چارچوب دوقلوی دیجیتال برای بهینه‌سازی انرژی در لحظه و کاهش ردپای کربن در زنجیره‌های تأمین تولید

آزاده سهرابی نژاد¹ مهدی رحیمی²

1) استاد دانشگاه، فارغ التحصیل دکترای مهندسی صنایع
2) استاد دانشگاه، فارغ التحصیل دکترای DBA

کد IOI مقاله : AADG-AAHDBA
محل انتشار : دومین کنفرانس بین المللی رویکردهای نوین در مهندسی و علوم پایه(icnabs.ir/2nd)
چکیده :
    صنایع تولیدی با فشار فزاینده‌ای برای کاهش انتشار کربن در عین حفظ بهره‌وری مواجه هستند. این پژوهش یک چارچوب جامع دوقلوی دیجیتال (DT) را برای شبیه‌سازی و بهینه‌سازی بلادرنگ مصرف انرژی و انتشار کربن در زنجیره‌های تأمین تولیدی ارائه می‌دهد. این چارچوب، اینترنت صنعتی اشیا (IIoT)، یادگیری ماشین (ML)، و الگوریتم‌های بهینه‌سازی چندهدفه (NSGA-II) را با یکدیگر ادغام می‌کند. در یک مطالعه موردی شش‌ماهه در صنعت تولید قطعات خودرو، با استفاده از داده‌های ۱۵۰ حسگر (شامل ۴۸ میلیون رکورد انرژی)، نتایج نشان داد که مصرف انرژی ۲۵٪ و انتشار کربن ۳۰٪ کاهش یافته و بهره‌وری تولید ۴.۸٪ بهبود یافته است. مدل ترکیبی یادگیری ماشین به میانگین درصد خطای مطلق (MAPE) برابر با ۳.۷٪ دست یافت که از نظر آماری معنادار بود (آزمون t، p<0.001). تحلیل اقتصادی نشان داد بازگشت سرمایه (ROI) در مدت ۷ ماه محقق می‌شود و ارزش فعلی خالص (NPV) طی ۵ سال برابر با ۲.۹ میلیون دلار است. با وجود چالش‌های اجرایی شامل سرمایه‌گذاری اولیه (۵۰۰ هزار دلار) و پیچیدگی فنی، این چارچوب یک نقشه‌راه عملی برای تولید پایدار ارائه می‌دهد.

کلمات کلیدی : بهینه‌سازی انرژی زنجیره تأمین پایدار یادگیری ماشین ردپای کربن nsga ii دوقلوی دیجیتال