decision-making in pharmaceutical supply chain, the suitable order quantities are selected from continuous action space which results into higher profitability and serve an increased number of patients, thereby delivering health as a social good in an effective manner.
Keywords: Pharmaceutical supply chain, Inventory management, Pharmaceutical products, Supply chain management, Sustainable development
Multi-echelon structure
The multi-echelon structure of the considered pharmaceutical supply chain consists of three entities: (a) suppliers, (b) distribution centers, (c) retailers. These entities are interconnected in a distributed manner, as illustrated in Fig. 1. The manufacturing unit is responsible for producing pharmaceutical products, which are shipped through distribution centers to retailers such as pharmacies, hospitals, and physician offices…
Conclusions
The research conducted in this project will help policymakers in the enactment of policies that smooth out demand fluctuations for pharmaceutical products, offer intensive healthcare and deliver a higher quality of service. Effective pharmaceutical inventory management will not only reduce waste due to overstocking but also reduce the environmental footprint of pharmaceutical production and distribution related activities. Adoption of an optimal inventory replenishment policy in the pharmaceutical supply chain will reduce situations of stockouts, decrease the expiration of medicines, and serve an increased number of patients, thereby delivering health as a social good in an effective manner.