公开论文答辩 - 工业工程与管理，硕士生 泽奈娜·法尔沙德法尔
增强可持续供应链的机器学习应用——一项基于实证的前瞻性研究
阿尔托大学科学学院工业工程与管理系将举行公开答辩。机器学习能否真正实现供应链的可持续性？
供应链占全球温室气体排放量的80%以上，并在全球资源消耗中占据重要份额。与此同时，人工智能与机器学习正迅速改变各行各业。然而，这些数字技术究竟是在切实推动供应链走向可持续，还是仅仅在表面层面提升了效率？
本博士论文旨在探讨机器学习如何在实践中助力可持续与循环供应链的发展。研究目标超越概念性讨论与模拟模型，力求提供关于机器学习如何影响经济与环境可持续性的现实世界实证证据。
研究采用系统性文献综述，并结合两大行业的前沿案例研究：建筑废弃物管理与航空备件供应链。研究以三重底线框架——即经济、环境与社会可持续性——为分析基础，剖析机器学习应用对可持续供应链管理所产生的具体影响。
研究结果表明，现有大多数文献主要将机器学习用作决策支持工具，应用于预测、供应商选择等环节。相较之下，本论文重点揭示了机器学习在运营层面、直接嵌入物理流程中的实际应用成效。
在建筑行业，由机器学习驱动的机器人废弃物分类系统有效提升了回收率，并在高劳动力成本环境中展现出经济竞争力。敏感性分析显示，劳动力成本、贴现率与设备投资是决定其长期竞争力的关键因素。
在航空行业，借助机器学习实现的生成设计与增材制造，不仅降低了二氧化碳排放，还通过减轻零部件重量与提升库存管理效率，使备件供应链更加高效。研究进一步明确了备件重量与耐用性的关键阈值，在此范围内，相关解决方案在经济与环境层面均具备可行性。
通过构建成本模型并开展情景与敏感性分析，本论文较以往研究更为直接地量化了机器学习在可持续性方面所带来的实际效益。研究结果表明，机器学习不仅可作为一种规划工具，更能作为一种运营技术，有效减少废弃物、降低排放、提升资源利用效率，并促进循环物料流动的实现。
