Графические нейронные сети для управления цепочкой поставок: рамочная основа и контрольный показатель реального мира
arXiv: 2411.085550v3 Тип анонсации: заменить перекрестное резюме: Граф Неуральные сети (ГНН) недавно получили толчок в области транспортировки, биоинформатики, языка и обработки изображений, однако исследования по их применению к управлению производственно-сбытовой цепью остаются ограниченными. По своей сути цепочки поставок являются графическими, что делает их идеальными для методологий ГNН, которые могут оптимизировать и решать сложные проблемы. К числу препятствий относятся отсутствие надлежащей концептуальной основы, знание прикладных графических приложений в системе УОР и наборов исходных данных реального мира для исследований производственно-сбытовой цепочки на основе GNN. Для решения этой проблемы мы обсуждаем и увязываем производственно-сбытовые цепочки с графическими структурами для эффективного применения GNN, предоставляя подробные формулировки, примеры, математические определения и руководящие принципы. Кроме того, мы представляем многоспективный набор реальных данных от ведущей компании ФКЖС в Бангладеш с уделением особого внимания планированию цепочки поставок. Мы обсуждаем различные задачи цепочек поставок с использованием GNN и контрольных показателей по нескольким странам.
