داده کاوی در تولید: مروری بر اساس نوع دانش

خلاصه:

در محیط های مدرن تولید ، حجم عظیمی از داده ها در سیستم های مدیریت پایگاه داده و انبارهای داده از تمام مناطق درگیر مانند طراحی محصول و فرآیند ، مونتاژ ، برنامه ریزی مواد ، کنترل کیفیت ، زمان بندی ، نگهداری ، تشخیص خطا و غیره جمع آوری می شود. داده کاوی به عنوان یک ابزار مهم برای کسب دانش در پایگاه های داده تولیدی پدیدار شده است. این مقاله ادبیات مربوط به کشف دانش و کاربردهای داده کاوی در حوزه وسیع تولید را با تأکید ویژه بر نوع فانکشن هایی که بر روی داده ها انجام می شود ، مرور می کند. فانکشن های اصلی داده کاوی که باید انجام شود شامل:

 "characterization and description, association, classification, prediction, clustering and evolution analysis"

می باشد. بنابراین مقالات مورد بررسی در این پنج دسته طبقه بندی شده اند. نشان داده شده است که رشد سریع کاربرد داده کاوی در زمینه فرآیندهای تولیدی و شرکت ها در 3 سال گذشته وجود دارد. این بررسی کاربردهای مترقی و شکاف های موجود شناسایی شده در زمینه داده کاوی در تولید را آشکار می کند. یک رویکرد جدید استخراج متن نیز در چکیده ها و کلمات کلیدی 150 ادبیات شناسایی شده برای شناسایی شکاف های تحقیق و یافتن ارتباط بین حوزه دانش ، نوع دانش و ابزار و تکنیک های داده کاوی استفاده شده است

مقدمه:

دانش در بسیاری از زمینه های تولیدی باعث حفظ و تسهیل حفظ میراث ارزشمند ، یادگیری چیزهای جدید ، حل مشکلات پیچیده ، ایجاد شایستگی های اصلی و ایجاد موقعیت های جدید برای افراد و سازمان ها می شود. و در آینده [1]. در بیشتر بخشها ، تولید بسیار رقابتی است و حاشیه های مالی که بین موفقیت و شکست تمایز قائل می شود بسیار محدود است و اکثر صنایع تاسیس شده نیاز به رقابت ، تولید و فروش در سطح جهانی دارند. برای تسلط بر این چالش های فرا قاره ای ، یک شرکت باید به تولید کم هزینه دست پیدا کند ، اما هنوز نیروی کار بسیار ماهر ، انعطاف پذیر و کارآمدی داشته باشد که بتواند به طور مداوم محصولات با کیفیت بالا و کم هزینه را طراحی و تولید کند. در اقتصادهای با دستمزد بالاتر ، این امر عموماً تنها با بهره برداری بسیار کارآمد از دانش امکان پذیر است [2-3]. با این حال ، دانش می تواند اشکال مختلفی داشته باشد و لازم است هنگام بررسی حجم عظیمی از داده های تولید شده در طول تولید ، نوع دانش استخراج شده مشخص شود.

برای ادامه مطالعه روی لینک کلیک بفرمایید.

عنوان: مرور مبتنی بر متن کاوی در زمینه دیدگاه قابلیت های پویا در تحقیقات سیستم های اطلاعاتی

خلاصه:

هدف -

 در حالی که چشم انداز قابلیت های پویا بیشترین ارجاع در نظریه استراتژیک در زمینه سیستم های اطلاعاتی تحقیق را دارند ، تلاش کمی برای مرور و ادغام ادبیات مرتبط این دیدگاه در این زمینه انجام شده است. بر این اساس ، این مقاله با هدف تجزیه و تحلیل سیستماتیک ادبیات سیستم های اطلاعاتی در مورد قابلیت های پویا و ارائه یک درک جامع از ترکیب موضعی و روند مطالعات قابلیت های پویا در تحقیقات سیستم های اطلاعاتی است.

