सप्लाई चेन डेटा एनालिटिक्स के लिए आपूर्तिकर्ता में व्यवधानों की भविष्यवाणी: जटिल संपत्ति निर्माण में एक केस स्टडी

हालांकि सप्लाई चेन डेटा एनालिटिक्स के लिए पूर्वानुमान मशीन लर्निंग हाल ही में उद्योग में एआई पैराबीग की बढ़ती लोकप्रियता के कारण एक महत्वपूर्ण अनुसंधान क्षेत्र के रूप में रिपोर्ट की गई है, व्यावहारिक दृष्टिकोण से इसके अनुप्रयोग को दर्शाने वाले केस अध्ययनों की स्पष्ट कमी है। इस पेपर में, हम मूल उपकरण निर्माता (OEM) के लिए उपलब्ध ऐतिहासिक डेटा का उपयोग करके पहले स्तर की सप्लाई चेन व्यवधानों की भविष्यवाणी में डेटा एनालिटिक्स के आवेदन पर चर्चा करते हैं। हमारी विधि तीन चरणों में होती है: पहले, संभावित विशेषताओं का चयन और इंजीनियरिंग करने के लिए एक एक्सप्लोरटरी चरण चलता है जो व्यवधानों के लिए उपयोगी भविष्यवक्ताओं के रूप में कार्य कर सकती है। इसके बाद केस स्टडी के विशिष्ट लक्ष्यों के अनुसार सफल तरीकों को रेट करने के लिए प्रदर्शन मेट्रिक का विकास किया जाता है। तीसरा, चयनित विशेषता स्पेस पर विभिन्न एल्गोरिदम, एल्गोरिदमिक मेट्रिक्स की सफलता दर का प्रणालीबद्ध अध्ययन करने के लिए एक प्रयोगात्मक डिज़ाइन बनाया जाता है। हमारे परिणाम संकेत करते हैं कि डेटा में इंजीनियर की गई विशेषताओं को जोड़ने से, अर्थात् चपलता, अन्य प्रयोगों से बेहतर साबित होता है, जिसके परिणामस्वरूप अंतिम एल्गोरिदम है जो 80% सटीकता के साथ देरी के आदेशों की भविष्यवाणी कर सकता है। एक अतिरिक्त योगदान यह है कि सप्लाई व्यवधानों की भविष्यवाणी में मशीन लर्निंग का नवीन अनुप्रयोग है। चर्चा और केस स्टडी के विकास के माध्यम से हम सप्लाई चेन डेटा के विश्लेषण में डेटा एनालिटिक्स तकनीकों के विकास और अनुप्रयोग पर प्रकाश डालने की उम्मीद करते हैं। हम सफलतापूर्वक विशेषताओं को इंजीनियर करने के लिए डोमेन ज्ञान के महत्व को उजागर करते हुए समाप्त करते हैं।