AI in Supply Chain Risk Assessment: A Systematic Literature Review and Bibliometric Analysis

要約

サプライ チェーン リスク評価 (SCRA) は、人工知能 (AI) と機械学習 (ML) 技術の統合を通じて大幅な進化を遂げ、予測機能とリスク軽減戦略に革命をもたらしました。
この進化の重要性は、現代のサプライチェーン内で業務の回復力と継続性を確保する上で、堅牢なリスク管理戦略が重要な役割を果たしていることに由来しています。
以前のレビューでは、確立された方法論について概説しましたが、新たな AI/ML 技術は見落とされており、SCRA 内での実際的な意味を理解する上で顕著な研究上のギャップが残されています。
この論文では、包括的な書誌学的分析と組み合わせた体系的な文献レビューを実施します。
私たちは 1,717 件の論文を細心の注意を払って調査し、2014 年から 2023 年の間に出版された 48 件の論文からなる厳選されたグループから重要な洞察を導き出しました。このレビューは、重要な研究課題に取り組み、既存の AI/ML 技術、方法論、調査結果、将来の軌道を調査することで、この研究のギャップを埋めています。
これにより、SCRA の進化する状況をより包括的に把握できるようになります。
私たちの研究では、SCRA 内の精度を大幅に向上させる、ランダム フォレスト、XGBoost、ハイブリッドなどの AI/ML モデルの変革的な影響が明らかになりました。
これは、適応可能な新型コロナウイルス感染症後の戦略を強調し、回復力のある緊急時対応計画を提唱し、進化するリスク状況に合わせることを提唱しています。
重要なことに、このレビューは、新たな AI/ML 技術と SCRA 内でのそれらの実際的な意味を強調することで、以前の調査を上回っています。
さらに、包括的な書誌学的分析を通じて貢献を強調し、出版物の傾向、影響力のある著者、引用度の高い論文を明らかにします。

要約(オリジナル)

Supply chain risk assessment (SCRA) has witnessed a profound evolution through the integration of artificial intelligence (AI) and machine learning (ML) techniques, revolutionizing predictive capabilities and risk mitigation strategies. The significance of this evolution stems from the critical role of robust risk management strategies in ensuring operational resilience and continuity within modern supply chains. Previous reviews have outlined established methodologies but have overlooked emerging AI/ML techniques, leaving a notable research gap in understanding their practical implications within SCRA. This paper conducts a systematic literature review combined with a comprehensive bibliometric analysis. We meticulously examined 1,717 papers and derived key insights from a select group of 48 articles published between 2014 and 2023. The review fills this research gap by addressing pivotal research questions, and exploring existing AI/ML techniques, methodologies, findings, and future trajectories, thereby providing a more encompassing view of the evolving landscape of SCRA. Our study unveils the transformative impact of AI/ML models, such as Random Forest, XGBoost, and hybrids, in substantially enhancing precision within SCRA. It underscores adaptable post-COVID strategies, advocating for resilient contingency plans and aligning with evolving risk landscapes. Significantly, this review surpasses previous examinations by accentuating emerging AI/ML techniques and their practical implications within SCRA. Furthermore, it highlights the contributions through a comprehensive bibliometric analysis, revealing publication trends, influential authors, and highly cited articles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google