طراحی/روش شناسی/رویکرد -

 نویسنده با استفاده از الگوریتم LDA به عنوان الگوریتم تحلیل متن ، مدلی از موضوع قابلیت های پویا در حوزه سیستم های اطلاعاتی تحقیق را برای بررسی کمی ، خلاصه سازی و طبقه بندی ادبیات قبلی را انجام میدهد. این بررسی شامل 191 مقاله منتشر شده در مورد قابلیت های پویا بین سال های 1998 تا 2018 در مجلات پیشگام سیستم های اطلاعاتی و مجموعه مقالات کنفرانس بود.

یافته ها -

مطابق با نتایج مدل سازی موضوع ، ترکیب موضعی مجموعه قابلیت های پویا در تحقیقات سیستم های اطلاعاتی به طور عمده شامل هفت موضوع با عنوان T1. ارزش سیستم های اطلاعاتی ، T2. تغییر سیستم های اطلاعاتی ، T3. دیجیتالی شدن ، T4. چابکی سیستم های اطلاعاتی ، T5. داده های بزرگ ، T6. نوآوری در سیستم های اطلاعاتی و T7. همسویی سیستم های اطلاعاتی می باشد. همچنین ، روند کلی و موضعی مطالعات قابلیت های پویا در حوزه سیستم های اطلاعاتی تحقیق آشکار شد. روندها نشان داد که حوزه مورد بررسی و زیر حوزه های برجسته آن عموماً در سالهای گذشته بهره وری مثبتی داشته اند.

اصالت/ارزش -

مطالعه حاضر با توسعه دانش و بهبود ادبیات درباره قابلیت های پویا در تحقیقات سیستم های اطلاعاتی ، کشف موضوعات اصلی مورد توجه محققان سیستم های اطلاعاتی برای به کارگیری چشم انداز قابلیت های پویا در مطالعات خود و اولویت بندی اطلاعات آینده کمک می کند. تحقیقات سیستم ها بر روی قابلیت های پویا بر اساس گرایش های مشخص شده موضوعات.

مطالعه حاضر به دو سوال اصلی می پردازد:

Q1 ترکیب موضعی مطالعات قابلیتهای پویا در زمینه سیستمهای اطلاعاتی تحقیق چیست؟

Q2 روند کلی و موضوعی مطالعات قابلیت های پویا در حوزه تحقیقات سیستم های اطلاعاتی چگونه است؟

پاسخ به این سوالات به موارد زیر کمک می کند:

توسعه دانش و بهبود ادبیات در مورد قابلیت های پویا در تحقیقات سیستم های اطلاعاتی ؛

کشف موضوعات اصلی مورد توجه محققان سیستم های اطلاعاتی برای به کارگیری دیدگاه قابلیت های پویا در مطالعات خود. و

اولویت بندی تحقیقات سیستم های اطلاعاتی آینده بر روی قابلیت های پویا بر اساس روندهای مشخص شده موضوعات

با تحقق این مشارکت ، نویسنده ابتدا مقالات منتشر شده در مورد قابلیت های پویا را در مجلات تحقیقاتی پیشرو در سیستم های اطلاعاتی و مجموعه مقالات کنفرانس جمع آوری کرد. سپس ، مدل سازی موضوع به عنوان یک روش یادگیری ماشین قابل اعتماد برای استخراج متن مجموعه جمع آوری شده استفاده شده است.

برای ادامه مطالعه روی لینک کلیک بفرمایید.

عنوان: تجزیه و تحلیل کسب و کار و زنجیره تامین و مدیریت عملیات --- مرور ادبیات مبتنی بر استخراج متن

خلاصه:

در این مقاله ، ما تحقیقاتی را بررسی می کنیم که استفاده از تجزیه و تحلیل کسب و کار ، داده های بزرگ و روش های هوش تجاری را در زمینه عملیات و مدیریت زنجیره تامین بررسی می کند. ما 625 مقاله اخیراً منتشر شده ، شامل 194 مقاله علمی و 431 مقاله صنعتی در این زمینه را با استفاده از روش های متن کاوی تجزیه و تحلیل کرده و الگوها و شکاف هایی را که می تواند تحقیقات و عملکرد آینده را آگاه کند ، خلاصه می کنیم.

