딥러닝, 생존 분석 및 설명 가능한 인공지능을 이용한 종합 공급망 회복력 관리

이 연구는 종합 공급망 회복력 관리를 위한 데이터 중심 프레임워크를 소개합니다. 팬데믹과 같은 주요 중단이 산업과 지역에 깊은 영향을 미치면서 다양한 중단 시나리오를 포착하는 방대한 데이터가 생성되었습니다. 이는 조직 운영의 편차와 중단 결과를 상관시킬 수 있는 기회를 제공하여 외부 공급자 데이터에 대한 의존도를 줄이고 데이터 개인정보 보호 문제를 완화합니다. 딥러닝, 생존 분석 및 설명 가능한 인공지능을 활용하여 이 연구는 쉽게 접근 가능한 조직 데이터를 중단 위험과 원천의 예측으로 변환하는 개척적인 발전을 나타내며, 전통적인 모델 중심 방법론과는 다릅니다. 이 프레임워크를 미국 자동차 제조업체에 기반한 실제 시나리오에 적용한 결과, 주요 부품의 생존 시간을 정확하게 예측했으며, 반년 후 부족 예측에 대한 예측 오류는 20일 이내였습니다. 특히, 이 모델은 최상위 대안 모델에 비해 단기 및 장기 예측의 오류율을 50% 줄였습니다. 우리의 발견은 이 프레임워크가 내부 운영 데이터에서 얻은 통찰력을 활용하여 전 세계 공급망 중단 및 알 수 없는 불확실성의 복잡성을 효과적으로 해결할 수 있는 능력을 강조합니다. 이 축적된 지식은 실시간 위험 식별 및 평가를 가능하게 하여 조직이 시기적절하고 목표 지향적인 위험 완화 전략을 배포할 수 있도록 합니다.