論文の概要: Flowr -- Scaling Up Retail Supply Chain Operations Through Agentic AI in Large Scale Supermarket Chains

• arxiv url: http://arxiv.org/abs/2604.05987v1
• Date: Tue, 07 Apr 2026 15:15:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.907582
• Title: Flowr -- Scaling Up Retail Supply Chain Operations Through Agentic AI in Large Scale Supermarket Chains
• Title（参考訳）: Flowr -- 大規模スーパーマーケットチェーンにおけるエージェントAIによる小売チェーン運用のスケールアップ
• Authors: Eranga Bandara, Ross Gore, Sachin Shetty, Piumi Siyambalapitiya, Sachini Rajapakse, Isurunima Kularathna, Pramoda Karunarathna, Ravi Mukkamala, Peter Foytik, Safdar H. Bouk, Abdul Rahman, Xueping Liang, Amin Hass, Tharaka Hewa, Ng Wee Keong, Kasun De Zoysa, Aruna Withanage, Nilaan Loganathan,
• Abstract要約: Flowrは、大規模スーパーマーケットでのエンド・ツー・エンドのサプライチェーンを自動化する新しいエージェントAIフレームワークである。 手動サプライチェーン操作を専門のAIエージェントに分解し、それぞれが明確に定義された認知的役割を担っている。 このフレームワークは、大規模なスーパーマーケットチェーンと協調して検証され、ドメインに依存しない。
• 参考スコア（独自算出の注目度）: 4.022529651709786
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retail supply chain operations in supermarket chains involve continuous, high-volume manual workflows spanning demand forecasting, procurement, supplier coordination, and inventory replenishment, processes that are repetitive, decision-intensive, and difficult to scale without significant human effort. Despite growing investment in data analytics, the decision-making and coordination layers of these workflows remain predominantly manual, reactive, and fragmented across outlets, distribution centers, and supplier networks. This paper introduces Flowr, a novel agentic AI framework for automating end-to-end retail supply chain workflows in large-scale supermarket operations. Flowr systematically decomposes manual supply chain operations into specialized AI agents, each responsible for a clearly defined cognitive role, enabling automation of processes previously dependent on continuous human coordination. To ensure task accuracy and adherence to responsible AI principles, the framework employs a consortium of fine-tuned, domain-specialized large language models coordinated by a central reasoning LLM. Central to the framework is a human-in-the-loop orchestration model in which supply chain managers supervise and intervene across workflow stages via a Model Context Protocol (MCP)-enabled interface, preserving accountability and organizational control. Evaluation demonstrates that Flowr significantly reduces manual coordination overhead, improves demand-supply alignment, and enables proactive exception handling at a scale unachievable through manual processes. The framework was validated in collaboration with a large-scale supermarket chain and is domain-independent, offering a generalizable blueprint for agentic AI-driven supply chain automation across large-scale enterprise settings.
• Abstract（参考訳）: スーパーマーケットチェーンにおける小売サプライチェーンの運営には、需要予測、調達、サプライチェーンの調整、在庫の補充、反復的、決定集約的で、人的努力を伴わないスケールの難しいプロセスなど、継続的な、高額のマニュアルワークフローが含まれる。 データ分析への投資が増えているにもかかわらず、これらのワークフローの意思決定と調整のレイヤは、主にアウトレット、流通センター、サプライヤネットワークにまたがって手動、リアクティブ、断片化されている。 本稿では,大規模スーパーマーケットにおけるエンド・ツー・エンドのサプライチェーンワークフローを自動化するエージェントAIフレームワークであるFlowrを紹介する。 Flowrは、手動サプライチェーン操作を専門のAIエージェントに体系的に分解し、それぞれが明確に定義された認知的役割を担う。 タスクの正確性と責任あるAI原則の遵守を保証するため、このフレームワークは、中央推論LLMによって調整された、微調整されたドメイン特化された大規模言語モデルのコンソーシアムを採用している。 フレームワークの中心は、ヒューマン・イン・ザ・ループのオーケストレーションモデルであり、サプライチェーンのマネージャが、モデルコンテキストプロトコル(MCP)対応のインターフェースを通じてワークフローのステージを監督し、介入し、説明責任と組織的制御を維持する。 評価は、Flowrが手動の調整オーバーヘッドを大幅に減らし、需要供給の調整を改善し、手動のプロセスで達成不可能なスケールでのアクティブな例外処理を可能にすることを示している。 このフレームワークは、大規模なスーパーマーケットチェーンとのコラボレーションで検証され、ドメインに依存しない、エージェントAI駆動のサプライチェーン自動化のための一般化可能な青写真を提供する。

関連論文リスト

• MegaFlow: Large-Scale Distributed Orchestration System for the Agentic Era [74.42509044145417]
  MegaFlowは、エージェント環境ワークロードの効率的なスケジューリング、リソース割り当て、きめ細かいタスク管理を可能にする、大規模な分散オーケストレーションシステムである。 エージェントのトレーニングデプロイメントでは、MegaFlowは、高いシステムの安定性を維持しながら、数万の並行エージェントタスクを編成し、効率的なリソース利用を実現しています。
  論文  参考訳（メタデータ） (2026-01-12T13:25:33Z)
• Multi-Agent Conditional Diffusion Model with Mean Field Communication as Wireless Resource Allocation Planner [16.759740918605768]
  無線通信システムでは、QoS(Quality of Service)の強化において、効率的かつ適応的なリソース割り当てが重要な役割を担っている。 対照的に、分散トレーニングと分散実行(DTDE)パラダイムは、分散学習と意思決定を可能にする。 分散通信資源管理のためのマルチエージェント条件拡散モデルプランナ(MACDMP)を提案する。
  論文  参考訳（メタデータ） (2025-10-27T03:42:18Z)
• Multi-Agent Collaboration via Evolving Orchestration [55.574417128944226]
  大規模言語モデル(LLM)は、様々な下流タスクで顕著な成果を上げているが、そのモノリシックな性質は複雑な問題解決におけるスケーラビリティと効率を制限している。 LLMに基づくマルチエージェントコラボレーションのためのパウチスタイルのパラダイムを提案し,タスク状態の進化に応じて,中央集権的なオーケストレータ("puppeteer")がエージェント("puppets")を動的に指示する。 クローズドドメインおよびオープンドメインシナリオの実験により,この手法は計算コストを低減し,優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2025-05-26T07:02:17Z)
• AgentNet: Decentralized Evolutionary Coordination for LLM-based Multi-Agent Systems [22.291969093748005]
  AgentNet(エージェントネット)は、マルチエージェントシステムのための分散化された検索型生成(RAG)ベースのフレームワークである。 静的ロールや集中制御の以前のアプローチとは異なり、AgentNetはエージェントがローカルの専門知識とコンテキストに基づいて接続とタスクのルーティングを調整することができる。 実験の結果,AgentNetは単一エージェントと集中型マルチエージェントのベースラインよりも高いタスク精度を実現することがわかった。
  論文  参考訳（メタデータ） (2025-04-01T09:45:25Z)
• Agentic LLMs in the Supply Chain: Towards Autonomous Multi-Agent Consensus-Seeking [39.373512037111155]
  大規模言語モデル(LLM)はサプライチェーン管理(SCM)におけるコンセンサス検索を自動化する 従来のSCMは、ブルウィップ効果のような創発的な問題を避けるために、意思決定における人間のコンセンサスに依存している。 ジェネレーティブAI、特にLLMの最近の進歩は、これらの障壁を克服する約束を示している。
  論文  参考訳（メタデータ） (2024-11-15T13:33:10Z)
• 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)
• 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。