در دهه گذشته ، محققان دانشگاهی و متخصصان صنعت هزاران مقاله در مجلات مختلف منتشر کرده اند که به ارتباط تجزیه و تحلیل و مدیریت کسب و کار ، خطرات و مزایای احتمالی هنگام اتخاذ تکنیک های پیشرفته تجزیه و تحلیل کسب و کار در عملیات و مدیریت زنجیره تامین ، می پردازد. و افکار خود را برای کاهش این خطرات ارائه می دهند.

اگرچه برخی از محققان برخی از این مقالات یا موارد کاربردی را مرور کرده اند (به عنوان مثال ، de Oliveira و همکاران ، 2012 ؛ چن و ژانگ ، 2014 ؛ Kambatla و همکاران ، 2014 ؛ هاشم و همکاران ، 2015 ؛ Moro و همکاران. ، 2015 ؛ Hofmann 2016) ، تعداد بسیار کمی قادرند حجم زیادی از انتشارات را به منظور انجام یک تحلیل جامع پوشش دهند. در این مقاله ، هدف ما بررسی ادبیات موجود برای درک بهتر روشها و تکنیکهای کلیدی است که برای ادغام تجزیه و تحلیل کسب و کار و زنجیره تامین و مدیریت عملیات (BA & SOM) توسعه یافته است. ما همچنین شکاف هایی را که ممکن است بین دانشگاهیان و شیوه ها وجود داشته باشد بررسی می کنیم ، بنابراین می توان مطالعات بیشتری را برای پر کردن این شکاف ها انجام داد.

روش شناسی و منابع داده

به طور سنتی ، محققان در مدیریت عملیات و سایر رشته های تجاری ، بررسی ادبیات را با استفاده از روش انتخاب دستی انجام داده اند. در این رویکرد دستی ، محققان طرح های طبقه بندی اولیه را تدوین می کنند ، مقالات را بر اساس دانش شخصی شناسایی می کنند و یا با جستجوی کلمات کلیدی خاص در پایگاه های داده کتابخانه ، چکیده مقالات (و گاهی متن کامل مقاله) را بررسی می کنند تا با طرح طبقه بندی مطابقت داشته باشند. ، و معمولاً تعداد کمی از مقالات را برای بررسی دقیق نگه می دارد (برای مثال ، به تانگ ، 2006 ؛ گو و همکاران ، 2007 ؛ ملو و همکاران ، 2009 ؛ حسینی و همکاران ، 2012 ؛ و کمالاحمدی و پرست ، 2016 مراجعه کنید) به یکی از معایب اصلی این رویکرد این است که فقط تعداد کمی از مقالات را می توان از این طریق مورد بررسی قرار داد. با افزایش حجم مقالات ، محققان باید موضوع را محدود کنند ، فقط بر روی مجلات خاص تمرکز کنند یا دوره های خاصی را حذف کنند تا تعداد مقالات قابل کنترل باشد. اکثر بررسیهای ادبیاتی که ما با آنها آشنا هستیم فقط تعداد کمی مقاله را پوشش می دهند - به نظر می رسد حدود 100 مقاله یک هنجار است. با افزایش حجم زیادی از ادبیات موجود در طول زمان ، انجام مرورهای سنتی ادبیات دستی ممنوع می شود.

برای ادامه مطالعه روی لینک کلیک بفرمایید.

مروری مبتنی بر متن کاوی روی تحقیقات موجودی در شماره های ویژه ISIR در سال های 1994-2016

خلاصه:

هنگامی که یک حوزه تحقیقاتی به بلوغ خاصی می رسد ، بدست آوردن یک نمای کلی ساختار یافته از این زمینه برای تحقیقات آینده مفید خواهد بود: چگونه در گذشته تکامل یافته است؟ در حال حاضر کجا ایستاده است؟ در چه جهتی (احتمالاً) تکامل می یابد؟ هدف مقاله ما ارائه مروری بر تحقیقات موجودی است که در شماره های ویژه سمپوزیوم های ISIR (International Society for Inventory Research) منتشر شده است ، یکی از مهمترین انجمن های پیشرو در تحقیقات موجودی. این مقاله بر دو سوال تحقیق زیر تمرکز دارد: (1) موضوعات اصلی تحقیقات موجودی در مسائل ویژه ISIR چیست؟ و (2) چگونه موضوعات مهم تحقیق در مسائل ویژه ISIR در طول زمان تکامل می یابد؟ ما با تکیه بر 12 شماره ویژه ISIR که در مجله بین المللی اقتصاد تولید بین سالهای 1994 تا 2016 منتشر شده و 566 مقاله را پوشش می دهد ، از استخراج متن به عنوان یک روش جدید در تجزیه و تحلیل محتوا استفاده می کنیم. ارتباط متن کاوی بر اساس تجزیه و تحلیل ساختار یافته است

