論文の概要: Designing and Deploying AI Models for Sustainable Logistics Optimization: A Case Study on Eco-Efficient Supply Chains in the USA

• arxiv url: http://arxiv.org/abs/2503.14556v1
• Date: Tue, 18 Mar 2025 00:46:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-20 15:25:24.586301
• Title: Designing and Deploying AI Models for Sustainable Logistics Optimization: A Case Study on Eco-Efficient Supply Chains in the USA
• Title（参考訳）: 持続可能なロジスティックス最適化のためのAIモデルの設計と展開:米国におけるエコ効率なサプライチェーンを事例として
• Authors: Reza E Rabbi Shawon, MD Rokibul Hasan, Md Anisur Rahman, Mohamed Ghandri, Iman Ahmed Lamari, Mohammed Kawsar, Rubi Akter,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.13551232282678033
• License:
• Abstract: The rapid evolution of Artificial Intelligence (AI) and Machine Learning (ML) has significantly transformed logistics and supply chain management, particularly in the pursuit of sustainability and eco-efficiency. This study explores AI-based methodologies for optimizing logistics operations in the USA, focusing on reducing environmental impact, improving fuel efficiency, and minimizing costs. Key AI applications include predictive analytics for demand forecasting, route optimization through machine learning, and AI-powered fuel efficiency strategies. Various models, such as Linear Regression, XGBoost, Support Vector Machine, and Neural Networks, are applied to real-world logistics datasets to reduce carbon emissions based on logistics operations, optimize travel routes to minimize distance and travel time, and predict future deliveries to plan optimal routes. Other models such as K-Means and DBSCAN are also used to optimize travel routes to minimize distance and travel time for logistics operations. This study utilizes datasets from logistics companies' databases. The study also assesses model performance using metrics such as mean absolute error (MAE), mean squared error (MSE), and R2 score. This study also explores how these models can be deployed to various platforms for real-time logistics and supply chain use. The models are also examined through a thorough case study, highlighting best practices and regulatory frameworks that promote sustainability. The findings demonstrate AI's potential to enhance logistics efficiency, reduce carbon footprints, and contribute to a more resilient and adaptive supply chain ecosystem.
• Abstract（参考訳）: 人工知能(AI)と機械学習(ML)の急速な進化は、サステナビリティとエコ効率の追求において、ロジスティクスとサプライチェーン管理を大きく変えた。 本研究では,米国におけるロジスティクス業務を最適化するためのAI手法について検討し,環境影響の低減,燃料効率の向上,コストの最小化に焦点をあてた。 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。 リニア回帰、XGBoost、サポートベクトルマシン、ニューラルネットワークといった様々なモデルが、実世界のロジスティクスデータセットに適用され、ロジスティクス操作に基づく二酸化炭素排出量の削減、旅行ルートの最適化、距離と旅行時間の最小化、将来の配達の予測、最適なルートの計画などが行われている。 K-MeansやDBSCANといった他のモデルも、ロジスティクス運用のための距離と移動時間を最小化するために旅行ルートを最適化するために使用される。 本研究はロジスティクス企業のデータベースからのデータセットを利用する。 また、平均絶対誤差(MAE)、平均二乗誤差(MSE)、R2スコアなどの指標を用いてモデル性能を評価する。 本研究は, リアルタイムロジスティクスおよびサプライチェーン利用のために, これらのモデルを様々なプラットフォームに展開する方法についても検討する。 モデルはまた、持続可能性を促進するベストプラクティスと規制フレームワークを強調した、徹底的なケーススタディを通じて検討されている。 この結果は、ロジスティクス効率を高め、炭素フットプリントを削減し、よりレジリエントで適応的なサプライチェーンエコシステムに寄与するAIの可能性を示している。

関連論文リスト

• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Intelligent logistics management robot path planning algorithm integrating transformer and GCN network [2.4515323873330317]
  この研究は、トランスフォーマーアーキテクチャ、グラフニューラルネットワーク(GNN)、GAN(Generative Adversarial Networks)の融合を活用して、スマートロジスティクスにおけるロボットの高度な経路最適化を実現する。 提案手法は,旅行距離の15%削減,時間効率の20%向上,エネルギー消費の10%削減など,顕著な改善を実現している。
  論文  参考訳（メタデータ） (2025-01-06T03:53:02Z)
• A Survey on Inference Optimization Techniques for Mixture of Experts Models [50.40325411764262]
  大規模Mixture of Experts(MoE)モデルは、条件計算によるモデル容量と計算効率の向上を提供する。 これらのモデル上で推論をデプロイし実行することは、計算資源、レイテンシ、エネルギー効率において大きな課題を示す。 本調査では,システムスタック全体にわたるMoEモデルの最適化手法について分析する。
  論文  参考訳（メタデータ） (2024-12-18T14:11:15Z)
• Real-Time Performance Optimization of Travel Reservation Systems Using AI and Microservices [1.03590082373586]
  本研究では、システムのパフォーマンス最適化のために、人工知能とマイクロサービスアプローチを折り畳むハイブリッドフレームワークを提案する。 AIアルゴリズムは需要パターンを予測し、リソースの割り当てを最適化し、マイクロサービスアーキテクチャによって駆動される意思決定を強化する。
  論文  参考訳（メタデータ） (2024-12-09T16:08:22Z)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• Traffic expertise meets residual RL: Knowledge-informed model-based residual reinforcement learning for CAV trajectory control [1.5361702135159845]
  本稿では,知識インフォームドモデルに基づく残留強化学習フレームワークを提案する。 交通専門家の知識を仮想環境モデルに統合し、基本力学にIntelligent Driver Model(IDM)、残留力学にニューラルネットワークを使用する。 本稿では,従来の制御手法を残差RLと組み合わせて,スクラッチから学習することなく,効率的な学習と政策最適化を容易にする新しい戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-30T16:16:57Z)
• Optimizing Automated Picking Systems in Warehouse Robots Using Machine Learning [15.615208767760663]
  本研究は、ディープラーニングと強化学習技術を活用した倉庫における自動ピッキングシステムに焦点を当てた。 ロボットのピッキング性能と複雑な環境への適応性を向上する上で,これらの技術の有効性を実証する。
  論文  参考訳（メタデータ） (2024-08-29T15:39:12Z)
• Meta Reinforcement Learning for Strategic IoT Deployments Coverage in Disaster-Response UAV Swarms [5.57865728456594]
  無人航空機(UAV)は、重要な緊急用途に使用される可能性があるとして、学術や産業の研究者の注目を集めている。 これらのアプリケーションには、地上のユーザーに無線サービスを提供し、災害の影響を受けた地域からデータを収集する機能が含まれる。 UAVの限られた資源、エネルギー予算、厳格なミッション完了時間は、これらの用途にUAVを採用する際の課題を提起している。
  論文  参考訳（メタデータ） (2024-01-20T05:05:39Z)
• TranDRL: A Transformer-Driven Deep Reinforcement Learning Enabled Prescriptive Maintenance Framework [58.474610046294856]
  産業システムは、運用効率を高め、ダウンタイムを減らすための信頼性の高い予測保守戦略を要求する。 本稿では,Transformerモデルに基づくニューラルネットワークと深部強化学習(DRL)アルゴリズムの機能を活用し,システムの保守動作を最適化する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T02:27:54Z)
• A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
  我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。 我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。 提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
  論文  参考訳（メタデータ） (2020-02-21T07:29:15Z)

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。