論文の概要: A Theoretical Framework for Graph-based Digital Twins for Supply Chain Management and Optimization

• arxiv url: http://arxiv.org/abs/2504.03692v1
• Date: Sun, 23 Mar 2025 19:27:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-13 06:52:54.205148
• Title: A Theoretical Framework for Graph-based Digital Twins for Supply Chain Management and Optimization
• Title（参考訳）: サプライチェーン管理と最適化のためのグラフベースディジタルツインの理論的枠組み
• Authors: Azmine Toushik Wasi, Mahfuz Ahmed Anik, Abdur Rahman, Md. Iqramul Hoque, MD Shafikul Islam, Md Manjurul Ahsan,
• Abstract要約: グローバル化、市場需要の進展、持続可能性圧力により、サプライチェーン管理はますます複雑化している。 グラフベースのモデリングは、サプライチェーン内の複雑な関係をキャプチャする強力な方法を提供する一方、Digital Twins(DT)はリアルタイム監視と動的シミュレーションを可能にする。 本稿では, グラフモデリングとDTアーキテクチャを組み合わせることで, 動的かつリアルタイムなサプライネットワーク表現を実現するグラフベースDigital Twin Frameworkを提案する。
• 参考スコア（独自算出の注目度）: 0.37109226820205005
• License:
• Abstract: Supply chain management is growing increasingly complex due to globalization, evolving market demands, and sustainability pressures, yet traditional systems struggle with fragmented data and limited analytical capabilities. Graph-based modeling offers a powerful way to capture the intricate relationships within supply chains, while Digital Twins (DTs) enable real-time monitoring and dynamic simulations. However, current implementations often face challenges related to scalability, data integration, and the lack of sustainability-focused metrics. To address these gaps, we propose a Graph-Based Digital Twin Framework for Supply Chain Optimization, which combines graph modeling with DT architecture to create a dynamic, real-time representation of supply networks. Our framework integrates a Data Integration Layer to harmonize disparate sources, a Graph Construction Module to model complex dependencies, and a Simulation and Analysis Engine for scalable optimization. Importantly, we embed sustainability metrics - such as carbon footprints and resource utilization - into operational dashboards to drive eco-efficiency. By leveraging the synergy between graph-based modeling and DTs, our approach enhances scalability, improves decision-making, and enables organizations to proactively manage disruptions, cut costs, and transition toward greener, more resilient supply chains.
• Abstract（参考訳）: グローバル化、市場要求の進展、持続可能性のプレッシャーによってサプライチェーン管理はますます複雑になってきていますが、従来のシステムは断片化されたデータと限られた分析能力に悩まされています。 グラフベースのモデリングは、サプライチェーン内の複雑な関係をキャプチャする強力な方法を提供する一方、Digital Twins(DT)はリアルタイム監視と動的シミュレーションを可能にする。 しかしながら、現在の実装は、スケーラビリティ、データ統合、持続可能性にフォーカスしたメトリクスの欠如に関連する課題に直面していることが多い。 このようなギャップに対処するため,我々は,グラフモデリングとDTアーキテクチャを組み合わせて,動的かつリアルタイムなサプライネットワーク表現を作成するグラフベースのDigital Twin Framework for supply Chain Optimizationを提案する。 我々のフレームワークは、異なるソースを調和させるデータ統合層、複雑な依存関係をモデル化するグラフ構築モジュール、スケーラブルな最適化のためのシミュレーションと分析エンジンを統合しています。 重要なことは、カーボンフットプリントやリソース利用といったサステナビリティ指標を運用ダッシュボードに組み込んで、エコ効率を向上することです。 グラフベースのモデリングとDTの相乗効果を利用することで、スケーラビリティを強化し、意思決定を改善し、組織が破壊を積極的に管理し、コストを削減し、よりグリーンでレジリエントなサプライチェーンへの移行を可能にする。

