راحله پنجه کوبی، فرزاد فیروزی جهانتیغ،
دوره 20، شماره 4 - ( 10-1400 )
چکیده
زمینه و هدف: با بالا رفتن دشواری‌ها، سطح عدم اطمینان و خطر موجود در زنجیره‌تأمین افزایش می‌یابد. دارو یک محصول راهبردی است و به صورت مستقیم با سلامتی جامعه ارتباط دارد. این پژوهش با هدف ارزیابی عوامل خطرزنجیره‌تامین دارویی با روش‌های هوش مصنوعی انجام شده است.
مواد و روش‌‌ها: با مرور متون و مصاحبه با 6 نفر از کارشناسان خبره که دارای مدرک تحصیلی کارشناسی‌ارشد و دکتری تخصصی بودند و تجربه‌ای بین 7 تا 15 سال در زمینه خطر و زنجیره‌تامین دارو داشتند، عوامل خطر شناسایی شدند. در نهایت با استفاده از شبکه‌های عصبی پرسپترون چندلایه و ماشین‌های بردار پشتیبان با توابع کرنل‌خطی، چندجمله‌ای و پایه‌شعاعی در دو کلاس کم‌خطر و پرخطر در نرم‌افزار پایتون طبقه‌بندی گردیدند.
نتایج: 22عامل در 5 دسته دارایی، شبکه حمل و نقل، دولت و بازار، راهبردی و تهیه و تامین‌کننده شناسایی و با استفاده از شبکه‌های عصبی طبقه‌بندی شدند. تغییرات بهره و تورم، تغییرات نرخ‌ارز، عدم انعطاف‌پذیری در تولید و اختلال در خدمات مشتری به ترتیب بیشترین اهمیت را در خطرهای زنجیره تامین دارو دارند. نتایج معیارهای ارزیابی نشان داد، مدل پرسپترون چندلایه عملکرد بهتری نسبت به ماشین‌های بردار پشتیبان با توابع کرنل‌خطی، چندجمله‌ای و پایه‌شعاعی داشته است.
نتیجه‌گیری: نتایج نشان داد که شبکه‌های عصبی مصنوعی قادر به طبقه‌بندی عوامل خطر زنجیره‌تامین دارو با دقت قابل قبولی هستند. در نتیجه طبقه‌بندی عوامل خطر با دقت 07/97% نشان‌دهنده توانایی بالای شبکه پرسپترون چندلایه در ارزیابی خطر زنجیره تامین دارو است.
