Artificial intelligence for sense making in survival supply chains

Sharma, Ajit

doi:10.1080/00207543.2023.2221743

Cited by 8 publications

(2 citation statements)

References 64 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…They designed a new logistics collaboration mechanism based on Markov jump systems and verified its effectiveness and feasibility through numerical simulations (2023). Sharma et al (2023) proposed a decision control strategy based on state transition matrix by analyzing Markov jump systems and applied it to complex supply chain management. Experiments have shown that this method can significantly improve efficiency and stability in the supply chain.…”

Section: Literature Reviewmentioning

confidence: 99%

Optimizing Production Supply Chain With Markov Jump System for Logistics Collaboration

Liu,

Vakharia

2024

Journal of Organizational and End User Computing

View full text Add to dashboard Cite

This study employs a novel Markov jump system model to address complexities and uncertainties in modern logistics management, particularly in supply chain logistics information networks. It introduces dynamic memory to tackle issues in traditional static networks, enabling modeling and control of this intricate system. By assessing decision node importance, a novel strategy optimization method is devised. Through information exchange and decision adjustments among cooperating nodes, the overall decision system performance is enhanced, resulting in a comprehensive logistics information coordination mechanism for production supply chains based on the Markov jump system. The research demonstrates that this approach considers node interactions and information exchange, using dynamic memory to improve system adaptability and robustness, ultimately enhancing overall decision performance and stability. This has practical value for decision support and system optimization in production supply chain logistics information networks, offering fresh insights into Markov jump system control.

show abstract

Section: Literature Reviewmentioning

confidence: 99%

Optimizing Production Supply Chain With Markov Jump System for Logistics Collaboration

Liu,

Vakharia

2024

Journal of Organizational and End User Computing

View full text Add to dashboard Cite

show abstract

“…Isso envolve a construção de ecossistemas de cadeias de suprimentos caracterizados por colaboração, transparência, compartilhamento de riscos e benefícios, e inovação conjunta.A pandemia de COVID-19 revelou a fragilidade das cadeias de suprimentos globais diante de perturbações significativas. Para aprimorar a resiliência e adaptabilidade das cadeias de suprimentos a eventos disruptivos, a IA se constitui em um instrumento poderoso, uma vez que é capaz de rastrear eventos disruptivos em tempo real, avaliar seu potencial impacto, elaborar planos de resposta e monitorar a eficácia das ações implementadas(Sharma, 2023).clientes. Os autores acrescentam que essa tecnologia emergente tem o potencial de transformar o gerenciamento de cadeias de suprimentos, oferecendo oportunidades significativas para melhorar o desempenho das empresas.…”

unclassified

Transformação Digital Na Indústria De Defesa: Análise Da Adoção Da Inteligência Artificial Na Performance E Resiliência Da Cadeia De Suprimentos

DE OLIVEIRA VARGAS

View full text Add to dashboard Cite

Transformação digital na indústria de Defesa: análise da adoção da Inteligência Artificial na performance e resiliência da cadeia de suprimentos.Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo Programa de Pós-graduação em Logística da PUC-Rio. Aprovada pela comissão examinadora abaixo. AgradecimentosEm primeiro lugar, agradeço a Deus por ser a fonte de toda sabedoria e por guiar meus passos ao longo dessa jornada. Suas bênçãos foram a luz que iluminou meu caminho nos momentos desafiadores e a força que sustentou minha determinação.À minha amada esposa, expresso minha eterna gratidão por seu apoio incondicional. Seu amor, paciência e compreensão foram pilares essenciais que me fortaleceram durante os períodos intensos de estudo e pesquisa. Juntos, compartilhamos as alegrias das conquistas e enfrentamos os desafios com união e resiliência.Aos meus pais, cujos sacrifícios e dedicação foram cruciais para que eu pudesse seguir meus estudos, expresso meu profundo agradecimento. Seu apoio inabalável e valores fundamentaram minha jornada acadêmica, tornando esta conquista não apenas minha, mas também de nossa família.À Marinha do Brasil, sou grato pela oportunidade de realizar este mestrado. A confiança depositada em mim é um privilégio que levarei comigo ao longo de toda minha carreira.Agradeço também aos meus superiores e colegas pela colaboração e incentivo, que foram essenciais para o sucesso deste empreendimento.Aos meus orientador e coorientador, expresso minha sincera gratidão. Ao orientador, agradeço a paciência, orientação e dedicação incansável. Sua liderança e sabedoria foram fundamentais para moldar meu trabalho de pesquisa. Ao coorientador, agradeço a valiosa contribuição à minha dissertação, enriquecendo-a com perspectivas e insights essenciais.A todos os professores do programa de mestrado profissional em Logística do departamento de Engenharia Industrial da PUC, agradeço pelos conhecimentos transmitidos. Suas aulas foram inspiradoras, desafiadoras e fundamentais para o desenvolvimento das competências necessárias para este feito.Aos meus colegas de sala de aula, agradeço pelos momentos de mútua ajuda e companheirismo. Nossa jornada foi marcada por colaboração e aprendizado conjunto, e levo conosco as lembranças de uma verdadeira comunidade acadêmica.O presente trabalho foi realizado com apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior -Brasil (CAPES) -Código de Financiamento 001.

show abstract

Robotic disassembly of electric vehicle batteries: Technologies and opportunities

Zang,

Qu,

Pham

et al. 2024

Computers & Industrial Engineering

View full text Add to dashboard Cite

Artificial intelligence for sense making in survival supply chains

Cited by 8 publications

References 64 publications

Optimizing Production Supply Chain With Markov Jump System for Logistics Collaboration

Optimizing Production Supply Chain With Markov Jump System for Logistics Collaboration

Transformação Digital Na Indústria De Defesa: Análise Da Adoção Da Inteligência Artificial Na Performance E Resiliência Da Cadeia De Suprimentos

Robotic disassembly of electric vehicle batteries: Technologies and opportunities

Contact Info

Product

Resources

About