論文の概要: Decision support system for distributed manufacturing based on
input-output analysis and economic complexity
- arxiv url: http://arxiv.org/abs/2201.00694v1
- Date: Thu, 23 Dec 2021 09:45:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-09 13:29:59.405514
- Title: Decision support system for distributed manufacturing based on
input-output analysis and economic complexity
- Title（参考訳）: 入出力分析と経済複雑性に基づく分散生産意思決定支援システム
- Authors: Arnault Pachot (IP), Ad\'ela\"ide Albouy-Kissi (IP), Benjamin
Albouy-Kissi (IP), Fr\'ed\'eric Chausse (IP)
- Abstract要約: 新型コロナウイルス(COVID-19)危機で供給が途絶えたことは不足につながったが、一部の企業の適応性も示している。
これらの企業は、ハイドロアルコールゲル、マスク、医療用ガウンなどの不足品を生産するために、生産チェーンを迅速に適応させることに成功している。
生成物Aから生成物Bへのこれらの生産的ジャンプは、2種類の生成物間のノウハウ近接性のために実現可能である。
- 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: The disruption of supplies during the Covid-19 crisis has led to shortages
but has also shown the adaptability of some companies, which have succeeded in
adapting their production chains quickly to produce goods experiencing
shortages: hydroalcoholic gel, masks, and medical gowns. These productive jumps
from product A to product B are feasible because of the know-how proximity
between the two classes of products. The proximities were computed from the
analysis of co-exports and resulted in the construction of the product space.
Based on the product space, as well as the customer-supplier relationships
resulting from the input-output matrices, we propose a recommender system for
companies. The goal is to promote distributed manufacturing by recommending a
list of local suppliers to each company. As there is not always a local
supplier for a desired product class, we consider the proximity between
products to identify, in the absence of a supplier, a substitute supplier able
to adapt its production tools to provide the required product. Our experiments
are based on French data, from which we build a graph of synergies illustrating
the potential productive links between companies. Finally, we show that our
approach offers new perspectives to determine the level of territories'
industrial resilience considering potential productive jumps.
- Abstract（参考訳）: コビッド19の危機で供給が途絶えたことで不足が生じたが、いくつかの企業は生産チェーンを迅速に適応させ、水アルコールゲル、マスク、医療ガウンなどの不足品を生産することに成功している。
製品aから製品bへのこれらの生産的ジャンプは、2つのタイプの製品間のノウハウの近さから実現可能である。
これらの近値は共同輸出の分析から計算され、積空間の構築に繋がった。
製品空間と、入出力行列から生じる顧客・供給関係に基づいて、企業への推薦システムを提案する。
目的は、各企業にローカルサプライヤーのリストを推薦することで、分散製造を促進することである。
常に所望の製品クラスに現地のサプライヤーが存在するわけではないので、サプライヤーがいない場合、サプライヤーがその生産ツールを適応して必要な製品を提供することができるように、製品間の近接性を考察する。
われわれの実験はフランスのデータに基づいており、そこから企業間の生産的つながりを示すシナジーのグラフを構築している。
最後に,本手法は,生産的ジャンプの可能性を考慮した領域の工業的レジリエンスのレベルを決定するための新たな視点を提供する。
関連論文リスト
- A Systematic Review of Available Datasets in Additive Manufacturing [56.684125592242445]
視覚およびその他のセンサー技術を組み込んだその場監視により、追加製造プロセス中に広範なデータセットの収集が可能になる。
これらのデータセットは、製造された出力の品質を判断し、機械学習を使用して欠陥を検出する可能性がある。
本稿では,AMプロセスから派生したオープン画像ベースデータセットの利用可能性について検討する。
論文 参考訳（メタデータ） (2024-01-27T16:13:32Z) - Addressing distributional shifts in operations management: The case of
