Enhancing Supply Chain Visibility with Generative AI: An Exploratory Case Study on Relationship Prediction in Knowledge Graphs

要約

企業や政策立案者にとって効果的なサプライチェーンリスク管理における主な障害は、相互依存するサプライネットワーク関係が可視化されていないことです。
リンク予測とも呼ばれる関係予測は、データ駆動型技術を使用してサプライ チェーンの可視性を高めることを目的としたサプライ チェーン監視研究の新興分野です。
既存の方法は関係性の予測には成功していますが、供給される製品や供給元の場所など、これらの関係性が組み込まれているコンテキストを抽出するのが困難です。
コンテキストが欠如していると、実務者は取引関係と確立されたサプライチェーン関係を区別できなくなり、リスクの正確な推定が妨げられます。
この研究では、ナレッジ グラフ内のサプライ チェーンの関係を予測するために、機械学習モデルと組み合わせた埋め込みモデルとして事前トレーニングされた言語モデルを活用する、新しい生成人工知能 (Gen AI) 強化機械学習フレームワークを開発します。
Generative AI 技術を統合することにより、当社のアプローチはエンティティ間の微妙な意味関係を捉え、それによってサプライ チェーンの可視性を向上させ、より正確なリスク管理を促進します。
実際のケーススタディからのデータを使用して、GenAI によって強化されたリンク予測がすべてのベンチマークを上回っていることを示し、サプライ チェーンのリスク管理において GenAI モデルをどのように探索して効果的に使用できるかを示します。

要約(オリジナル)

A key stumbling block in effective supply chain risk management for companies and policymakers is a lack of visibility on interdependent supply network relationships. Relationship prediction, also called link prediction is an emergent area of supply chain surveillance research that aims to increase the visibility of supply chains using data-driven techniques. Existing methods have been successful for predicting relationships but struggle to extract the context in which these relationships are embedded – such as the products being supplied or locations they are supplied from. Lack of context prevents practitioners from distinguishing transactional relations from established supply chain relations, hindering accurate estimations of risk. In this work, we develop a new Generative Artificial Intelligence (Gen AI) enhanced machine learning framework that leverages pre-trained language models as embedding models combined with machine learning models to predict supply chain relationships within knowledge graphs. By integrating Generative AI techniques, our approach captures the nuanced semantic relationships between entities, thereby improving supply chain visibility and facilitating more precise risk management. Using data from a real case study, we show that GenAI-enhanced link prediction surpasses all benchmarks, and demonstrate how GenAI models can be explored and effectively used in supply chain risk management.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google