論文の概要: Improving a Hybrid Graphsage Deep Network for Automatic Multi-objective Logistics Management in Supply Chain
- arxiv url: http://arxiv.org/abs/2511.11753v1
- Date: Thu, 13 Nov 2025 19:32:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 14:36:23.282798
- Title: Improving a Hybrid Graphsage Deep Network for Automatic Multi-objective Logistics Management in Supply Chain
- Title（参考訳）: サプライチェーンにおける多目的ロジスティックス自動管理のためのハイブリッドグラフディープネットワークの改良
- Authors: Mehdi Khaleghi, Nastaran Khaleghi, Sobhan Sheykhivand, Sebelan Danishvar,
- Abstract要約: 本稿では,サプライチェーンにおける物流管理のマルチタスク目的のために,ハイブリッドグラフセージネットワーク(H-GSN)を提案する。
本記事では, 出荷タイプ, 出荷状況, 交通状況, 物流ID, 物流遅延が目的である。
平均精度97.8%と100%は、Smart Logisticsデータセットの10種類のロジスティクスIDと3種類のトラフィックステータス予測に対して取得される。
- 参考スコア（独自算出の注目度）: 0.22020053359163297
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Systematic logistics, conveyance amenities and facilities as well as warehousing information play a key role in fostering profitable development in a supply chain. The aim of transformation in industries is the improvement of the resiliency regarding the supply chain. The resiliency policies are required for companies to affect the collaboration with logistics service providers positively. The decrement of air pollutant emissions is a persistent advantage of the efficient management of logistics and transportation in supply chain. The management of shipment type is a significant factor in analyzing the sustainability of logistics and supply chain. An automatic approach to predict the shipment type, logistics delay and traffic status are required to improve the efficiency of the supply chain management. A hybrid graphsage network (H-GSN) is proposed in this paper for multi-task purpose of logistics management in a supply chain. The shipment type, shipment status, traffic status, logistics ID and logistics delay are the objectives in this article regarding three different databases including DataCo, Shipping and Smart Logistcis available on Kaggle as supply chain logistics databases. The average accuracy of 97.8% and 100% are acquired for 10 kinds of logistics ID and 3 types of traffic status prediction in Smart Logistics dataset. The average accuracy of 98.7% and 99.4% are obtained for shipment type prediction in DataCo and logistics delay in Shipping database, respectively. The evaluation metrics for different logistics scenarios confirm the efficiency of the proposed method to improve the resilience and sustainability of the supply chain.
- Abstract（参考訳）: システムロジスティクス、輸送アメニティ、施設、および倉庫情報は、サプライチェーンにおける利益ある開発を促進する上で重要な役割を担っている。
産業における変革の目的は、サプライチェーンに対するレジリエンスの改善である。
企業がロジスティクスサービスプロバイダとのコラボレーションに積極的に影響を与えるためには、レジリエンスポリシーが必要である。
大気汚染物質排出量の減少は、サプライチェーンにおけるロジスティクスと輸送の効率的な管理の永続的な利点である。
出荷タイプの管理は、物流とサプライチェーンの持続可能性を分析する上で重要な要素である。
サプライチェーン管理の効率化には,出荷タイプ,物流遅延,交通状況を予測するための自動アプローチが必要である。
本稿では,サプライチェーンにおける物流管理のマルチタスク目的のために,ハイブリッドグラフセージネットワーク(H-GSN)を提案する。
