Anwendung von Machine Learning im Supply Chain Management: Ein umfassender Überblick über die Hauptbereiche

In der heutigen komplexen und sich ständig verändernden Welt wurden Bedenken hinsichtlich des Mangels an ausreichenden Daten durch Bedenken über zu viele Daten für das Supply Chain Management (SCM) ersetzt. Das Volumen der aus allen Teilen der Lieferkette generierten Daten hat die Art der SCM-Analyse verändert. Durch die Erhöhung des Datenvolumens haben die Effizienz und Effektivität der traditionellen Methoden abgenommen. Einschränkungen dieser Methoden bei der Analyse und Interpretation großer Datenmengen haben dazu geführt, dass Wissenschaftler Methoden entwickelt haben, die eine hohe Fähigkeit zur Analyse und Interpretation von Big Data besitzen. Daher ist das Hauptziel dieses Papiers, die Anwendungen von Machine Learning (ML) im SCM als eine der bekanntesten Techniken der künstlichen Intelligenz (KI) zu identifizieren. Durch die Entwicklung eines konzeptionellen Rahmens identifiziert dieses Papier die Beiträge von ML-Techniken zur Auswahl und Segmentierung von Lieferanten, zur Vorhersage von Risiken in der Lieferkette sowie zur Schätzung von Nachfrage und Umsätzen, Produktions-, Bestandsmanagement, Transport und Distribution, nachhaltiger Entwicklung (SD) und Kreislaufwirtschaft (CE). Schließlich werden die Auswirkungen der Studie auf die Hauptbeschränkungen und Herausforderungen erörtert, gefolgt von Management-Einsichten und künftigen Forschungsrichtungen.