論文の概要: Discovering Supply Chain Links with Augmented Intelligence
- arxiv url: http://arxiv.org/abs/2111.01878v1
- Date: Tue, 2 Nov 2021 20:30:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-04 13:44:49.107072
- Title: Discovering Supply Chain Links with Augmented Intelligence
- Title(参考訳): 強化されたインテリジェンスによるサプライチェーンリンクの発見
- Authors: Achintya Gopal, Chunho Chang
- Abstract要約: 本稿では、グラフニューラルネットワーク(GNN)を用いて、これまで知られていなかったサプライヤーや顧客を予測する問題に取り組む。
我々は、我々のモデルの予測とサプライチェーンアナリストのドメインの専門知識を組み合わせることで、これまで未知のコネクションを見つける上で、強いパフォーマンスを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One of the key components in analyzing the risk of a company is understanding
a company's supply chain. Supply chains are constantly disrupted, whether by
tariffs, pandemics, severe weather, etc. In this paper, we tackle the problem
of predicting previously unknown suppliers and customers of companies using
graph neural networks (GNNs) and show strong performance in finding previously
unknown connections by combining the predictions of our model and the domain
expertise of supply chain analysts.
- Abstract(参考訳): 企業のリスクを分析する上で重要な要素のひとつは、企業のサプライチェーンを理解することだ。
サプライチェーンは、関税、パンデミック、厳しい天候などによって常に混乱している。
本稿では,グラフニューラルネットワーク(gnns)を利用する企業の既知サプライヤと顧客を予測し,モデル予測とサプライチェーンアナリストのドメイン専門知識を組み合わせることにより,既知のコネクションの発見において強力な性能を示す。
関連論文リスト
- Uncertainty in Graph Neural Networks: A Survey [50.63474656037679]
グラフニューラルネットワーク(GNN)は、様々な現実世界のアプリケーションで広く使われている。
しかし、多様な情報源から生じるGNNの予測的不確実性は、不安定で誤った予測につながる可能性がある。
本調査は,不確実性の観点からGNNの概要を概観することを目的としている。
論文 参考訳(メタデータ) (2024-03-11T21:54:52Z) - SupplyGraph: A Benchmark Dataset for Supply Chain Planning using Graph
Neural Networks [0.0]
グラフニューラルネットワーク(GNN)は、輸送、バイオインフォマティクス、言語処理、コンピュータビジョンなど、さまざまな領域で注目を集めている。
サプライチェーンネットワークは本質的にグラフのような構造であり、GNN方法論を適用するための主要な候補となる。
このアプローチの大きな欠点は、GNNを用いたサプライチェーン問題の研究と解決を容易にするために、実世界のベンチマークデータセットが存在しないことである。
論文 参考訳(メタデータ) (2024-01-27T05:14:17Z) - HKTGNN: Hierarchical Knowledge Transferable Graph Neural Network-based
Supply Chain Risk Assessment [3.439495194421287]
階層的な知識伝達可能なグラフニューラルネットワーク(HKTGNN)サプライチェーンリスク評価モデルを提案する。
グラフ埋め込みモジュールを用いて,個々の商品に対応するサプライチェーンネットワークをサプライチェーンに埋め込む。
我々のモデルは実世界のサプライチェーンデータセットの実験において優れています。
論文 参考訳(メタデータ) (2023-11-07T00:54:04Z) - Networked Inequality: Preferential Attachment Bias in Graph Neural
Network Link Prediction [49.46206866901788]
ネットワーク内のバイアスがグラフ畳み込みネットワーク(GCN)リンク予測にどの程度影響するかを示す。
本稿では,ソーシャルグループ間のリンク予測スコアの相違を定量化する,新たなグループ内公平度尺度を提案する。
論文 参考訳(メタデータ) (2023-09-29T17:26:44Z) - Identifying contributors to supply chain outcomes in a multi-echelon
setting: a decentralised approach [69.62333053044712]
本稿では,推定貢献の分散計算における説明可能な人工知能の利用を提案する。
このアプローチは、サプライチェーンアクターにデータ共有を説得する必要性を緩和する。
その結果,集中型アプローチと比較して,品質変化の源泉を検出する方法の有効性が示された。
論文 参考訳(メタデータ) (2023-07-22T20:03:16Z) - A Knowledge Graph Perspective on Supply Chain Resilience [15.028130016717773]
世界的な危機と規制の進展はサプライチェーンの透明性とレジリエンスを高める必要がある。
サプライチェーンに関する情報、特により深いレベルでは、しばしば不透明で不完全である。
異なるデータソースを接続することにより、サプライネットワークを知識グラフとしてモデル化し、ティア3サプライヤーへの透明性を実現する。
論文 参考訳(メタデータ) (2023-05-15T10:14:30Z) - Will bots take over the supply chain? Revisiting Agent-based supply
chain automation [71.77396882936951]
エージェントベースのサプライチェーンは2000年初頭から提案されている。
エージェントベースの技術は成熟しており、サプライチェーンに浸透している他の支援技術はギャップを埋めている。
例えば、IoTテクノロジのユビキティは、エージェントがサプライチェーンの状態を“理解”し、自動化のための新たな可能性を開くのに役立つ。
論文 参考訳(メタデータ) (2021-09-03T18:44:26Z) - Data Considerations in Graph Representation Learning for Supply Chain
Networks [64.72135325074963]
本稿では,隠れた依存関係リンクを明らかにするためのグラフ表現学習手法を提案する。
本稿では,グローバルな自動車サプライチェーンネットワークのリンク予測における最先端の性能向上を実証する。
論文 参考訳(メタデータ) (2021-07-22T12:28:15Z) - Temporal-Relational Hypergraph Tri-Attention Networks for Stock Trend
Prediction [45.74513775015998]
本稿では、エンドツーエンドの株価トレンド予測のための協調的時間関係モデリングフレームワークを提案する。
新しいハイパーグラフトリアテンションネットワーク(HGTAN)が提案され,ハイパーグラフ畳み込みネットワークが拡張された。
このようにして、HGTANは、在庫間の情報伝達におけるノード、ハイパーエッジ、ハイパーグラフの重要性を適応的に決定する。
論文 参考訳(メタデータ) (2021-07-22T02:16:09Z) - The challenges and realities of retailing in a COVID-19 world:
Identifying trending and Vital During Crisis keywords during Covid-19 using
Machine Learning (Austria as a case study) [0.0]
将来予測の監査は季節性を重視しているため、トレンドベースのベンチマークに対する予測を選択することが推奨されている。
予測モデルは、サプライチェーン全体のエンドツーエンドのリアルタイム監視を提供する。
論文 参考訳(メタデータ) (2021-05-10T18:31:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。