論文の概要: A Knowledge Graph Perspective on Supply Chain Resilience

• arxiv url: http://arxiv.org/abs/2305.08506v1
• Date: Mon, 15 May 2023 10:14:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-16 15:01:55.319821
• Title: A Knowledge Graph Perspective on Supply Chain Resilience
• Title（参考訳）: サプライチェーンのレジリエンスに関するナレッジグラフの視点
• Authors: Yushan Liu, Bailan He, Marcel Hildebrandt, Maximilian Buchner, Daniela Inzko, Roger Wernert, Emanuel Weigel, Dagmar Beyer, Martin Berbalk, Volker Tresp
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 15.028130016717773
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Global crises and regulatory developments require increased supply chain transparency and resilience. Companies do not only need to react to a dynamic environment but have to act proactively and implement measures to prevent production delays and reduce risks in the supply chains. However, information about supply chains, especially at the deeper levels, is often intransparent and incomplete, making it difficult to obtain precise predictions about prospective risks. By connecting different data sources, we model the supply network as a knowledge graph and achieve transparency up to tier-3 suppliers. To predict missing information in the graph, we apply state-of-the-art knowledge graph completion methods and attain a mean reciprocal rank of 0.4377 with the best model. Further, we apply graph analysis algorithms to identify critical entities in the supply network, supporting supply chain managers in automated risk identification.
• Abstract（参考訳）: 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。 企業は動的な環境に反応するだけでなく、積極的に行動し、生産遅延を防止し、サプライチェーンのリスクを減らすための措置を講じる必要がある。 しかし、サプライチェーンに関する情報、特に深いレベルでは、しばしば不透明で不完全であり、将来のリスクに関する正確な予測を得ることが困難である。 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。 グラフの欠落情報を予測するために,最先端知識グラフ補完手法を適用し,最良モデルを用いて平均相互ランク 0.4377 を達成する。 さらに,サプライチェーン管理者のリスク自動識別を支援するため,サプライネットワークにおける重要なエンティティの同定にグラフ解析アルゴリズムを適用した。

関連論文リスト

• Enhancing Supply Chain Visibility with Knowledge Graphs and Large Language Models [49.898152180805454]
  本稿では,サプライチェーンの可視性を高めるために,知識グラフ(KG)と大規模言語モデル(LLM)を活用した新しいフレームワークを提案する。 我々のゼロショットLPM駆動アプローチは、様々な公共情報源からのサプライチェーン情報の抽出を自動化する。 NERとREタスクの精度が高く、複雑な多層供給ネットワークを理解する効果的なツールを提供する。
  論文  参考訳（メタデータ） (2024-08-05T17:11:29Z)
• 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)
• Privacy-preserving design of graph neural networks with applications to vertical federated learning [56.74455367682945]
  VESPERと呼ばれるエンドツーエンドのグラフ表現学習フレームワークを提案する。 VESPERは、適切なプライバシー予算の下でスパースグラフと密度グラフの両方で高性能なGNNモデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2023-10-31T15:34:59Z)
• Handling Distribution Shifts on Graphs: An Invariance Perspective [78.31180235269035]
  我々は、グラフ上のOOD問題を定式化し、新しい不変学習手法である探索・拡張リスク最小化(EERM)を開発する。 EERMは、複数の仮想環境からのリスクの分散を最大化するために、敵対的に訓練された複数のコンテキストエクスプローラーを利用する。 理論的に有効なOOD解の保証を示すことによって,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2022-02-05T02:31:01Z)
• Discovering Supply Chain Links with Augmented Intelligence [0.0]
  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。
  論文  参考訳（メタデータ） (2021-11-02T20:30:14Z)
• 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)
• 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)
• Information Obfuscation of Graph Neural Networks [96.8421624921384]
  本稿では,グラフ構造化データを用いた学習において,情報難読化による機密属性保護の問題について検討する。 本稿では,全変動量とワッサーシュタイン距離を交互に学習することで,事前決定された機密属性を局所的にフィルタリングするフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-09-28T17:55:04Z)

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。