AI-Assisted Demand Forecasting and Production Scheduling for High-Volume Food Manufacturing in Saudi Arabia: A Food Security Framework for Vision 2030
Atif Maqbool Syed
综述2020-2025年AI需求预测与生产调度研究，提出沙特食品制造整合框架以保障Vision 20
文献综述2020-2025年AI预测、易腐品规划、有限产能调度与数字孪生研究。
预测研究止于精度、调度研究假设需求固定，整合框架可弥合实施鸿沟并提升粮食安全。
可研究事件感知预测与滚动调度耦合、跨工厂协同及可解释AI在食品供应链韧性中的应用。
综述性论文，提出AI需求预测与生产排程整合框架，对智慧农业与粮食安全有参考价值，但属境外研究且期刊权威性一般。
沙特阿拉伯的大规模食品制造日益面临需求波动、产品生命周期短、促销驱动的峰值、进口原料依赖、产能瓶颈以及季节性和宗教事件的运营影响。这些条件使得需求预测与生产调度成为不可分割的任务，而非顺序规划任务。本文综述了2020年至2025年间发表的相关研究，涵盖人工智能辅助需求预测、易腐产品规划、有限产能调度、数字孪生赋能的决策支持以及食品供应链韧性。研究构建了一个集成框架，其中需求感知产生概率预测，并通过产能、保质期、卫生、换产、劳动力、库存和服务约束转化为生产决策。证据表明，当促销、天气、日历事件、区域差异和截尾需求得到适当表征时，机器学习和深度学习方法能够提高预测精度，而优化模型可将这些信号转化为可行的调度方案，从而减少换产、浪费、缺货和不稳定的资源使用[1-8]。本综述还指出了一个持续存在的实施缺口：预测研究往往止步于预测精度，而调度研究则常常假设需求输入是固定且可靠的。所提出的框架通过将预测不确定性、滚动时域调度、执行反馈和食品安全结果联系起来，弥合了这一缺口。对于沙特制造商而言，这种集成的价值不仅在于降低成本，还在于改善产品可得性、新鲜度、本地化加工能力、冲击恢复能力以及“2030愿景”下的循证管理。本文最后提出了分阶段实施路线图以及可解释性、跨厂区调度、事件感知预测、数据治理和韧性规划方面的研究优先事项。