order fulfillment in customized production [16.59770789646159]
本稿では,逆学習と求人スケジューリングに基づくデータ駆動型アプローチを提案する。
実店舗の生産から得られた実世界のデータを用いて,提案手法を実証的に検証した。
本報告では,生産管理者が分散シフトの下で意思決定を改善する方法について述べる。
論文 参考訳（メタデータ） (2023-04-24T08:34:41Z) - Which products activate a product? An explainable machine learning
approach [0.0]
木に基づく機械学習アルゴリズムは、国がターゲット製品を輸出する可能性の最も正確な評価を提供する。
実用性評価における製品の重要性を統計的に検証する手法を提案する。
論文 参考訳（メタデータ） (2022-12-05T15:14:39Z) - GreenDB -- A Dataset and Benchmark for Extraction of Sustainability
Information of Consumer Goods [58.31888171187044]
毎週、ヨーロッパのオンラインショップから商品を収集するデータベースであるGreenDBを提示する。
製品サステナビリティのプロキシとして、専門家が評価するサステナビリティラベルに依存している。
本稿では,データを用いてトレーニングしたMLモデルを用いて,製品のサステナビリティラベルを確実に予測できることを示す。
論文 参考訳（メタデータ） (2022-07-21T19:59:42Z) - Concepts and Algorithms for Agent-based Decentralized and Integrated
Scheduling of Production and Auxiliary Processes [78.120734120667]
本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。
要求の一部は、線形にスケールする通信アーキテクチャを開発することである。
このアプローチは、工業的要件に基づいた例を使って説明されます。
論文 参考訳（メタデータ） (2022-05-06T18:44:29Z) - A Research Agenda for Artificial Intelligence in the Field of Flexible
Production Systems [53.47496941841855]
生産会社は、需要変動や要求の変化に対して生産制御を迅速に適応することに関して、問題に直面します。
サービスという意味で生産機能をカプセル化することを目的とした制御手法は,サイバー物理生産システムの柔軟性を高めるために有望であることが示されている。
しかし、そのようなアプローチの既存の課題は、要求された機能と提供された機能の間に直接(統語的)一致がない場合に、一連の要求に対して提供された機能に基づいて生産計画を見つけることである。
論文 参考訳（メタデータ） (2021-12-31T14:38:31Z) - Can Online Customer Reviews Help Design More Sustainable Products? A
Preliminary Study on Amazon Climate Pledge Friendly Products [0.0]
この論文は、Amazonの製品レビューを調査し分析し、以下の質問に新たな光を当てている。
スター格付けによって均等に分配された上位100のレビューは、3つの製品カテゴリが収集され、手動で注釈付けされ、分析され、解釈される。
レビューの12%から20%の間、直接または間接的に言及されたアスペクトや属性は、持続可能性の観点からこれらの製品の設計を改善するために利用することができる。
論文 参考訳（メタデータ） (2021-12-20T08:57:37Z) - Creating Training Sets via Weak Indirect Supervision [66.77795318313372]
Weak Supervision (WS)フレームワークは、複数の潜在的にノイズの多い監督ソースからトレーニングラベルを合成する。
Weak Indirect Supervision (WIS) は、トレーニングラベルの自動合成のための新しい研究課題である。
我々は,ユーザが提供するラベル関係を利用して間接的な監督源をモデル化し活用する確率論的モデリング手法PLRMを開発した。
論文 参考訳（メタデータ） (2021-10-07T14:09:35Z) - Product1M: Towards Weakly Supervised Instance-Level Product Retrieval
via Cross-modal Pretraining [108.86502855439774]
弱教師付きマルチモーダル・インスタンスレベルの製品検索を目的とした,より現実的な設定について検討する。
実世界のインスタンスレベルの検索において,最も大規模なマルチモーダル化粧品データセットであるProduct1Mをコントリビュートする。
ケースレベルの予測検索(CAPTURE)のためのクロスモーダル・コントラサシブ・プロダクト・トランスフォーマーという新しいモデルを提案する。
論文 参考訳（メタデータ） (2021-07-30T12:11:24Z) - Studying Product Competition Using Representation Learning [7.01269741110576]
本稿では、製品レベルの競争を研究するために、表現学習アルゴリズムWord2Vecに基づくProduct2Vecを紹介する。
提案モデルでは,ショッピングバスケットを入力とし,各商品に対して重要な商品情報を保存した低次元の埋め込みを生成する。
現状のモデルと比較して、我々のアプローチはより高速であり、より正確な需要予測と価格弾力性が得られることを示す。
論文 参考訳（メタデータ） (2020-05-21T00:36:13Z) - Scalable bundling via dense product embeddings [1.933681537640272]
バンドルとは,2つ以上の製品をディスカウントで共同販売するプラクティスである。
我々は,大規模なクロスカテゴリ小売環境でバンドルを設計するための,機械学習による新しい手法を開発した。
埋め込みベースの製品は、バンドルの成功の強力な予測要因であり、製品全体にわたって堅牢であり、小売業者全体の構成によく当てはまります。
論文 参考訳（メタデータ） (2020-01-31T23:34:56Z)
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。