論文の概要: Leveraging LLM-Based Agents for Intelligent Supply Chain Planning

• arxiv url: http://arxiv.org/abs/2509.03811v1
• Date: Thu, 04 Sep 2025 01:55:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:10.015856
• Title: Leveraging LLM-Based Agents for Intelligent Supply Chain Planning
• Title（参考訳）: 知的サプライチェーン計画のためのLCMエージェントの活用
• Authors: Yongzhi Qi, Jiaheng Yin, Jianshen Zhang, Dongyang Geng, Zhengyu Chen, Hao Hu, Wei Qi, Zuo-Jun Max Shen,
• Abstract要約: サプライチェーン計画エージェント(SCPA)は、ドメイン知識を理解し、オペレータのニーズを理解し、タスクを分解し、新しいツールを活用または作成できるフレームワークである。 我々は、このフレームワークをJD.comの現実世界のシナリオに展開し、サプライチェーンにおけるLCMエージェントアプリケーションの実現可能性を示す。
• 参考スコア（独自算出の注目度）: 8.222411952670987
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In supply chain management, planning is a critical concept. The movement of physical products across different categories, from suppliers to warehouse management, to sales, and logistics transporting them to customers, entails the involvement of many entities. It covers various aspects such as demand forecasting, inventory management, sales operations, and replenishment. How to collect relevant data from an e-commerce platform's perspective, formulate long-term plans, and dynamically adjust them based on environmental changes, while ensuring interpretability, efficiency, and reliability, is a practical and challenging problem. In recent years, the development of AI technologies, especially the rapid progress of large language models, has provided new tools to address real-world issues. In this work, we construct a Supply Chain Planning Agent (SCPA) framework that can understand domain knowledge, comprehend the operator's needs, decompose tasks, leverage or create new tools, and return evidence-based planning reports. We deploy this framework in JD.com's real-world scenario, demonstrating the feasibility of LLM-agent applications in the supply chain. It effectively reduced labor and improved accuracy, stock availability, and other key metrics.
• Abstract（参考訳）: サプライチェーンマネジメントでは、計画が重要な概念である。 サプライヤーから倉庫管理、販売、ロジスティクスに至るまで、さまざまなカテゴリーの物理的製品の移動は、多くのエンティティの関与を伴います。 需要予測、在庫管理、販売業務、補充など様々な側面をカバーしている。 電子商取引プラットフォームの観点から関連するデータを収集し、環境変化に基づいて長期計画を定式化し、動的に調整し、解釈可能性、効率、信頼性を確保することは、実用的で困難な問題である。 近年、AI技術、特に大規模言語モデルの急速な進歩は、現実世界の問題に対処するための新しいツールを提供している。 本研究では、ドメイン知識を理解し、オペレータのニーズを理解し、タスクを分解し、新しいツールを活用または作成し、エビデンスベースの計画報告を返すことができるサプライチェーン計画エージェント(SCPA)フレームワークを構築する。 我々は、このフレームワークをJD.comの現実世界のシナリオに展開し、サプライチェーンにおけるLCMエージェントアプリケーションの実現可能性を示す。 これにより、労働力を効果的に削減し、正確性、在庫の可用性、その他の重要な指標を改善した。

関連論文リスト

• Graph-Augmented Large Language Model Agents: Current Progress and Future Prospects [57.53024716739594]
  グラフ拡張LDMエージェント(GLA)は複雑なエージェントシステムの構造、連続性、調整を強化する。 本稿では,最近の進歩の概要をタイムリーかつ包括的に紹介し,今後の研究の方向性を明らかにする。 本論文は,GLAにおける今後の研究のロードマップとして機能し,GLAエージェントシステムにおけるグラフの役割のより深い理解を促進することを願っている。
  論文  参考訳（メタデータ） (2025-07-29T00:27:12Z)
• Reinforcement Learning for Autonomous Warehouse Orchestration in SAP Logistics Execution: Redefining Supply Chain Agility [0.0]
  本研究では,SAP Logistics Executionにおける倉庫作業の自律的オーケストレーションに強化学習を活用した先駆的フレームワークを提案する。 300,000 LEトランザクションの合成データセットは、マルチリンガルデータや運用上の障害を含む現実の倉庫シナリオをシミュレートする。 この分析は95%のタスク最適化精度を実現し、従来の手法に比べて処理時間を60%削減する。
  論文  参考訳（メタデータ） (2025-06-06T20:34:27Z)
• The Potential of Large Language Models in Supply Chain Management: Advancing Decision-Making, Efficiency, and Innovation [0.5497663232622965]
  大規模言語モデル(LLM)とサプライチェーン管理(SCM)の統合は、業界に革命をもたらしている。 本稿では、需要予測、在庫管理、サプライヤー関係管理、物流最適化など、LCMが様々なSCM機能に与える影響について検討する。 バイアス軽減とデータ保護を含む倫理的考慮は、公正で透明なAIプラクティスを保証するために考慮される。
  論文  参考訳（メタデータ） (2025-01-26T05:41:50Z)
• 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)
• InvAgent: A Large Language Model based Multi-Agent System for Inventory Management in Supply Chains [0.0]
  本研究では,大規模言語モデル (LLM) を用いて複数エージェントの在庫管理システムを管理する手法を提案する。 我々のモデルであるInvAgentはレジリエンスを高め、サプライチェーンネットワーク全体の効率を向上させる。
  論文  参考訳（メタデータ） (2024-07-16T04:55:17Z)
• Cooperative Multi-Agent Reinforcement Learning for Inventory Management [0.5276232626689566]
  在庫管理のための強化学習(RL)は、初期の研究分野である。 本稿では,1つの倉庫と複数の店舗からなる,GPU並列化された独自のシステムを提案する。 標準在庫管理ポリシーより優れたシステムを実現する。
  論文  参考訳（メタデータ） (2023-04-18T06:55:59Z)
• Scalable Multi-Agent Reinforcement Learning for Warehouse Logistics with Robotic and Human Co-Workers [41.293077032127904]
  我々は、多数の移動ロボットと人間のピッカーが協力して倉庫内でアイテムを収集、配達する倉庫について検討する。 私たちが取り組んだ根本的な問題は、これらの作業員がこの作業においてパフォーマンスを最大化するために、倉庫内での動きと動作をどのように調整する必要があるかである。 我々は,マネージャエージェントが労働者エージェントに目標を割り当てる階層的MARLアルゴリズムを開発し,グローバルな目標の最大化に向けて,マネージャと労働者の方針を協調的に訓練する。
  論文  参考訳（メタデータ） (2022-12-22T06:18:41Z)
• Concepts and Algorithms for Agent-based Decentralized and Integrated Scheduling of Production and Auxiliary Processes [78.120734120667]
  本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。 要求の一部は、線形にスケールする通信アーキテクチャを開発することである。 このアプローチは、工業的要件に基づいた例を使って説明されます。
  論文  参考訳（メタデータ） (2022-05-06T18:44:29Z)
• 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。