Framework AI ibrido migliora la previsione e l'ottimizzazione della supply chain

Uno studio recente pubblicato su arXiv (2604.21567) introduce un Hybrid AI Framework per la previsione e l'ottimizzazione della domanda-offerta (HAF-DS). Questo framework combina un componente di previsione della domanda basato su LSTM con un livello di ottimizzazione a programmazione lineare mista intera (MILP). Utilizzando rappresentazioni delle feature basate su embedding e reti neurali ricorrenti, riduce efficacemente sia le imprecisioni nelle previsioni che le spese operative. I test su dataset relativi alle vendite tessili e alle supply chain rivelano miglioramenti sostanziali rispetto ai metodi tradizionali che operano in modo indipendente. Questa ricerca si concentra sul miglioramento della resilienza e dell'efficienza della supply chain in settori caratterizzati da domanda fluttuante e offerta imprevedibile, in particolare nel tessile e nei dispositivi di protezione individuale (DPI).