論文の概要: Enhancing Supply Chain Visibility with Knowledge Graphs and Large Language Models
- arxiv url: http://arxiv.org/abs/2408.07705v1
- Date: Mon, 5 Aug 2024 17:11:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 03:35:49.363360
- Title: Enhancing Supply Chain Visibility with Knowledge Graphs and Large Language Models
- Title（参考訳）: 知識グラフと大規模言語モデルによるサプライチェーンの可視性向上
- Authors: Sara AlMahri, Liming Xu, Alexandra Brintrup,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 49.898152180805454
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In today's globalized economy, comprehensive supply chain visibility is crucial for effective risk management. Achieving visibility remains a significant challenge due to limited information sharing among supply chain partners. This paper presents a novel framework leveraging Knowledge Graphs (KGs) and Large Language Models (LLMs) to enhance supply chain visibility without relying on direct stakeholder information sharing. Our zero-shot, LLM-driven approach automates the extraction of supply chain information from diverse public sources and constructs KGs to capture complex interdependencies between supply chain entities. We employ zero-shot prompting for Named Entity Recognition (NER) and Relation Extraction (RE) tasks, eliminating the need for extensive domain-specific training. We validate the framework with a case study on electric vehicle supply chains, focusing on tracking critical minerals for battery manufacturing. Results show significant improvements in supply chain mapping, extending visibility beyond tier-2 suppliers. The framework reveals critical dependencies and alternative sourcing options, enhancing risk management and strategic planning. With high accuracy in NER and RE tasks, it provides an effective tool for understanding complex, multi-tiered supply networks. This research offers a scalable, flexible method for constructing domain-specific supply chain KGs, addressing longstanding challenges in visibility and paving the way for advancements in digital supply chain surveillance.
- Abstract（参考訳）: 今日のグローバル化経済では、包括的なサプライチェーンの可視性は効果的なリスク管理に不可欠である。
サプライチェーンのパートナー間での情報共有が限られているため、可視性を確保することは依然として大きな課題である。
本稿では,知識グラフ(KG)と大規模言語モデル(LLM)を活用して,直接利害関係者の情報共有に頼ることなく,サプライチェーンの可視性を高める手法を提案する。
我々のゼロショットLCM駆動型アプローチは、様々な公共ソースからのサプライチェーン情報の抽出を自動化し、サプライチェーンエンティティ間の複雑な相互依存を捉えるためにKGを構築する。
我々は、名前付きエンティティ認識(NER)と関係抽出(RE)タスクにゼロショットプロンプトを導入し、ドメイン固有の広範なトレーニングの必要性を排除した。
この枠組みを電気自動車のサプライチェーンのケーススタディで検証し、電池製造における重要なミネラルの追跡に焦点をあてる。
その結果、サプライチェーンマッピングが大幅に改善され、ティア2サプライヤを超えて視認性が向上した。
このフレームワークは、重要な依存関係と代替のソーシングオプション、リスク管理の強化、戦略的計画を明らかにしている。
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。
この研究は、ドメイン固有のサプライチェーンKGを構築するためのスケーラブルで柔軟な方法を提供する。
関連論文リスト
- Supply Chain Network Extraction and Entity Classification Leveraging Large Language Models [5.205252810216621]
我々は,大規模言語モデル(LLM)を用いた土木分野向けサプライチェーングラフを開発する。
LLMを微調整してサプライチェーングラフ内のエンティティを分類し、それらの役割と関係に関する詳細な洞察を提供する。
我々の貢献には、土木分野向けのサプライチェーングラフの開発や、サプライチェーンネットワークのエンティティ分類と理解を強化する微調整LCMモデルなどが含まれます。
論文 参考訳（メタデータ） (2024-10-16T21:24:13Z) - SPOQchain: Platform for Secure, Scalable, and Privacy-Preserving Supply Chain Tracing and Counterfeit Protection [46.68279506084277]
この研究は、包括的なトレーサビリティと独創性検証を提供する、ブロックチェーンベースの新しいプラットフォームであるSPOQchainを提案する。
プライバシとセキュリティの側面を分析し、サプライチェーンのトレーシングの将来に対するSPOQチェーンの必要性と資格を実証する。
論文 参考訳（メタデータ） (2024-08-30T07:15:43Z) - Large Language Model Supply Chain: A Research Agenda [5.1875389249043415]
大規模言語モデル(LLM)は、自然言語処理とマルチモーダルコンテンツ生成において前例のない能力を導入し、人工知能に革命をもたらした。
本稿では,LLMサプライチェーンの総合的な研究課題を初めて提示し,重要な課題と機会を特定するための構造的アプローチを提案する。
論文 参考訳（メタデータ） (2024-04-19T09:29:53Z) - 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) - Identifying contributors to supply chain outcomes in a multi-echelon setting: a decentralised approach [47.00450933765504]
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) - 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) - 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)
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。