関連論文リスト

• Optimizing Supply Chain Networks with the Power of Graph Neural Networks [0.0]
  グラフニューラルネットワーク(GNN)は、複雑なリレーショナルデータをモデリングするための変換ツールとして登場した。 本稿では,サプライチェーンネットワークにおける需要予測へのGNNの適用について,サプライグラフデータセットを用いて検討する。
  論文  参考訳（メタデータ） (2025-01-07T02:31:24Z)
• A Comparative Study on Dynamic Graph Embedding based on Mamba and Transformers [0.29687381456164]
  本研究では,変圧器と最近提案されたMambaアーキテクチャを用いた動的グラフ埋め込み手法の比較解析を行った。 グラフ畳み込みネットワークを用いたTransformerG2G Augment、グラフ同型ネットワークエッジ畳み込みを用いたDG-Mamba、GDG-Mambaの3つの新しいモデルを導入する。 複数のベンチマークデータセットに対する実験により,Mambaベースのモデルが,リンク予測タスクにおけるトランスフォーマーベースのアプローチに匹敵する,あるいは優れた性能を達成できることが示されている。
  論文  参考訳（メタデータ） (2024-12-15T19:56:56Z)
• Dynamic Graph Representation with Contrastive Learning for Financial Market Prediction: Integrating Temporal Evolution and Static Relations [5.892066196730197]
  時間グラフ学習(TGL)は、株式市場の進化する性質を捉えるために不可欠である。 伝統的な手法は、動的時間的変化とストック間の静的構造の間の相互作用を無視することが多い。 動的グラフ関係と静的グラフ関係を統合するコントラスト学習フレームワークによる動的グラフ表現を提案する。
  論文  参考訳（メタデータ） (2024-12-05T10:15:56Z)
• 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)
• Digital Twin-Enhanced Deep Reinforcement Learning for Resource Management in Networks Slicing [46.65030115953947]
  本稿では,デジタルツインと強化学習エージェントからなるフレームワークを提案する。 具体的には、歴史的データとニューラルネットワークを用いて、実環境の状態変動則をシミュレートするデジタルツインモデルを構築することを提案する。 また、このフレームワークをオフラインで強化学習に拡張し、歴史的データのみに基づいたインテリジェントな意思決定にソリューションを利用できるようにします。
  論文  参考訳（メタデータ） (2023-11-28T15:25:14Z)
• EasyDGL: Encode, Train and Interpret for Continuous-time Dynamic Graph Learning [92.71579608528907]
  本稿では,3つのモジュールから構成される使い勝手の良いパイプライン(EasyDGL)を設計することを目的とする。 EasyDGLは、進化するグラフデータからモデルが学習する周波数コンテンツの予測力を効果的に定量化することができる。
  論文  参考訳（メタデータ） (2023-03-22T06:35:08Z)
• Evaluating Distribution System Reliability with Hyperstructures Graph Convolutional Nets [74.51865676466056]
  本稿では,グラフ畳み込みネットワークとハイパー構造表現学習フレームワークを,精度,信頼性,計算効率のよい分散グリッド計画に活用する方法を示す。 数値実験の結果,提案手法は計算効率を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2022-11-14T01:29:09Z)
• Efficient Dynamic Graph Representation Learning at Scale [66.62859857734104]
  本稿では,学習損失による時間依存性を選択的に表現し,計算の並列性を改善するための効率的な動的グラフ lEarning (EDGE) を提案する。 EDGEは、数百万のノードと数億の時間的イベントを持つ動的グラフにスケールでき、新しい最先端(SOTA)パフォーマンスを実現することができる。
  論文  参考訳（メタデータ） (2021-12-14T22:24:53Z)
• Tensor Graph Convolutional Networks for Multi-relational and Robust Learning [74.05478502080658]
  本稿では,テンソルで表されるグラフの集合に関連するデータから,スケーラブルな半教師付き学習(SSL)を実現するためのテンソルグラフ畳み込みネットワーク(TGCN)を提案する。 提案アーキテクチャは、標準的なGCNと比較して大幅に性能が向上し、最先端の敵攻撃に対処し、タンパク質間相互作用ネットワーク上でのSSL性能が著しく向上する。
  論文  参考訳（メタデータ） (2020-03-15T02:33:21Z)

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。