شناسايي و ارزيابي عوامل خطر در زنجيره تامين صنايع دارويي با استفاده از هوش مصنوعي

زمينه و هدف: با بالا رفتن دشواري‌ها، سطح عدم اطمينان و خطر موجود در زنجيره‌تأمين افزايش مي‌يابد. دارو يك محصول راهبردي است و به صورت مستقيم با سلامتي جامعه ارتباط دارد. اين پژوهش با هدف ارزيابي عوامل خطرزنجيره‌تامين دارويي با روش‌هاي هوش مصنوعي انجام شده است. مواد و روش‌‌ها: با مرور متون و مصاحبه با 6 نفر از كارشناسان خبره كه داراي مدرك تحصيلي كارشناسي‌ارشد و دكتري تخصصي بودند و تجربه‌اي بين 7 تا 15 سال در زمينه خطر و زنجيره‌تامين دارو داشتند، عوامل خطر شناسايي شدند. در نهايت با استفاده از شبكه‌هاي عصبي پرسپترون چندلايه و ماشين‌هاي بردار پشتيبان با توابع كرنل‌خطي، چندجمله‌اي و پايه‌شعاعي در دو كلاس كم‌خطر و پرخطر در نرم‌افزار پايتون طبقه‌بندي گرديدند. نتايج: 22عامل در 5 دسته دارايي، شبكه حمل و نقل، دولت و بازار، راهبردي و تهيه و تامين‌كننده شناسايي و با استفاده از شبكه‌هاي عصبي طبقه‌بندي شدند. تغييرات بهره و تورم، تغييرات نرخ‌ارز، عدم انعطاف‌پذيري در توليد و اختلال در خدمات مشتري به ترتيب بيشترين اهميت را در خطرهاي زنجيره‌ تامين دارو دارند. نتايج معيارهاي ارزيابي نشان داد، مدل پرسپترون چندلايه عملكرد بهتري نسبت به ماشين‌هاي بردار پشتيبان با توابع كرنل‌خطي، چندجمله‌اي و پايه‌شعاعي داشته است.نتيجه‌گيري: نتايج نشان داد كه شبكه‌هاي عصبي مصنوعي قادر به طبقه‌بندي عوامل خطر زنجيره‌تامين دارو با دقت قابل قبولي هستند. در نتيجه طبقه‌بندي عوامل خطر با دقت 97.07% نشان‌دهنده توانايي بالاي شبكه پرسپترون چندلايه در ارزيابي خطر زنجيره تامين دارو است.