[论文解读] Future of Supply Chain: Challenges, Trends, and Prospects

Cristiana L. Lara, John M. Wassick|arXiv (Cornell University)|Jan 30, 2023

Business Process Modeling and AnalysisBusiness, Management and Accounting被引用 3

一句话总结

本文识别了电子商务和流程工业在全球供应链中面临的共同挑战——尤其是可扩展性、多时间 horizon 决策整合以及人机协调问题，提出采用具备严谨人类决策建模的多智能体系统作为统一战略、战术和运营决策的有前景框架，从而提升供应链的韧性与效率。

ABSTRACT

This paper discusses the broad challenges shared by e-commerce and the process industries operating global supply chains. Specifically, we discuss how process industries and e-commerce differ in many aspects but have similar challenges ahead of them in order to remain competitive, keep up with the always increasing requirements of the customers and stakeholders, and gain efficiency. While both industries have been early adopters of decision support tools based on machine intelligence, both share unresolved challenges related to scalability, integration of decision-making over different time horizons (e.g. strategic, tactical and execution-level decisions) and across internal business units, and orchestration of human and computer-based decision-makers. We discuss future trends and research opportunities in the area of supply chain, and suggest that the methods of multi-agent systems supported by rigorous treatment of human decision-making in combination with machine intelligence is a great contender to address these critical challenges.

研究动机与目标

• 识别电子商务和流程工业在管理复杂全球供应链时面临的共同挑战。
• 分析在扩展决策支持系统以及整合战略、战术和执行层级决策方面尚未解决的问题。
• 研究供应链运营中人类与机器决策者之间的协调挑战。
• 探索由机器智能和人类行为建模进步推动的供应链管理未来研究方向。
• 倡导采用对人类决策行为进行形式化处理的多智能体系统，作为下一代供应链的关键解决方案路径。

提出的方法

• 利用多智能体系统（MAS）的洞见，建模供应链中自主决策实体之间的交互。
• 将机器智能与人类决策的正式模型相结合，以改善人类与算法代理之间的协调。
• 提出一种支持在统一架构内实现战略、战术和操作层级多时间 horizon 决策的框架。
• 强调需要可扩展且互操作的系统，以统一内部业务单元和外部合作伙伴的决策流程。
• 使用概念模型展示如何在供应链系统中联合优化人类认知约束与机器能力。
• 借鉴电子商务和流程工业中现有的决策支持工具，以指导未来混合人机系统的构建。

实验结果

研究问题

• RQ1 电子商务和流程工业在管理全球供应链时面临的核心挑战是什么？
• RQ2 如何在供应链中有效整合战略、战术和执行层级的决策？
• RQ3 人类决策在混合人机供应链系统中扮演什么角色，以及如何对其进行形式化建模？
• RQ4 多智能体系统在提升复杂供应链的可扩展性和协调性方面有哪些作用？
• RQ5 在推进具有韧性和效率的供应链系统方面，哪些未来研究方向最具前景？

主要发现

• 电子商务和流程工业在扩展决策支持系统以及在不同时间 horizon 之间整合决策方面面临相似挑战。
• 当前系统在协调人类与机器决策者方面存在困难，尤其是在组织单元和时间范围之间。
• 整合了严谨人类行为模型的多智能体系统，在统一供应链中多层级决策方面展现出强大潜力。
• 将机器智能与人类决策相结合，对于实现未来供应链的效率与适应性至关重要。
• 未来研究应聚焦于开发可扩展、互操作的框架，将人类认知作为供应链设计中的首要组成部分。
• 所提出的方案为解决供应链韧性、响应能力与可持续性方面的未解挑战提供了切实可行的路径。