کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6861906 1439260 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Data-driven decision making for supply chain networks with agent-based computational experiment
ترجمه فارسی عنوان
تصمیم گیری مبتنی بر داده ها برای شبکه های زنجیره تامین با آزمایش محاسباتی مبتنی بر عامل
کلمات کلیدی
تصمیم گیری مبتنی بر داده ها، شبکه زنجیره تامین، تجزیه و تحلیل کسب و کار، مدل داده گرانشی، مدل جریان چهار بعدی، آزمایش محاسباتی مبتنی بر عامل،
ترجمه چکیده
ساختارهای پیچیده ساختاری، ظهور کلان و تحولات پویا در یک شبکه زنجیره تامین چالش هایی برای تصمیم گیری برای حل مشکلات عملیاتی برای بهبود عملکرد شبکه است. بسیاری از این مشکلات پیچیده هستند، زیرا عوامل مختلف و ارتباطات پیچیده آنها درگیر است. موفقیت این تصمیم گیری مبتنی بر تجزیه و تحلیل کارآمد کسب و کار بر اساس اطلاعات جامع و چند بعدی مربوط به ویژگی های استاتیک و عملیات پویا شبکه است. برای مقابله با چالش ها، این مقاله پیشنهاد می کند روش شناسی تصمیم گیری مبتنی بر داده ها را برای شبکه های زنجیره تامین مورد بررسی قرار دهد. در این روش، یک مدل داده گرانشی از یک شبکه زنجیره تامین برای استاندارد سازی فرم داده برای تصمیم گیری توسعه داده شده است. یک مدل جریان چهار بعدی از یک شبکه زنجیره تامین برای برآورده ساختن نیازهای داده ها برای تصمیم گیری که در مدل داده گرانروی تعریف شده است، پیشنهاد می شود. آزمایش محاسباتی مبتنی بر عامل برای حمایت از تولید یک مجموعه عملیاتی جامع از یک شبکه زنجیره تامین و برای بررسی راه حل های تولید شده در تصمیم گیری استفاده می شود. یکپارچه سازی این مدل ها، یک چارچوب تصمیم گیری مبتنی بر داده ها برای شبکه های زنجیره تامین پیشنهاد شده است. در چارچوب یک تصمیم گیری جدید از یک تعریف مشکل - تجزیه و تحلیل کسب و کار - تایید راه حل - تنظیم پارامتر؟ پیشنهاد شده است. در راستای دانش دامنه در شبکه های زنجیره تامین، دو رویکرد تجزیه و تحلیل تجزیه و تحلیل کسب و کار - تجزیه و تحلیل نقشه برداری و تجزیه و تحلیل همبستگی ارائه شده است. در نهایت، یک مورد از یک شبکه زنجیره تامین تولید پنج صنف با روش شناسی مورد مطالعه قرار گرفته است. یافته ها نشان می دهد که روش پیشنهادی، مدل و چارچوب در حمایت از تصمیم گیری محورهای داده برای حل مشکلات عملی پیچیده در شبکه های زنجیره تامین موثر است و مدیران شبکه ها یا شرکت های عضو را با ابزار موثر برای ایجاد تصمیمات بی طرف و کارآمد برای بهبود عملکرد شبکه ها.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تصمیم گیری مبتنی بر داده ها برای شبکه های زنجیره تامین با آزمایش محاسباتی مبتنی بر عامل
چکیده انگلیسی
The complicated micro structures, macro emergences and dynamic evolutions in a supply chain network pose challenges to decision making for solving operational problems for the network's performance improvement. Most of these problems are complicated since various factors and their complicated relationships are involved. Success of this decision making relies on efficient business analytics based on the comprehensive and multi-dimensional data related to the static attributes and dynamic operations of the network. To confront the challenges, this paper proposes to explore a methodology of data-driven decision making for supply chain networks. In this methodology, a data-granularity model of a supply chain network is developed to standardize the data form for decision making. A four-dimensional-flow model of a supply chain network is proposed to satisfy the data requirements for decision making that are defined in the data-granularity model. Agent-based computational experiment is employed to support the generation of a comprehensive operational dataset of a supply chain network and to verify the solutions generated in decision making. Integrating these models, a data-driven decision-making framework for supply chain networks is proposed. In the framework, a new decision-making mode of “problem definition - business analytics - solution verification - parameter adjustment” is proposed. Oriented towards domain knowledge in supply chain networks, two approaches of business analytics-mapping analysis and correlation analysis-are presented. Finally, a case of a five-echelon manufacturing supply chain network is studied with the methodology. The findings indicate that the proposed methodology, models and framework are effective in supporting the data-centric decision making for solving complicated operational problems in supply chain networks and provide the networks' managers or member enterprises with an effective tool to generate unbiased and efficient decisions for the networks' performance improvement.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 141, 1 February 2018, Pages 55-66
نویسندگان
,