مقالات مرور ادبیات در زمینه تحقیقات موجودی ؛ این مبنایی برای شناسایی موضوعات و اصطلاحات اصلی در این زمینه ارائه می دهد. نتایج استخراج متن با روشهای آماری برای شناسایی مناطق اصلی تحقیق و تکامل آنها در طول زمان بیشتر مورد بررسی قرار می گیرد.

برای اینکه بتوانیم نتایج روش های استخراج متن مورد استفاده در این مقاله را به طور کامل تجزیه و تحلیل کنیم ، ابتدا یک بررسی و تجزیه و تحلیل مقالات از نوع مرور ادبیات در زمینه تحقیقات موجودی (مرحله 1) انجام دادیم تا موضوعات و اصطلاحات اصلی این زمینه را شناسایی کنیم.  این موضوعات و همچنین اصطلاحات اصلی توصیف کننده این موضوعات بعداً برای تجزیه و تحلیل و تفسیر نتایج استخراج متن استفاده می شود.

ما بر روی عناوین ، چکیده و کلمات کلیدی 566 مقاله منتشر شده در شماره های ویژه ISIR با استفاده از دو روش مختلف ، از کاوش متن استفاده کردیم. روش اول از ابزار استخراج متن VOSviewer برای ایجاد نقشه "موضوعات مهم" در زمینه بر اساس فراوانی همزمانی بین هر یک از دو عبارت استفاده می کند (مرحله 2). برای عمیق تر شدن موضوعات مورد بحث در موضوعات ویژه و بررسی گرایش های اصلی این زمینه ، در سومین مرحله تحقیق خود ، اصطلاحات را بر اساس فراوانی وقوع و ارتباط آنها استخراج کردیم (مرحله 3.1). در مرحله بعد ، ما یک تحقیق دقیق تر با استفاده از روش های آماری انجام دادیم (مرحله 3.2). خلاصه روش تحقیق در شکل 1 ارائه شده است.

برای ادامه مطالعه روی لینک کلیک بفرمایید.

بررسی مبتنی بر متن کاوی روی مقالات بازاریابی مرتبط با علت

خلاصه:

بازاریابی مرتبط با علت (C-RM) تبدیل به یک استراتژی محبوب برای افزایش ارزش کسب و کار از طریق هدیه دادن به سود شده است. علیرغم افزایش تعداد مقالات منتشر شده در دهه گذشته ، هیچ تحلیل جامعی از بحث شده ترین ساختارهای بازاریابی مرتبط با علت در دسترس نیست. این مقاله از یک روش پیشرفته استخراج متن (الگوریتم تحلیل بافتی بیزی معروف به مدل موضوعی مرتبط ، CTM) برای تجزیه و تحلیل جامع 246 مقاله منتشر شده در 40 ژورنال مختلف بین سالهای 1988 تا 2013 با موضوع بازاریابی مرتبط با علت استفاده می کند. متن کاوی همچنین اجازه می دهد تا تجزیه و تحلیل کمی روی ادبیات انجام شود. به عنوان مثال ، نشان داده شده است که برجسته ترین موضوعات بلندمدت مورد بحث از سال 1988 در این زمینه عبارتند از "تناسب نام تجاری" ، "حقوق و اخلاق" و "شناسایی شرکتی و اجتماعی" ، در حالی که بیشترین موضوعی که در حال حاضر به طور فعال مورد بحث قرار می گیرد "بخش هایی است که باعث افزایش تابوهای اجتماعی و بحث های اخلاقی می شود". این مقاله دو هدف دارد: اول ، این تکنیک CTM را به حوزه بازاریابی معرفی می کند ، نشان می دهد که چگونه Text Mining ممکن است فرآیندهای بازبینی را راهنمایی ، ساده و افزایش دهد ، در حالی که بلوک های ساختاری عینی (موضوعات) را برای بررسی مورد استفاده قرار می دهد. دوم ، CTM را در زمینه C-RM اعمال می کند و مباحث مورد بحث را کشف و جمع بندی می کند.

