[논문 리뷰] AI in Supply Chain Risk Assessment: A Systematic Literature Review and Bibliometric Analysis

Md Abrar Jahin, Saleh Akram Naife외 2명|arXiv (Cornell University)|2023. 12. 12.

Supply Chain Resilience and Risk Management인용 수 5

한 줄 요약

이 논문은 공급망 리스크 평가(SCRA) 분야에서 인공지능(AI)에 대한 체계적 문헌 고찰 및 문헌정보학적 분석을 제시하며, 예측 정확도를 크게 향상시키는 주요 AI/머신러닝(ML) 기법들인 Random Forest 및 XGBoost를 규명한다. 이 연구는 최근의 추세, 영향력 있는 연구 클러스터, 그리고 코로나19 이후 공급망 리스크 관리(SCRM)의 회복탄력성 향상에 대한 실용적 함의를 드러내며, 현대 AI 응용에 대한 이해 부족을 메우는 데 기여한다.

ABSTRACT

Supply chain risk assessment (SCRA) is pivotal for ensuring resilience in increasingly complex global supply networks. While existing reviews have explored traditional methodologies, they often neglect emerging artificial intelligence (AI) and machine learning (ML) applications and mostly lack combined systematic and bibliometric analyses. This study addresses these gaps by integrating a systematic literature review with bibliometric analysis, examining 1,903 articles (2015-2025) from Google Scholar and Web of Science, with 54 studies selected through PRISMA guidelines. Our findings reveal that ML models, including Random Forest, XGBoost, and hybrid approaches, significantly enhance risk prediction accuracy and adaptability in post-pandemic contexts. The bibliometric analysis identifies key trends, influential authors, and institutional contributions, highlighting China and the United States as leading research hubs. Practical insights emphasize the integration of explainable AI (XAI) for transparent decision-making, real-time data utilization, and blockchain for traceability. The study underscores the necessity of dynamic strategies, interdisciplinary collaboration, and continuous model evaluation to address challenges such as data quality and interpretability. By synthesizing AI-driven methodologies with resilience frameworks, this review provides actionable guidance for optimizing supply chain risk management, fostering adaptability, and informing future research in evolving risk landscapes.

연구 동기 및 목표

• 공급망 리스크 평가(SCRA) 분야에서 최근의 AI/ML 기법에 대한 이해 부족을 해소하기 위해, 이전의 리뷰들이 이러한 발전을 간과한 점을 보완하고자 한다.
• SCRA 분야의 문헌을 대상으로 포괄적인 문헌정보학적 분석을 통해 출판 추세, 영향력 있는 저자, 고도로 인용된 논문들을 분석하고자 한다.
• SCRA에 가장 효과적인 AI/ML 모델을 특정하고 평가하며, 그 예측 정확도와 실용적 구현 가능성을 중심으로 분석하고자 한다.
• 연구자와 실무자들이 AI를 공급망 리스크 관리(SCRM)에 통합하여 회복탄력성을 향상시키기 위한 가이드라인을 제공하고자 한다.
• AI가 공급망 리스크 평가에 어떻게 발전해왔는지 연구 환경을 맵핑하고, 핵심 클러스터, 방법론, 향후 연구 방향을 도출하고자 한다.

제안 방법

• 2014년에서 2023년 사이에 출간된 1,717편의 논문을 체계적 문헌 고찰로 분석하여, 영향력 있는 48편의 연구로 필터링하였다.
• VOSviewer와 같은 도구를 활용하여 공저자 네트워크, 공인용 네트워크, 주제 클러스터를 맵핑하는 데 문헌정보학적 분석을 적용하였다.
• AI/ML 기법을 다음과 같은 카테고리로 분류하였다: 트리 기반 모델(예: Random Forest, XGBoost), 앙상블 방법, 딥러닝(예: CNNs).
• 리스크 예측 작업에서 보고된 정확도, F1 점수, AUC-ROC 값 기반으로 모델 성능을 평가하였다.
• 출판 연도, 저널, 국가, 소속 기관을 기반으로 연구 추세를 맵핑하여 분야 내 성장 패턴과 주도 기관을 파악하고자 하였다.
• 연구 질문, 방법론, 결과에 대한 주제 분석을 수행하여 SCRM 실무자에게 실질적인 통찰을 도출하고자 하였다.

Figure 1 : Prisma flow diagram for systematic literature review.

실험 결과

연구 질문

• RQ1 공급망 리스크 평가에서 가장 널리 사용되고 효과적인 AI/ML 기법은 무엇이며, 전통적 모델과 비교해 볼 때 어떤가?
• RQ2 2014년에서 2023년 사이에 AI 기반 SCRA 연구에서 지배적인 연구 주제, 출판 추세, 영향력 있는 기여자들은 무엇인가?
• RQ3 코로나19 패닉이 공급망 리스크 평가 분야에서 AI의 발전과 적용에 어떤 영향을 미쳤는가? 특히 복원탄력성 향상 측면에서 어떤가?
• RQ4 문헌정보학적 분석과 주제 분석을 통해 도출된 AI 기반 SCRA의 주요 방법론적 격차와 향후 연구 방향은 무엇인가?
• RQ5 하이브리드 및 앙상블 모델(예: XGBoost, SVM 앙상블)은 공급망 내 신용 리스크 및 금융 리스크 예측 시 성능을 어떻게 향상시키는가?

주요 결과

• Random Forest 및 XGBoost와 같은 트리 기반 모델은 여러 연구에서 AUC-ROC 값이 0.90을 초과하는 등 SCRA에서 뛰어난 성능을 보였다.
• SVM 기반 앙성 및 CNN을 포함한 하이브리드 및 앙상블 모델은 신용 리스크 및 금융 리스크 조기 경고 시스템에서 예측 정확도가 향상된 것으로 나타났다.
• 문헌정보학적 분석을 통해 2020년 이후 SCRA 연구가 급격히 증가한 것으로 확인되었으며, KUET 및 AIUB와 같은 기관을 중심으로 중국과 방글라데시가 주요 기여자로 부상하였다.
• 가장 많이 인용된 논문들은 특히 SVM 및 앙상블 기법을 활용한 공급망 금융에서의 중소기업 신용 리스크 예측에 초점이 맞춰져 있었다.
• 공인용 분석을 통해 다섯 가지 주요 주제 클러스터를 규명하였다: 신용 리스크 예측, 복원탄력성 모델링, 데이터 통합, 프라이버시 보장 AI(예: 연합학습), 시계열 예측.
• 최근 연구에서 설명 가능하고 프라이버시를 보장하는 AI 모델(예: 연합학습)로의 전환 경향이 두드러져, 윤리적이고 확장 가능한 구현 방향으로의 이동을 시사한다.

Figure 2 : Annual publication trend (2014-2023) of the reviewed literature.