[논문 리뷰] Evaluation of key impression of resilient supply chain based on artificial intelligence of things (AIoT)

Alireza Aliahmadi, Hamed Nozari외 2명|arXiv (Cornell University)|2022. 07. 18.

Supply Chain Resilience and Risk Management인용 수 16

한 줄 요약

이 논문은 비선형 흐린 의사결정 방법을 사용하여 인공지능의 사물(AIoT)이 복원력 있는 공급망에 미치는 영향을 평가한다. 이를 통해 복원력을 향상시키는 핵심 구성 요소를 규명한다. 연구 결과, AIoT 통합은 실시간 모니터링, 예측 분석, 적응형 대응 메커니즘을 최적화함으로써 불확실성 하에서 공급망의 적응성, 리스크 완화 및 운영 지속성을 크게 향상시킨다.

ABSTRACT

In recent years, the high complexity of the business environment, dynamism and environmental change, uncertainty and concepts such as globalization and increasing competition of organizations in the national and international arena have caused many changes in the equations governing the supply chain. In this case, supply chain organizations must always be prepared for a variety of challenges and dynamic environmental changes. One of the effective solutions to face these challenges is to create a resilient supply chain. Resilient supply chain is able to overcome uncertainties and disruptions in the business environment. The competitive advantage of this supply chain does not depend only on low costs, high quality, reduced latency and high level of service. Rather, it has the ability of the chain to avoid catastrophes and overcome critical situations, and this is the resilience of the supply chain. AI and IoT technologies and their combination, called AIoT, have played a key role in improving supply chain performance in recent years and can therefore increase supply chain resilience. For this reason, in this study, an attempt was made to better understand the impact of these technologies on equity by examining the dimensions and components of the Artificial Intelligence of Things (AIoT)-based supply chain. Finally, using nonlinear fuzzy decision making method, the most important components of the impact on the resilient smart supply chain are determined. Understanding this assessment can help empower the smart supply chain.

연구 동기 및 목표

• 환경 복잡성과 불확실성이 증가하는 상황에서 AIoT 기술이 공급망 복원력 구축에 어떻게 기여하는지 조사하기 위해.
• 공급망 복원력에 직접적인 영향을 미치는 가장 영향력 있는 AIoT 구성 요소를 특정하기 위해.
• AIoT 기반 공급망 시스템의 복원력 향상 잠재력을 평가하기 위한 체계적인 평가 프레임워크를 개발하기 위해.
• 비선형 흐린 방법을 활용해 높은 영향력을 지닌 AIoT 구성 요소를 우선순위 정렬함으로써 공급망 설계의 의사결정을 지원하기 위해.

제안 방법

• 연구는 공급망 복원력에 대한 AIoT 구성 요소의 상대적 중요도를 평가하기 위해 비선형 흐린 의사결정 접근법을 사용한다.
• 실시간 데이터 처리, 예측 분석, 적응형 제어와 같은 핵심 AIoT 차원을 공급망 맥락 내에서 식별하고 분류한다.
• 특히 동적이고 복잡한 조건에서의 영향 평가에 있어 불확실성을 다루기 위해 전문가 판단과 흐린 논리를 통합한다.
• 복원력에 기여하는 정도에 따라 복원력, 적응성, 회복 능력 등의 기준을 바탕으로 AIoT 구성 요소를 순위 매기는 다기준 평가 모델을 구축한다.
• 장애 상황 하에서 공급망 성능에 대한 AIoT 구성 요소 간 상호의존성과 그 집합적 영향을 고려한다.
• 언어 변수와 흐린 수를 사용하여 정성적 평가를 정량화함으로써 구성 요소 중요도 간 체계적인 비교를 가능하게 한다.

실험 결과

연구 질문

• RQ1 공급망 복원력을 향상시키는 데 가장 큰 영향을 미치는 AIoT 구성 요소는 무엇인가?
• RQ2 실시간 모니터링 및 예측 분석과 같은 AIoT 기반 기능은 적응성과 회복성과 같은 복원력 차원에 어떻게 기여하는가?
• RQ3 예를 들어 센서, 데이터 분석, 자동화와 같은 다양한 AIoT 서브시스템 중 공급망 복원력 구축에 있어 상대적 중요도는 어떻게 되는가?
• RQ4 불확실성과 불완전한 데이터 조건 하에서 흐린 의사결정 방법은 어떻게 효과적으로 AIoT 구성 요소를 우선순위 정렬할 수 있는가?
• RQ5 AIoT 통합은 공급망이 장애를 예측하고 대응하며 회복하는 능력을 어느 정도 향상시키는가?

주요 결과

• 비선형 흐린 의사결정 모델은 공급망 복원력에 영향을 미치는 가장 중요한 AIoT 구성 요소를 성공적으로 규명하였으며, 실시간 데이터 처리와 예측 분석이 가장 높은 순위를 차지했다.
• AIoT 통합은 지속적인 모니터링과 적응형 대응 메커니즘을 통해 장애를 사전에 예측할 수 있는 능력을 공급망에 크게 향상시켰다.
• 지능형 의사결정 지원 및 자동 제어 시스템과 관련된 구성 요소는 장애 후 회복 시간을 줄이는 데 핵심적인 역할을 했다.
• 연구 결과, 복원력은 비용이나 속도에만 의존하는 것이 아니라, 기본적으로 AIoT 기반의 사전 예측 능력과 적응형 능력에 의해 주도된다는 것이 드러났다.
• 흐린 평가 방법은 제한되거나 정밀도가 떨어지는 데이터가 있는 상황에서도 강력하고 체계적인 방식으로 AIoT 투자 우선순위를 정할 수 있었다.
• 결과적으로 AIoT를 활용하는 공급망는 예측 지능과 동적 운영 조정을 조합함으로써 더 높은 복원력을 달성하는 것으로 나타났다.