文献

J-GLOBAL ID：202102254223054115   整理番号：21A2956396

サプライチェーンにおける破壊リスク識別のための強化学習ベースフレームワーク【JST・京大機械翻訳】

A reinforcement learning-based framework for disruption risk identification in supply chains

著者 (4件)： Aboutorab Hamed (School of Business, UNSW Canberra, Canberra, ACT, Australia) ,  Hussain Omar K. (School of Business, UNSW Canberra, Canberra, ACT, Australia) ,  Saberi Morteza (School of Computer Science, University of Technology, Sydney, NSW, Australia) ,  Hussain Farookh Khadeer (School of Computer Science, University of Technology, Sydney, NSW, Australia)
資料名： Future Generation Computer Systems  (Future Generation Computer Systems)
巻： 126  ページ： 110-122  発行年： 2022年 
JST資料番号： A0620C  ISSN： 0167-739X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： リスク管理は,供給チェーン活動がスムーズに動作するのに,よく行う必要がある重要な活動の1つである。リスク管理における第一段階はリスク同定であり,リスク管理者はさらなる分析に対する関心のリスク事象を同定する。リスク同定段階におけるリスク事象のタイムリーな同定は,その運用におけるサプライチェーンリスクの管理において,リスク管理者にとって極めて重要である。しかし,このステップを手動で追うことは,退屈で時間がかかる。高度なコンピューティングアルゴリズムの増体化および能力によって,様々なエミネントサプライチェーン研究者は,それらのタスクを実行するとき,効率および有効性を増加させるために人工知能技術の使用と呼ばれている。本論文では,最近の人工知能技術の1つである強化学習が,リスク管理者が彼らの運用へのリスクを積極的に同定するのを助けることができる方法を示す。プロアクティブリスク同定(RL-PRI)とその様々なステップに対する提案した強化学習ベースアプローチの作業を説明した。次に,専門的リスク管理者によって手動で同定されたリスク事象と出力を比較することにより,関心のあるリスク事象の同定におけるRL-PRIの性能精度を示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  人工知能 ,  リスク管理 ,  有効性 ,  *強化学習
準シソーラス用語： 退屈 ,  リスクマネージャー ,  *サプライチェーン ,  *リスク識別 , 【Automatic Indexing@JST】

著者キーワード (4件)： サプライチェーン ,  破壊リスク ,  積極的リスク同定 ,  強化学習

分類 (2件)： 計算機網  (JC03000K) ,  データ保護  (JD01020V)

タイトルに関連する用語 (5件)： サプライチェーン ,  破壊 ,  リスク識別 ,  強化学習 ,  フレームワーク