論文の概要: AI-Enhanced Decision-Making for Sustainable Supply Chains: Reducing Carbon Footprints in the USA
- arxiv url: http://arxiv.org/abs/2501.10364v1
- Date: Sun, 08 Dec 2024 19:47:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-16 22:53:28.641981
- Title: AI-Enhanced Decision-Making for Sustainable Supply Chains: Reducing Carbon Footprints in the USA
- Title（参考訳）: 持続可能なサプライチェーンのためのAIによる意思決定:米国におけるカーボンフットプリントの削減
- Authors: MD Rokibul Hasan,
- Abstract要約: 本研究は, 炭素フットプリントに特化して, 持続可能なサプライチェーンの意思決定を支援する方法について論じる。
この論文は、米国における持続可能なサプライチェーンの実践を促進するためのAI駆動ソリューションの実装に関する課題と機会についてレビューする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Organizations increasingly need to reassess their supply chain strategies in the rapidly modernizing world towards sustainability. This is particularly true in the United States, where supply chains are very extensive and consume a large number of resources. This research paper discusses how AI can support decision-making for sustainable supply chains with a special focus on carbon footprints. These AI technologies, including machine learning, predictive analytics, and optimization algorithms, will enable companies to be more efficient, reduce emissions, and display regulatory and consumer demands for sustainability, among other aspects. The paper reviews challenges and opportunities regarding implementing AI-driven solutions to promote sustainable supply chain practices in the USA.
- Abstract（参考訳）: 組織は、サステナビリティに向けて急速に近代化された世界において、サプライチェーン戦略を再評価する必要がある。
特にアメリカ合衆国では、サプライチェーンは非常に広く、多くの資源を消費している。
本研究は, 炭素フットプリントに特化して, 持続可能なサプライチェーンの意思決定を支援する方法について論じる。
機械学習、予測分析、最適化アルゴリズムを含むこれらのAI技術により、企業はより効率的になり、排出を減らし、持続可能性に対する規制や消費者の要求を表示することができる。
この論文は、米国における持続可能なサプライチェーンの実践を促進するためのAI駆動ソリューションの実装に関する課題と機会についてレビューする。
関連論文リスト
- Designing and Deploying AI Models for Sustainable Logistics Optimization: A Case Study on Eco-Efficient Supply Chains in the USA [0.13551232282678033]
本研究では,米国における物流業務を最適化するためのAI手法について検討する。
主要なAIアプリケーションには、需要予測のための予測分析、機械学習による経路最適化、AI駆動の燃料効率戦略などがある。
現実のロジスティクスデータセットには、線形回帰、XGBoost、サポートベクトルマシン、ニューラルネットワークなど、さまざまなモデルが適用される。
論文 参考訳（メタデータ） (2025-03-18T00:46:35Z) - An Analytics-Driven Approach to Enhancing Supply Chain Visibility with Graph Neural Networks and Federated Learning [52.79646338275159]
本稿では,フェデレートラーニング(FL)とグラフ畳み込みニューラルネットワーク(GCN)を統合して,サプライチェーンの可視性を高める手法を提案する。
FLは、生のデータ交換を必要とせず、情報共有を容易にすることで、国間での協調的なモデルトレーニングを可能にする。
GCNは、知識グラフ内の複雑なリレーショナルパターンをキャプチャするフレームワークを強化し、正確なリンク予測を可能にして、隠れたコネクションを明らかにする。
論文 参考訳（メタデータ） (2025-03-10T12:15:45Z) - Climate And Resource Awareness is Imperative to Achieving Sustainable AI (and Preventing a Global AI Arms Race) [6.570828098873743]
持続可能なAIの可能性を実現するためには、気候と資源の認識の整合が不可欠である、と我々は主張する。
この対立に対処するために、CARAML(Climate and Resource Aware Machine Learning)フレームワークを紹介します。
論文 参考訳（メタデータ） (2025-02-27T11:54:10Z) - From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
この議論の多くは、大きな間接効果に対処することなく直接的影響に集中している。
本稿では,Jevonsのパラドックス問題がどのようにAIに適用され,効率向上がパラドックス的に消費増加を促すかを検討する。
これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。
論文 参考訳（メタデータ） (2025-01-27T22:45:06Z) - Towards Environmentally Equitable AI [23.332350246411124]
我々は、将来のAIシステムの管理の優先事項として、環境エクイティを提唱する。
我々は、地域によって環境コストをかなり分散させるために、エクイティ対応の地理的負荷分散の可能性を明らかにする。
我々は、AIの環境不平等を緩和するシステム管理アプローチの可能性を最大限活用するための、いくつかの今後の方向性を議論することで締めくくります。
論文 参考訳（メタデータ） (2024-12-21T08:46:19Z) - 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) - Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている
本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。
本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文 参考訳（メタデータ） (2024-04-28T05:46:28Z) - Artificial Intelligence in Sustainable Vertical Farming [0.0]
持続可能な垂直農業におけるAIの役割を包括的に探求する。
このレビューは、機械学習、コンピュータビジョン、IoT(Internet of Things)、ロボット工学を含む、AIアプリケーションの現状を合成する。
この影響は、経済的な可能性、環境への影響の低減、食料安全保障の向上など、効率の向上を超えて拡大している。
論文 参考訳（メタデータ） (2023-11-17T22:15:41Z) - Eco2AI: carbon emissions tracking of machine learning models as the
first step towards sustainable AI [47.130004596434816]
eco2AIでは、エネルギー消費の追跡と地域CO2排出量の正当性に重点を置いている。
モチベーションは、サステナブルAIとグリーンAI経路の両方で、AIベースの温室効果ガスの隔離サイクルの概念からもたらされる。
論文 参考訳（メタデータ） (2022-07-31T09:34:53Z) - Evaluation of key impression of resilient supply chain based on
artificial intelligence of things (AIoT) [1.0323063834827415]
サプライチェーンの組織は、常に課題や動的な環境変化に備えなければならない。
これらの課題に直面する効果的な解決策の1つは、回復力のあるサプライチェーンを作ることである。
このサプライチェーンの競争上の優位性は、低コスト、高品質、遅延低減、高レベルのサービスに依存しない。
論文 参考訳（メタデータ） (2022-07-18T06:15:59Z) - Sustainable AI: Environmental Implications, Challenges and Opportunities [13.089123643565724]
我々は、産業規模の機械学習ユースケースにおけるモデル開発サイクルを調べることで、AIコンピューティングの炭素フットプリントを特徴づける。
ハードウェア・ソフトウェア設計と大規模最適化がAIのカーボンフットプリント全体の削減にどのように役立つのかを、エンドツーエンドで分析する。
論文 参考訳（メタデータ） (2021-10-30T23:36:10Z) - 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)
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。