عنوان فارسی مقاله:تحلیل تأثیر کلان داده و فناوری هوش مصنوعی بر مدیریت زنجیره تأمین

چکیده

حوزه‌های متمایز تولید و مدیریت زنجیره تأمین (SCM) از اینترنت اشیا، کلان داده‌ها و قابلیت‌های مدیریت داده پارادایم هوش مصنوعی بهره می‌برند. بسیاری از کسب و کارها به دنبال درک این مسئله هستند که چگونه ورود هوش مصنوعی بر برنامه ریزی، سازماندهی، بهینه سازی و لجستیک در زمینه SCM تأثیر می‌گذارد. تقارن اطلاعات در اینجا بسیار مهم است، زیرا حفظ سازگاری بین خروجی و زنجیره تأمین با پردازش و ترسیم بینش از داده‌های بزرگ کمک می‌کند. ما داده‌های پیوسته (تولید) و ناپیوسته (زنجیره تأمین) را برای برآوردن نیازهای تحویل برای حل مشکل کمبود در نظر می‌گیریم. علیرغم خروجی مازاد، این مقاله به مسائل کمبود در مدیریت زنجیره تأمین می‌پردازد. این تحقیق به عنوان یک نمای کلی از هوش مصنوعی برای متخصصان SCM عمل می‌کند. سپس این گزارش به تجزیه و تحلیل عمیق آخرین مطالعات و کاربردهای هوش مصنوعی در صنعت زنجیره تأمین می‌پردازد. این کار یک رویکرد جدید، پردازش مداوم داده‌ها (IDP) را برای مدیریت داده‌های هماهنگ در هر دو طرف معرفی می‌کند، که باید خطر نتایج نادرست را کاهش دهد. این تکنیک پردازش، تغییرات در جریان داده را شناسایی می‌کند و از آنها برای پیش بینی کاهش تقاضا در آینده استفاده می‌کند. یادگیری فدرال اطلاعات را در چندین نقطه از زنجیره تأمین جمع آوری و تجزیه و تحلیل می‌کند و برای شناسایی تغییرات استفاده می‌شود. مدل یادگیری برای پیش‌بینی اقدامات زنجیره تأمین بیشتر در پاسخ به افزایش و کاهش تقاضا آموزش داده شده است. کل روش با استفاده از محاسبات اینترنت اشیا و داده‌های جمع آوری شده شبیه سازی شده است. دقت پیش‌بینی بهبود یافته ۹٫۹۳ درصد، کاهش زمان تحلیل ۹٫۱۹ درصد، کاهش خطای داده‌ها ۹٫۷۷ درصد و افزایش تغییرات ۱۰٫۶۲ درصد نتایج روش پیشنهادی است.

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: Analysis of the Impact of Big Data and Artificial Intelligence Technology on Supply Chain Management

Abstract

Differentiated production and supply chain management (SCM) areas benefit from the IoT, Big Data, and the data-management capabilities of the AI paradigm. Many businesses have wondered how the arrival of AI will affect planning, organization, optimization, and logistics in the context of SCM. Information symmetry is very important here, as maintaining consistency between output and the supply chain is aided by processing and drawing insights from big data. We consider continuous (production) and discontinuous (supply chain) data to satisfy delivery needs to solve the shortage problem. Despite a surplus of output, this article addresses the voluptuous deficiency problem in supply chain administration. This research serves as an overview of AI for SCM practitioners. The report then moves into an in-depth analysis of the most recent studies on and applications of AI in the supply chain industry. This work introduces a novel approach, Incessant Data Processing (IDP), for handling harmonized data on both ends, which should reduce the risk of incorrect results. This processing technique detects shifts in the data stream and uses them to predict future suppressions of demand. Federated learning gathers and analyzes information at several points in the supply chain and is used to spot the shifts. The learning model is educated to forecast further supply chain actions in response to spikes and dips in demand. The entire procedure is simulated using IoT calculations and collected data. An improved prediction accuracy of 9.93%, a reduced analysis time of 9.19%, a reduced data error of 9.77%, and increased alterations of 10.62% are the results of the suggested method