این مقاله از متن کامل مقالات منتشر شده استفاده می کند ، نه فقط عنوان ، چکیده و کلمات کلیدی. در اینجا یک تکنیک خوشه بندی پیشرفته و ترکیبی به نام Correlated opic Modeling (CTM) ، برای دستیابی به یک خلاصه و رتبه بندی کارآمد از تحقیقات C-RM از طریق معرفی معنای زمینه ای در تحلیل استفاده شده است. این مقاله با موفقیت استفاده از روش استخراج دانش اخیر اما ثابت شده را نشان می دهد ، و کفایت آن را در جهت حمایت از مرور مقالات دانشگاهی نشان می دهد.

تعریف متن کاوی:

معنای کامل جملات موجود در متون مکتوب ، انجمن های آنلاین ، پیام های توییتر و سایر متون به سختی قابل نمایش در قالب ساختار یافته ای است که امکان پردازش خودکار را فراهم می آورد. "کاوش متون بدون ساختار" به عنوان "پردازش خودکار یا تا حدی خودکار" متن با هدف "دستیابی به یک قالب ساختار یافته" تعریف میشود.[1]

TM از تلاش های اولیه با استفاده از متون مبتنی بر کاغذ به پردازش مجموعه های بزرگ متنی آنلاین " برای کشف حقایق و روندهای جدید در مورد جهان خودش" را در برمیگیرد.  کاربردهای TM شامل استخراج اصطلاح خودکار  ، پردازش زبان طبیعی ، تحقیقات زیست پزشکی  ، سبک شناسی متنی  ، و حوزه های دیگری را شامل میشود.[2]

برای ادامه مطالعه به لینک مراجعه بفرمایید.

کاربردهای متن کاوی در مرور سیستماتیک

خلاصه:

بررسی سیستماتیک یک روش تحقیق پذیرفته شده است. با این حال ، به طور فزاینده ای دشوار است که آنها را مطابق با مقیاس های زمانی سیاست و عمل ، به ویژه در مناطقی که پایگاه داده های کتابشناسی فهرست بندی شده و جامع ندارند ، مطابقت دهیم. فناوریهای استخراج متن یکی از راههای ممکن برای کاهش زمان انجام بررسیهای سیستماتیک را ارائه می دهد. آنها می توانند شناسایی ادبیات مربوطه ، توصیف یا دسته بندی سریع آن و جمع بندی آن را تسهیل کنند. در این مقاله ، ما چهار فناوری استخراج متن ، یعنی تشخیص اصطلاح خودکار ، خوشه بندی اسناد ، طبقه بندی و خلاصه سازی را توصیف می کنیم که از شناسایی مطالعات مربوطه در بررسی های سیستماتیک پشتیبانی می کند. مشارکت فناوریهای استخراج متن در بهبود بازنگری کارایی در نظر گرفته شده و نقاط قوت و ضعف آنها مورد بررسی قرار گرفته است. نتیجه می گیریم که این فناوری ها می توانند در مراحل مختلف فرآیند بازبینی کمک کنند. با این حال ، آنها در جامعه بازبینی سیستماتیک ناشناخته هستند و قبل از اینکه تأثیر احتمالی آنها به طور کامل ارزیابی شود ، ارزیابی و روشهای اساسی مورد نیاز است.

