Estimating surplus food supply for food rescue and delivery operations

گرسنگی در بسیاری از کشورهای توسعه یافته یک مشکل اجتماعی پنهان باقی مانده است. سازمان های نجات دهنده غذا برای سود خالص کمک به کاهش گرسنگی، با نجات مازاد مواد غذایی از ارائه دهندگان مواد غذایی مختلف و توزیع دوباره به افرادی که نیاز دارند. با این حال، کمک مالی مازاد یک فرایند تصادفی است که با توجه به مقدار، زمان و مکان متفاوت است. شناخت دینامیک بازیابی مواد غذایی و پیش بینی اهدای غذا با استفاده از اطلاعات تاریخی اهمیت زیادی در مدیریت موجودی و توزیع مجدد دارد، به ویژه در کاهش هزینه های عملیاتی و دستیابی به توزیع پایدار و منصفانه موجودی با عدم قطعیت در عرضه. این مقاله با استفاده از تکنیک های مختلف مدل سازی شامل رگرسیون چندگانه خطی، مدل سازی معادلات ساختاری و شبکه های عصبی برای کشف الگوهای و پویایی پروسه های اهدای غذا و توزیع یکی از بزرگترین سازمان های نجات غذایی در استرالیا است. مجموعه ای از شاخص های قابل توجه برای توصیف روند تغذیه در حال حاضر غذا، برای پیش بینی میانگین غذای روزانه که توسط تامین کنندگان مختلف غذا اهدا شده اند و همچنین پیش بینی اهدای بالقوه از یک اهدا کننده جدید که ممکن است در آینده در شبکه نشان داده شود شناسایی شده است. نتایج نشان می دهد که مدل سازی معادلات ساختاری و شبکه های عصبی، پیش بینی تقاضای بهبود یافته در مقایسه با رگرسیون خطی چندگانه معمولی را ارائه می دهند. ما همچنین در مورد سودمندی این مدل ها در مدیریت پایدار و عادلانه بازنشستگی و توزیع مجدد مواد غذایی بحث می کنیم.