- 社区棕榈模型
棕榈油生产被确认为热带国家森林砍伐的主要原因之一,在供应链目标实现过程中,商品生产商和其他利益相关方需要及时了解供应区的土地覆盖动态数据。本研究提出了一种 “社区模型”,这是一个由许多不同利益相关方提供的汇总数据进行训练的机器学习模型,用于 - HKTGNN:基于层次知识迁移图神经网络的供应链风险评估
建立供应链风险评估模型以有效管理和缓解潜在风险的重要性逐渐增加,本文提出了一种基于层次化的知识可迁移图神经网络的供应链风险评估模型,通过图嵌入方法将供应链网络嵌入到基本产品网络中,解决了数据饥饿问题,实验证明该模型在实际供应链数据集上表现优 - 利用模块化神经网络编码季节气候预测进行需求预测
通过一种新颖的建模框架,我们可以有效地编码季节性气候预测,为供应链功能提供强大而可靠的时间序列预测。这种编码框架通过模块化神经网络架构实现了对潜在表示的有效学习,从而使得在多个实际数据集上,相对于现有需求预测方法,将季节性气候预测结果建模的 - AutoPCF:基于大型语言模型的高效产品碳足迹计算
利用大型语言模型,本研究测试和比较五个大型语言模型在建模产品的全生命周期和生成输入输出清单数据方面的表现能力,揭示它们作为通用产品碳足迹知识数据库的局限性。通过利用语言模型,提出了一种名为 AutoPCF 的自动人工智能驱动产品碳足迹核算框 - MARLIM:多智能体强化学习于库存管理
通过优化补给决策,维持产品供需平衡是供应链行业面临的最重要挑战之一。本文使用一种名为 MARLIM 的新型强化学习框架,解决了具有随机需求和交货时间的单级多产品供应链的库存管理问题。数值实验结果表明,相比传统基准模型,强化学习方法具有显著优 - 大数据 - 供应链管理框架的预测:数据预处理和机器学习技术
本文旨在系统地确定和比较分析最新的供应链预测策略和技术,提出了一个包含大数据分析在供应链管理中的新框架,并讨论了预测对人力、库存和整个供应链的影响以及其优化方面的建议。
- 供应链弹性的知识图谱视角
为了提升供应链透明度与韧性,本研究采用知识图谱连接多种数据源,以达到三级供应商的透明度。通过知识图谱完善方法,预测供应网络中的空缺信息,同时应用图分析算法,识别关键实体,支持供应链管理自动化风险识别。
- 库存管理的协作多智能体强化学习
本文提出了一种基于强化学习的库存管理系统,主要解决现实供应链环境下的计算需求和奖励框架等问题,并通过 GPU 并行化环境和状态动态规划等创新来优化大型零售商供应链需要。该系统实现了区别于基础库存策略的控制策略,并给出了未来研究方向的讨论。
- 半导体工厂排产:自监督与强化学习
通过深度强化学习和自监督学习的方法成功地实现了对半导体制造设施进行更高效调度的功能,提出了一种适应性调度方法来处理复杂连续随机动态半导体制造模型,与传统调度策略相比,我们的方法可以显著减少订单的延迟和完成时间,从而更好地分配半导体制造流程的 - Disease X 疫苗生产和供应链:评估运用人工智能和工业 4.0 操作的医疗保健系统的风险
本文提出了六种算法解决疫苗生产和供应链瓶颈的问题,并提出了另一组算法解决 Disease X 事件期间风险预测的问题。
- 应用高光谱成像技术评估澳大利亚小麦供应链不同阶段的质量指南:综述
使用高光谱成像技术研究小麦储存质量的评估方法,以实现在澳大利亚供应链的不同阶段实施实时数字质量评估方法所需的信息的单一和紧凑的文档。
- 供应链库存管理的深度强化学习方法
本文提出使用强化学习和深度学习技术来解决供应链库存管理问题,提供了随机两阶段供应链环境的数学形式,并开发了一个公开的库,以便使用深度强化学习算法解决 SCIM 问题。实验结果表明,DRL 相对于标准的重新订购策略表现更好,因此可以被视为解决 - 使用循环神经网络和 Transformer 进行销售预测
利用深度学习技术和 Corporación Favorita 数据集,我们提出三种替代方案来解决具体的需求预测问题,设计了一种简单的序列到序列的体系结构以及在此基础上的训练技巧,达到了约 0.54 的 RMSLE 的好性能。
- 多产品库存管理中处理不确定交货期的基于学习的框架
本文考虑供应链中存在的交货期不确定性和因此导致的库存管理性能下降问题,提出了一种基于强化学习的延迟解决方法,并在多种不确定性的情景下进行了实证评估,证明该方法可以实现接近最优的性能。
- MM使用 Oracles 和智能合约的物联网区块链架构:食品供应链的应用案例
本文提出了一个专门用于供应链中不同分布式物联网实体的区块链体系结构,LC4IoT 作为此体系结构的轻量级共识,该共识在广泛模拟中得到了验证,结果表明所提出的共识使用低计算能力、存储能力和延迟。
- ICML供应链网络图表示学习中的数据考虑
本文介绍一种基于图表示学习的方法,可以揭示企业供应链中不为业界所知的潜在依赖关系,从而对于全球汽车供应链网络中的环节预测实现了最先进的表现,为企业和业务管理提供进一步的风险缓解措施。
- KDD时尚零售产品基于产品年龄的需求预测模型
本文介绍了一种基于产品年龄的预测模型,对于时尚零售商的需求预测、供应链规划和库存管理都具有重要价值,通过实际案例验证了其在 6-12 个月内准确预测销售额的能力,并可以为下一季度的产品推出时间提供建议,此外还提供了产品组合优化模型,最大化收 - KDD电商地址分类的深度上下文嵌入
研究了如何使用自然语言处理和 RoBERTa 模型来理解发展中国家(例如印度)中电商客户的运输地址,该方法结合了诸如编辑距离和语音算法之类的预处理步骤,并最终使用 RoBERTa 模型进行分类。
- 相关计数时间序列分组的有效贝叶斯建模
本文介绍了一种适用于计数时间序列数据的分层贝叶斯模型,能够轻松地考虑影响因素和在相关的时间序列数据组之间共享统计信息,并提出了一种高效的近似推理方法,并在供应链规划的多个数据集上进行了性能测试。