هدف اصلی کاوش متن بازیابی اطلاعات از متن بدون ساختار و ارائه دانش تقطیر شده به کاربران به صورت مختصر است (آنانیادو و مک نات ، 2006 ؛ هرست ، 1999). هدف آن این است که کاربران بتوانند به طور موثر و سیستماتیک دانش مورد نیاز برای تحقیق یا آموزش را جمع آوری ، نگهداری ، تفسیر ، تنظیم و کشف کنند. استخراج متن شامل سه فعالیت اصلی است: بازیابی اطلاعات که متون مربوط به درخواست کاربر را بازیابی می کند. استخراج اطلاعات که قطعات متنی مربوط به پرس و جو را شناسایی و استخراج می کند. و داده کاوی که بین قطعات اطلاعاتی که از متون استخراج شده اند ارتباط مستقیم یا غیر مستقیم پیدا می کند. این فعالیتها بر روی برخی از فرایندهای یک مرور سیستماتیک به خوبی پیاده سازی میشوند: بازیابی مطالعات مربوطه. توصیف ویژگی های مطالعات  ؛ و شناسایی الگوها در مطالعات گنجانده شده.

متن کاوی به جای این که کاربر را مجبور به خواندن هزاران سند دریافت شده کند ، امکان استخراج حقایق دقیق از مجموعه اسناد بازیابی شده و یافتن ارتباطات مفید بین حقایق متفاوتی را فراهم می آورد که منجر به کشف اسناد جدید یا غیر قابل تردید می شود

 برای ادامه مطالعه به لینک مراجعه بفرمایید.

یک چارچوب جهانی مدیریت ریسک زنجیره تامین: کاربرد متن کاوی برای شناسایی خطرات زنجیره تامین ویژه منطقه

خلاصه:

امروزه زنجیره های تأمین جهانی شرکت ها را قادر می سازد تا مزایای رقابتی را افزایش داده ، انعطاف پذیری تولید را افزایش داده و هزینه ها را از طریق انتخاب گسترده تری از تامین کنندگان کاهش دهند. با وجود این مزایا ، درک ناکافی تفاوتها و تغییرات نامشخص منطقه ای اغلب خطرات را در عملیات زنجیره تامین افزایش می دهد و حتی منجر به اختلال کامل زنجیره تامین می شود. این مقاله با پیشنهاد یک چارچوب مدیریت ریسک زنجیره تامین جهانی مبتنی بر متن کاوی (شامل دو مرحله) ، به این موضوع می پردازد. ابتدا ، ادبیات موجود در مورد خطرات زنجیره تامین جهانی با استفاده از رویکردهای مبتنی بر متن ، شامل فراوانی اصطلاح ، همبستگی و تجزیه و تحلیل کلمات دوگرم ، جمع آوری و تجزیه و تحلیل شده است. نتایج این تجزیه و تحلیل نشان داد که آیا محتوای مربوط به اصطلاحات در ادبیات مورد مطالعه مهم است یا خیر ، و خوشه بندی مدل موضوعی مرتبط بیشتر در تعریف عوامل خطر زنجیره تامین احتمالی کمک می کند. بر اساس نتایج ، طبقه بندی ریسک (سلسله مراتب) شامل مجموع هفت نوع ریسک زنجیره تامین جهانی و عوامل خطر زمینه ای ایجاد شد. در مرحله دوم ، با استفاده از این عوامل خطر ، تجزیه و تحلیل احساسات بر روی مقالات خبری آنلاین ، با توجه به نوع خاص خطر ، برای تشخیص الگوی تغییرات ریسک انجام شده است. سلسله مراتب ریسک و نتایج تجزیه و تحلیل احساسات می تواند درک خطرات زنجیره تامین جهانی منطقه ای را بهبود بخشد و راهنمایی در انتخاب تامین کننده ارائه دهد.

زنجیره تامین جهانی به طور گسترده ای برای افزایش مزایای رقابتی مورد بحث قرار گرفته است [1]. از دیدگاه اقتصادی ، مدیریت زنجیره تامین جهانی می تواند یک موقعیت برد-برد برای ذینفعان مرتبط ایجاد کند ، به این ترتیب که هر نقش (یا گره) در شبکه جهانی زنجیره تامین می تواند مزایای عملیاتی را درسراسر زنجیره تامین بدست آورد زمانیکه همه مراحل مربوط به تولید محصول/تولید اجزا (به عنوان مثال ، طراحی ، تولید ، مونتاژ ، آزمایش و بازاریابی) در سراسر جهان هماهنگ شده است. اگرچه زنجیره های تأمین جهانی به عنوان یک مزیت سود مشترک در اکثر صنایع در نظر گرفته شده است ، اما عوامل منطقه ای نامشخص در رابطه با تجارت جهانی و لجستیک مانند ثبات دولت ، زیرساخت های ناکافی در یک کشور و موانع تجاری ممکن است مدیریت موفق زنجیره تأمین را مشکل سازد.

