مروری بر انتشارات داده کاوی زنجیره تامین

مقاله اول:

عنوان : مروری بر انتشارات داده کاوی زنجیره تامین

خلاصه :

این مقاله با جمع آوری مقاله های موجود در زمینه زنجیره تامین که از کابردهای مختلف داده کاوی استفاده کرده اند، ابتدا چهارچوبی از فانکشن های مختلف زنجیره تامین ارائه داده و مقالات را در این چهارچوب طبقه بندی کرده است سپس در هریک از شاخه ها ، مقالات را ا زنظر استفاده از الگوریتم های مختلف داده کاوی مورد بررسی قرار داده است.

Supply Chain Analytics (SCA) به استفاده از داده ها و ابزارها و تکنیک های کمی برای بهبود عملکرد اشاره دارد. تجزیه و تحلیل در مدیریت زنجیره تامین (SCM) لزوما ایده جدیدی نیست ، زیرا تکنیک های کمی مختلف و روش های مدل سازی مدتهاست که در شرکت های تولیدی استفاده می شود. افزایش علاقه به SCA با چالش ها و فرصت های جدیدی در محیط های تجاری و فناوری اطلاعات (IT) همراه است. این چالش ها شامل مسائل ناشی از مدیریت حجم زیادی از داده ها (به عنوان مثال ، در دسترس بودن داده ها ، کیفیت داده ها) و برخورد با عدم قطعیت های محیطی است.  

IT یک پیامد مهم برای SCA است. نوآوری های مبتنی بر فناوری اطلاعات ، داده های بیشتری را تولید و ضبط کرده و در عین حال ماهیت مشاغل را نیز تغییر داده است. بنابراین  مزیت رقابتی در چارچوب نحوه مدیریت داده ها توسط شرکت ها تعریف میشود. چالش عمده دیگر برای مشاغل، افزایش عدم اطمینان در تقاضا (به عنوان مثال ، بازار مصرف) و طرف عرضه  است. مقابله با عدم قطعیت تقاضا و عرضه با استفاده از برنامه ریزی مناسب زنجیره تامین ، موضوع اصلی بسیاری از مطالعات در SCM بوده است.

این مقاله کاربردهای زنجیره تامین داده کاوی ، کلان داده و سایر اشکال مدیریت دانش را در تمام عملکردهای زنجیره تامین طبقه بندی می کند. تنوع برنامه ها بسیار گسترده است و انتظار می رود با رشد فناوری افزایش یابد.

مدیریت دانش یک مفهوم سطح بالا است که Chae و همکاران آنرا اینگونه تعریف میکنند: شامل دسترسی به داده ها و مدیریت آن همراه با تجزیه و تحلیل است. INFORMS را به صورت خلاصه میتوان اینگونه تعریف کرد: تجزیه و تحلیل تحقق اهداف تجاری را از طریق گزارش داده ها برای تجزیه و تحلیل روندها ، ایجاد مدل های پیش بینی برای پیش بینی و بهینه سازی فرایندهای تجاری برای افزایش عملکرد ، آسان می کند. ستجی و همکارانش، دو منبع متداول از داده ها را که تحت پرچم Big Data گروه بندی شده اند ، ارائه می دهد - داده های درون شرکت که به لطف اتوماسیون و دسترسی ، به طور فزاینده ای به اشتراک گذاشته می شود و داده های خارج از سازمان - برخی در دسترس عموم بدون هزینه ، برخی بر اساس در مورد اشتراک پولی ، و بقیه به صورت انتخابی برای شرکای تجاری خاص یا مشتریان در دسترس است. کلان داده این امکان را فراهم می کند که بسیاری از موارد دیگر را در سطح بسیار دقیق تری زیر نظر داشته باشیم.

مدیریت دانش در اینجا به عنوان یک واژه چتر مورد استفاده قرار می گیرد ، شامل مجموعه ای از برنامه های کاربردی مفید برای شرکت زنجیره تامین (مدیریت فرآیند و غیره) ، سیستم های اطلاعاتی مورد نیاز برای ارائه اطلاعات برای مدیریت زنجیره تامین ، منابع داده و حوزه وسیع تجزیه و تحلیل.

SCA به عنوان یک رویکرد امیدوار کننده برای مدیریت بهتر داده ها ، استفاده از منابع فناوری اطلاعات (IT) و آماده سازی برای برنامه ریزی موثر زنجیره تامین پیشنهاد شده است. این نسل جدید از ابزارهای تحلیلی می تواند فناوری اطلاعات و مدیریت داده های یک شرکت را برای افزایش برنامه ریزی و بهبود عملکرد عملیاتی توسعه دهد. پیشنهاد می شود که شرکت ها می توانند از SCA از فناوری های اکتساب داده (به عنوان مثال ، RFID) و مخزن (به عنوان مثال ، ERP) برای بهبود برنامه ریزی زنجیره تامین از طریق سیستم های برنامه ریزی و برنامه ریزی مجهز به فناوری اطلاعات استفاده کنند.

میتوان دیدگاه نظری SCA را به عنوان ترکیبی از سه مجموعه داده و منابع مدیریت زنجیره تأمین با فناوری اطلاعات ، شامل منابع مدیریت داده (DMR) ، منابع برنامه ریزی زنجیره تامین مبتنی بر فناوری اطلاعات (IPR) و منابع مدیریت عملکرد دانست. (PMR). شرکتهای تولیدی منابع مختلف فناوری اطلاعات و سازمان را در این سه جنبه از SCA به دست آورده و استفاده می کنند. DMR شامل منابع مرتبط با فناوری اطلاعات (به عنوان مثال ، RFID ، ERP) و قابلیت های تحلیلی (به عنوان مثال ، تکنیک های بهینه سازی ریاضی) برای جمع آوری و مدیریت داده ها است. IPR نشان دهنده سطح پیچیدگی منابع فناوری اطلاعات است که برای برنامه ریزی زنجیره تامین مورد استفاده قرار می گیرد. PMR به مجموعه ای از منابع داده محور اشاره می کند که بر بهبود عملکرد فرایند تولید مانند کنترل فرآیند آماری و سایر موارد متمرکز است.

الزامات نظارتی جدید در مورد ایمنی و ردیابی مواد غذایی در اتحادیه اروپا و ایالات متحده باعث توسعه بسترهای داده و تجزیه و تحلیل پیشرفته در سراسر زنجیره تامین می شود.

برای مطالعه ادامه این فایل به این لینک  مراجعه بفرمایید