هوش مصنوعی در مدیریت زنجیره تأمین: یک مرور منابع سیستماتیک

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 37

تعداد کلمات : 19000

مجله : Journal of Business Research

انتشار : 2021

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
1 آگوست 2021
دسته بندی
تعداد بازدیدها
1265 بازدید
42,000 تومان
نهایی کردن خرید

عنوان فارسی مقاله:هوش مصنوعی در مدیریت زنجیره تأمین: یک مرور منابع سیستماتیک

 چکیده

  این مقاله به دنبال بررسی سهم هوش مصنوعی (AI) در مدیریت زنجیره تأمین (SCM) از طریق مرور سیستماتیک منابع موجود است. برای پر کردن شکاف علمی فعلی AI در SCM ، این مطالعه با هدف تعیین تکنیک های فعلی و بالقوه AI که می توانند مطالعه و عملکرد SCM را افزایش دهند انجام دهند. شکافهایی در منابع که باید از طریق تحقیقات علمی برطرف شوند نیز مشخص شد. به طور خاص ، چهار جنبه زیر پوشش داده شد: (۱) رایج ترین تکنیک های AI در SCM(2) تکنیک های بالقوه هوش مصنوعی برای استفاده  در  SCM، (۳) زیرمجموعه های SCM فعلی AI که بهبود یافته است. و (۴) زیرمجموعه هایی که پتانسیل بالایی برای تقویت توسط هوش مصنوعی دارند. مجموعه مشخصی از معیارهای ورود و خروج برای شناسایی و بررسی مقالات از چهار زمینه SCM استفاده می شود: تدارکات ، بازاریابی ، زنجیره تأمین و تولید. این مقاله بینشهایی را از طریق تجزیه و تحلیل و سنتز سیستماتیک ارائه می دهد.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Artificial intelligence in supply chain management: A systematic literature review

Abstract

 This paper seeks to identify the contributions of artificial intelligence (AI) to supply chain management (SCM) through a systematic review of the existing literature. To address the current scientific gap of AI in SCM, this study aimed to determine the current and potential AI techniques that can enhance both the study and practice of SCM. Gaps in the literature that need to be addressed through scientific research were also identified. More specifically, the following four aspects were covered: (1) the most prevalent AI techniques in SCM; (2) the potential AI techniques for employment in SCM; (3) the current AI-improved SCM subfields; and (4) the subfields that have high potential to be enhanced by AI. A specific set of inclusion and exclusion criteria are used to identify and examine papers from four SCM fields: logistics, marketing, supply chain and production. This paper provides insights through systematic analysis and synthesis.