論文の概要: Impact of COVID-19 on The Bullwhip Effect Across U.S. Industries

• arxiv url: http://arxiv.org/abs/2506.06368v1
• Date: Wed, 04 Jun 2025 09:39:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.235295
• Title: Impact of COVID-19 on The Bullwhip Effect Across U.S. Industries
• Title（参考訳）: 新型コロナウイルスが米国産業のブルウィップ効果に及ぼす影響
• Authors: Alper Saricioglu, Mujde Erol Genevois, Michele Cedolin,
• Abstract要約: ブルウィップ効果はサプライチェーンに対する需要変動の増幅を記述している。 本研究は、新型コロナウイルスのパンデミックが米国の産業全体にわたってブルウィップ効果をいかに高めたかを検討する。
• 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: The Bullwhip Effect, describing the amplification of demand variability up the supply chain, poses significant challenges in Supply Chain Management. This study examines how the COVID-19 pandemic intensified the Bullwhip Effect across U.S. industries, using extensive industry-level data. By focusing on the manufacturing, retailer, and wholesaler sectors, the research explores how external shocks exacerbate this phenomenon. Employing both traditional and advanced empirical techniques, the analysis reveals that COVID-19 significantly amplified the Bullwhip Effect, with industries displaying varied responses to the same external shock. These differences suggest that supply chain structures play a critical role in either mitigating or intensifying the effect. By analyzing the dynamics during the pandemic, this study provides valuable insights into managing supply chains under global disruptions and highlights the importance of tailoring strategies to industry-specific characteristics.
• Abstract（参考訳）: サプライチェーンに対する需要変動の増幅を説明したブルウィップ効果は、サプライチェーンマネジメントにおいて大きな課題を提起している。 本研究は、新型コロナウイルス(COVID-19)のパンデミックが、業界レベルでの広範なデータを用いて、米国産業全体のブルウィップ効果をいかに強化したかを検討する。 製造業、小売業、雑貨業者に焦点を合わせることで、外部ショックがいかにこの現象を悪化させるかを調査する。 従来の経験的手法と高度な経験的手法の両方を用いて、新型コロナウイルスがブルウィップ効果を著しく増幅したことが明らかになった。 これらの違いは、サプライチェーン構造が効果を緩和または強化する上で重要な役割を担っていることを示唆している。 本研究は、パンデミック時のダイナミクスを分析することにより、世界的な混乱の下でサプライチェーンを管理するための貴重な洞察を与え、産業特有の特徴に対する戦略の調整の重要性を強調した。

関連論文リスト

• 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)
• Root Cause Attribution of Delivery Risks via Causal Discovery with Reinforcement Learning [0.0]
  本稿では, 因果発見と強化学習を統合することで, サプライチェーンにおける納入リスクの根本原因を解明する手法を提案する。 提案手法を実世界のサプライチェーンデータセットに適用し,納期遅延の原因を明らかにする上での有効性を示す。
  論文  参考訳（メタデータ） (2024-08-11T20:52:51Z)
• 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)
• Variable-Agnostic Causal Exploration for Reinforcement Learning [56.52768265734155]
  強化学習のための新しいフレームワークVACERL(Variable-Agnostic Causal Exploration for Reinforcement Learning)を導入する。 本手法は,注目機構を用いて,重要変数に関連する重要な観測行動ステップを自動的に同定する。 これらのステップを接続する因果グラフを構築し、エージェントをタスク完了に対する因果的影響の大きい観察-作用ペアへと導く。
  論文  参考訳（メタデータ） (2024-07-17T09:45:27Z)
• Towards Better Chain-of-Thought Prompting Strategies: A Survey [60.75420407216108]
  CoT(Chain-of-Thought)は,大規模言語モデル(LLM)の促進戦略として使用すると,その印象的な強度を示す。 近年,CoTの促進効果が注目されている。 この調査は、関連する研究全般の参考になるかもしれない。
  論文  参考訳（メタデータ） (2023-10-08T01:16:55Z)
• Causal Effect Estimation with Global Probabilistic Forecasting: A Case Study of the Impact of Covid-19 Lockdowns on Energy Demand [2.126171264016785]
  外部介入の不確実性が電力需要に与える影響を分析する必要がある。 本稿では,介入の因果的影響分布を推定するために,ディープラーニングアプローチを用いる。 コビッド19のロックダウンがエネルギー消費に与える影響を事例として考察する。
  論文  参考訳（メタデータ） (2022-09-19T09:39:29Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• The challenges and realities of retailing in a COVID-19 world: Identifying trending and Vital During Crisis keywords during Covid-19 using Machine Learning (Austria as a case study) [0.0]
  将来予測の監査は季節性を重視しているため、トレンドベースのベンチマークに対する予測を選択することが推奨されている。 予測モデルは、サプライチェーン全体のエンドツーエンドのリアルタイム監視を提供する。
  論文  参考訳（メタデータ） (2021-05-10T18:31:45Z)
• ExcavatorCovid: Extracting Events and Relations from Text Corpora for Temporal and Causal Analysis for COVID-19 [63.72766553648224]
  excavatorcovidは、オープンソースのテキスト文書を取り込む機械読取システムである。 COVID19関連イベントとそれらの関係を抽出し、時間と因果分析グラフを構築する。
  論文  参考訳（メタデータ） (2021-05-05T01:18:46Z)
• Assessing the Heterogeneous Impact of Economy-Wide Shocks: A Machine Learning Approach Applied to Colombian Firms [0.0]
  輸出に対する経済全般的なショックの不均一な影響について検討する。 新型コロナウイルス(COVID-19)の影響で、2020年4月に輸出市場での生存確率が約20ポイント低下したことが判明した。
  論文  参考訳（メタデータ） (2021-04-09T19:00:03Z)

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。