[论文解读] Evaluation of key impression of resilient supply chain based on artificial intelligence of things (AIoT)

Alireza Aliahmadi, Hamed Nozari+2 more|arXiv (Cornell University)|Jul 18, 2022

Supply Chain Resilience and Risk Management被引用 16

一句话总结

本文采用非线性模糊决策方法，评估人工智能物联网（AIoT）对弹性供应链的影响，以识别增强韧性的关键组件。研究发现，通过优化实时监控、预测分析和自适应响应机制，AIoT集成显著提升了供应链在不确定性环境下的适应能力、风险缓解能力和运营连续性。

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.

研究动机与目标

• 探讨AIoT技术如何在环境复杂性和不确定性日益增加的背景下，助力构建弹性供应链。
• 识别直接影响供应链韧性的最具影响力的AIoT组件。
• 构建系统化的评估框架，以评估基于AIoT的供应链系统提升韧性的潜力。
• 通过非线性模糊方法优先排序高影响力AIoT组件，为供应链设计提供决策支持。

提出的方法

• 本研究采用非线性模糊决策方法，评估AIoT组件对供应链韧性影响的相对重要性。
• 在供应链背景下，识别并分类AIoT的关键维度，如实时数据处理、预测分析和自适应控制。
• 该方法结合专家判断与模糊逻辑，以处理在动态和复杂条件下评估组件影响时的不确定性。
• 构建多准则评估模型，根据组件对韧性（包括鲁棒性、适应能力和恢复能力）的贡献对AIoT组件进行排序。
• 该框架考虑了AIoT组件之间的相互依赖性及其在中断情况下的整体对供应链绩效的影响。
• 分析采用语言变量和模糊数来量化定性评估，实现对组件重要性程度的结构化比较。

实验结果

研究问题

• RQ1 哪些AIoT组件对提升供应链韧性具有最显著的影响？
• RQ2 AIoT支持的实时监控和预测分析等能力，如何促进适应性和恢复性等韧性维度？
• RQ3 不同AIoT子系统（如传感、数据分析、自动化）在构建弹性供应链中的相对重要性如何？
• RQ4 在不确定性及数据不完整条件下，模糊决策方法如何有效优先排序AIoT组件？
• RQ5 AIoT集成在多大程度上提升了供应链预见、应对和从中断中恢复的能力？

主要发现

• 非线性模糊决策模型成功识别出对供应链韧性影响最关键的AIoT组件，其中实时数据处理和预测分析排名最高。
• AIoT集成显著增强了供应链通过持续监控和自适应响应机制预见中断的能力。
• 与智能决策支持和自动化控制系统相关的组件被发现是缩短中断后恢复时间的关键因素。
• 研究表明，韧性并非仅依赖成本或速度，而是从根本上由AIoT支持的前瞻性与自适应能力驱动。
• 模糊评估方法在数据有限或不精确的情况下，仍能提供稳健且结构化的AIoT投资优先排序方法。
• 结果表明，通过结合预测智能与动态运营调整，采用AIoT的供应链能实现更高的韧性。