出荷タイプ、出荷状況、交通状況、ロジスティクスID、ロジスティクス遅延は、サプライチェーンのロジスティクスデータベースとしてKaggleで利用可能なDataCo、Shipping、Smart Logistcisを含む3つの異なるデータベースに関する目的である。
平均精度97.8%と100%は、Smart Logisticsデータセットの10種類のロジスティクスIDと3種類のトラフィックステータス予測に対して取得される。
DataCoにおける出荷型予測とShippingデータベースにおける物流遅延の平均精度は98.7%と99.4%である。
異なる物流シナリオに対する評価指標は,サプライチェーンのレジリエンスと持続可能性を改善するための提案手法の効率性を確認するものである。
関連論文リスト
- Developing a Multi-task Ensemble Geometric Deep Network for Supply Chain Sustainability and Risk Management [0.22020053359163297]
提案するチェビシェフアンサンブル幾何ネットワーク(Ch-EGN)は、ハイブリッドな畳み込みと幾何学的な深層学習である。
サプライチェーンの持続可能性を高めるために,サプライグラフデータベースを用いて製品分類とエッジ分類を行う。
その結果,提案手法の最先端手法と比較して平均的な改善と効率性が確認された。
論文 参考訳（メタデータ） (2025-10-30T07:26:18Z) - Leveraging LLM-Based Agents for Intelligent Supply Chain Planning [8.222411952670987]
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。
論文 参考訳（メタデータ） (2025-09-04T01:55:58Z) - 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) - A Semantic Link Network Model for Supporting Traceability of Logistics on Blockchain [1.8843687952462742]
本稿ではセマンティックリンクネットワークモデルに基づくロジスティックなプロセスを表現する意味データモデルを提案する。
状態表現モデルは、意味的リンクによるロジスティック輸送の状態を表現するように設計されている。
セマンティックリンクからブロックチェーントランザクションへのマッピングは、セマンティックリンクのスキーマとセマンティックリンクの状態がブロックチェーントランザクションにパブリッシュできるように設計されている。
論文 参考訳（メタデータ） (2025-03-10T14:56:00Z) - 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) - Decentralized Multimedia Data Sharing in IoV: A Learning-based Equilibrium of Supply and Demand [57.82021900505197]
インターネット・オブ・ビークルズ(IoV)は、道路の安全性を高め、交通渋滞を軽減し、インフォテインメントアプリケーションを通じてユーザーエクスペリエンスを向上させることにより、交通システムを変革する大きな可能性を秘めている。
分散データ共有は、セキュリティ、プライバシ、信頼性を改善し、IoVにおけるインフォテインメントデータの共有を容易にする。
市場における需給バランスを学習するための多知能強化学習に基づく分散型データ共有インセンティブ機構を提案する。
論文 参考訳（メタデータ） (2024-03-29T14:58:28Z) - Identifying contributors to supply chain outcomes in a multi-echelon setting: a decentralised approach [47.00450933765504]
本稿では,推定貢献の分散計算における説明可能な人工知能の利用を提案する。
このアプローチは、サプライチェーンアクターにデータ共有を説得する必要性を緩和する。
その結果,集中型アプローチと比較して,品質変化の源泉を検出する方法の有効性が示された。
論文 参考訳（メタデータ） (2023-07-22T20:03:16Z) - Enhancing Supply Chain Resilience: A Machine Learning Approach for
Predicting Product Availability Dates Under Disruption [2.294014185517203]
新型コロナウイルスのパンデミックや政治的・地域的な紛争が世界的なサプライチェーンに大きな打撃を与えている。
正確な可用性の予測は 物流運用を成功させる上で 重要な役割を担います
簡易回帰、ラッソ回帰、リッジ回帰、弾性ネット、ランダムフォレスト(RF)、グラディエントブースティングマシン(GBM)、ニューラルネットワークモデルなど、いくつかの回帰モデルを評価する。
論文 参考訳（メタデータ） (2023-04-28T15:22:20Z) - 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) - Data Considerations in Graph Representation Learning for Supply Chain
Networks [64.72135325074963]
本稿では,隠れた依存関係リンクを明らかにするためのグラフ表現学習手法を提案する。
本稿では,グローバルな自動車サプライチェーンネットワークのリンク予測における最先端の性能向上を実証する。
論文 参考訳（メタデータ） (2021-07-22T12:28:15Z) - An Image Processing Pipeline for Automated Packaging Structure
Recognition [60.56493342808093]
単一RGB画像に基づく標準化された物流出荷のためのパッケージング構造の自動認識のための認知システムを提案する。
コントリビューションには、適切なシステム設計の記述と、関連する実世界のデータに対する評価が含まれている。
論文 参考訳（メタデータ） (2020-09-29T07:26:08Z)
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。