برای ادامه مطالعه به لینک مراجعه بفرمایید.

صنعت 0.4 :موضوعات نوظهور و راههای تحقیق آینده با استفاده از رویکرد استخراج متن

خلاصه:

ادبیات موجود یک رویکرد "تکه تکه" برای درک ما از صنعت 4.0 به عنوان "انقلاب تکنولوژیکی" ارائه می دهد. با این حال ، چنین رویکردی منجر به ادبیات پراکنده و عدم تمرکز روی موضوعات موجود و روندهای تحقیقاتی آینده میشود. در نتیجه ، هدف این تحقیق دو چیز است: (1) شناسایی موضوعات اصلی جامع مورد بحث در گذشته و پیگیری تکامل آنها در طول زمان ، و (ii) ارائه یک برنامه تحقیقاتی آینده برای هر موضوع فراگیر که ماهیت چندرشته ای پژوهش را در نظر می گیرد. برای رسیدن به هدف اول ، روشی مبتنی بر متن کاوی اجرا شد. برای رسیدن به مورد دوم ، مروری بر اساس مقاله اخیر و مرتبط برای هر موضوع کلی انجام شد. متن کاوی چهار موضوع کلی را پیشنهاد می کند: (i) تجارت ، (ii) عملیات ، (iii) راه حل های تکنولوژیکی و (iv) کار و مهارت. "تجارت" شامل مطالعاتی است که تأثیر صنعت 4.0 بر چشم اندازهای کسب و کار را مورد بررسی قرار می دهد و آنها نشان می دهند که دولتها و صنایع در دیدگاه تولید تغییر کرده و سعی می کنند از این موج انقلاب صنعتی بهره مند شوند. "عملیات" شامل مطالعاتی است که تأثیر فناوری های جدید صنعت 4.0 بر تولید ، لجستیک و فرآیندهای زنجیره تامین را بررسی می کند. نوشته ههای متعلق به "راه حل های تکنولوژیکی" در مورد راه حل های فناوری در هسته صنعت 4.0 بحث می کنند. جریان ادبیات "کار و مهارت" تلاش می کند تا زیر عناصر انسانی در مورد فرصت ها و مفاهیم پشت صحنه صنعت 4.0 کمین کند. در نهایت ، مقاله یک برنامه تحقیقاتی آینده برای هر موضوع کلی را پیشنهاد می کند ، بنابراین راه را برای تحقیقات جدید در این زمینه هموار می کند. 

در نظر گرفتن داده های Twitter برای تحقیقات زنجیره تامین

خلاصه:

مشاغل و جوامع تحقیقاتی توجه زیادی به رسانه های اجتماعی و داده های بزرگ دارندکه این موضوع به اهمیت ررسانه های اجتماعی می­افزاید. این تحقیق با ارائه یک چارچوب تحلیلی جدید (Twitter Analytics) برای تجزیه و تحلیل توییت های زنجیره تامین ، برجسته کردن استفاده از توییتر در زمینه های زنجیره تامین ، و توسعه بیشتر بینش در مورد نقش بالقوه توییتر در جامعه مدیریت زنجیره تامین(SCM) کمک می کند. چارچوب پیشنهادی شامل سه روش - تجزیه و تحلیل توصیفی (DA) ، تجزیه و تحلیل محتوا (CA) ادغام متن کاوی و تجزیه و تحلیل احساسات و تجزیه و تحلیل شبکه (NA) با تکیه بر تجسم و معیارهای شبکه - برای استخراج اطلاعات از 22،399 توییت #supplychain  می باشد.

در این مطالعه ابتدا داده های توئیتر از طریق api جمع آوری شده و بعد از پیش پردازش، توسط هریک از سه روش تحلیلی گفته شده مورد بررسی قرار گرفته است. (توضیحات مربوط به دانلود و پیش پردازش) 

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.