論文の概要: Identifying contributors to supply chain outcomes in a multi-echelon setting: a decentralised approach

• arxiv url: http://arxiv.org/abs/2307.12157v1
• Date: Sat, 22 Jul 2023 20:03:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-25 17:39:07.023978
• Title: Identifying contributors to supply chain outcomes in a multi-echelon setting: a decentralised approach
• Title（参考訳）: マルチケロン環境におけるサプライチェーン成果への貢献者同定--分散的アプローチ
• Authors: Stefan Schoepf, Jack Foster, Alexandra Brintrup
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 69.62333053044712
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Organisations often struggle to identify the causes of change in metrics such as product quality and delivery duration. This task becomes increasingly challenging when the cause lies outside of company borders in multi-echelon supply chains that are only partially observable. Although traditional supply chain management has advocated for data sharing to gain better insights, this does not take place in practice due to data privacy concerns. We propose the use of explainable artificial intelligence for decentralised computing of estimated contributions to a metric of interest in a multi-stage production process. This approach mitigates the need to convince supply chain actors to share data, as all computations occur in a decentralised manner. Our method is empirically validated using data collected from a real multi-stage manufacturing process. The results demonstrate the effectiveness of our approach in detecting the source of quality variations compared to a centralised approach using Shapley additive explanations.
• Abstract（参考訳）: 組織はしばしば、製品の品質や納品期間といったメトリクスの変化の原因を特定するのに苦労します。 原因が、部分的に観測可能なマルチエケロンサプライチェーンの会社の境界外にある場合、このタスクはますます困難になる。 従来のサプライチェーン管理では、より良い洞察を得るためにデータ共有を提唱してきたが、実際にはデータプライバシの懸念から実現していない。 本稿では,多段階生産プロセスにおける関心の指標に対する推定貢献の分散化コンピューティング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、すべての計算が分散的に行われるため、サプライチェーンアクターにデータを共有するように説得する必要性を軽減します。 本手法は実多段階製造プロセスから収集したデータを用いて実証的に検証する。 その結果,shapley 添加剤を用いた集中型アプローチと比較して,品質変動源検出における本手法の有効性が示された。

関連論文リスト

• Federated Automatic Latent Variable Selection in Multi-output Gaussian Processes [0.7366405857677227]
  ユニット間で知識を伝達するMGPの一般的なアプローチは、各ユニットから中央サーバーへのすべてのデータ収集である。 本稿では,各潜伏過程の係数にスパイク・アンド・スラブ先行を配置する階層モデルを提案する。 これらの先行は、不要なものの係数を0に縮めることで、必要な潜在プロセスのみを自動的に選択するのに役立つ。
  論文  参考訳（メタデータ） (2024-07-24T02:03:28Z)
• Data Quality in Crowdsourcing and Spamming Behavior Detection [2.6481162211614118]
  本稿では,データ品質を評価し,分散分解によるスパムの脅威を検出するための体系的手法を提案する。 データ一貫性を評価するためにスパマーインデックスが提案され、群衆労働者の信頼性を測定するために2つの指標が開発された。
  論文  参考訳（メタデータ） (2024-04-04T02:21:38Z)
• An Analysis of Multi-Agent Reinforcement Learning for Decentralized Inventory Control Systems [0.0]
  在庫管理問題に対するほとんどのソリューションは、実際のサプライチェーンネットワークにおける組織的制約とは相容れない情報の集中化を前提としている。 本稿では,多エージェント強化学習を用いた在庫管理問題に対する分散データ駆動型ソリューションを提案する。 以上の結果から,マルチエージェントに近いポリシー最適化を中央集権的批判と組み合わせることで,中央集権的なデータ駆動型ソリューションに近い性能が得られることが示唆された。
  論文  参考訳（メタデータ） (2023-07-21T08:52:08Z)
• Revisiting Modality Imbalance In Multimodal Pedestrian Detection [6.7841188753203046]
  本稿では,マルチモーダルアーキテクチャにおける正規化器を用いた新しいトレーニング構成を導入し,モーダル間の相違を解消する。 具体的には,2つの特徴抽出器を訓練中に同等に重要視することにより,特徴融合法をより堅牢にすることを支援する。
  論文  参考訳（メタデータ） (2023-02-24T11:56:57Z)
• Multi-View Knowledge Distillation from Crowd Annotations for Out-of-Domain Generalization [53.24606510691877]
  本稿では,既存の手法による分布を集約することで,クラウドアノテーションからソフトラベルを取得する新しい手法を提案する。 これらのアグリゲーション手法は、ドメイン外テストセット上の4つのNLPタスクにおいて、最も一貫したパフォーマンスをもたらすことを実証する。
  論文  参考訳（メタデータ） (2022-12-19T12:40:18Z)
• Towards federated multivariate statistical process control (FedMSPC) [1.8047694351309207]
  本稿では、フェデレーション主成分分析(PCA)とセキュアマルチパーティ計算に基づく、プライバシ保護、フェデレーション付き統計プロセス制御(FedMSPC)フレームワークを提案する。 実験により,提案手法の故障検出能力は,標準の単方向(複数方向)PCAと比較して優れていることが示された。
  論文  参考訳（メタデータ） (2022-11-03T08:36:30Z)
• 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)
• Coarse to Fine: Domain Adaptive Crowd Counting via Adversarial Scoring Network [58.05473757538834]
  本稿では,ドメイン間のギャップを粗い粒度から細かな粒度に埋める新しい逆スコアリングネットワーク (ASNet) を提案する。 3組のマイグレーション実験により,提案手法が最先端のカウント性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-07-27T14:47:24Z)
• Decentralized Local Stochastic Extra-Gradient for Variational Inequalities [125.62877849447729]
  我々は、不均一(非IID)で多くのデバイスに分散する問題データを持つ領域上での分散変分不等式(VIs)を考察する。 我々は、完全に分散化された計算の設定を網羅する計算ネットワークについて、非常に一般的な仮定を行う。 理論的には, モノトン, モノトンおよび非モノトンセッティングにおける収束速度を理論的に解析する。
  論文  参考訳（メタデータ） (2021-06-15T17:45:51Z)
• Dif-MAML: Decentralized Multi-Agent Meta-Learning [54.39661018886268]
  我々は,MAML や Dif-MAML と呼ばれる協調型マルチエージェントメタ学習アルゴリズムを提案する。 提案手法により, エージェントの集合が線形速度で合意に達し, 集約MAMLの定常点に収束できることを示す。 シミュレーションの結果は従来の非協調的な環境と比較して理論的な結果と優れた性能を示している。
  論文  参考訳（メタデータ） (2020-10-06T16:51:09Z)

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。