PYXIDA Institutional Repository
and Digital Library
 Home
Collections :

Title :Εφαρμογές artificial intelligence και machine learning στη διαχείριση της εφοδιαστικής αλυσίδας
Alternative Title :Applications of artificial intelligence and machine learning in supply chain management
Creator :Παπαϊωάννου, Αχιλλεύς
Contributor :Γκαγιαλής, Σωτήριος (Επιβλέπων καθηγητής)
Παναγιώτου, Νικόλαος (Εξεταστής)
Παπαδόπουλος, Γεώργιος (Εξεταστής)
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων (Degree granting institution)
Type :Text
Extent :160σ.
Language :el
Identifier :http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=11140
Abstract :Σκοπός της παρούσας εργασίας είναι να προσδιορίσει τη συμβολή και τις εφαρμογές των τεχνικών της Τεχνητής Νοημοσύνης (AI) και των αλγορίθμων της Μηχανικής Μάθησης (ML) στη Διαχείριση Εφοδιαστικής Αλυσίδας (SCM), μέσω μιας συστηματικής ανασκόπησης της υπάρχουσας βιβλιογραφίας. Για την αντιμετώπιση του τρέχοντος επιστημονικού κενού της τεχνητής νοημοσύνης στο SCM, αυτή η μελέτη είχε στόχο να προσδιορίσει τις τρέχουσες και πιθανές τεχνικές τεχνητής νοημοσύνης και αλγόριθμους της ML που μπορούν να βελτιώσουν τόσο τη μελέτη όσο και να έχουν πρακτικές εφαρμογές στο SCM. Εντοπίστηκαν επίσης κενά στη βιβλιογραφία που πρέπει να αντιμετωπιστούν μέσω της επιστημονικής έρευνας. Πιο συγκεκριμένα, καλύφθηκαν οι ακόλουθες τέσσερις πτυχές: (1) οι πιο διαδεδομένες τεχνικές τεχνητής νοημοσύνης στο SCM, (2) οι πιθανές τεχνικές τεχνητής νοημοσύνης για απασχόληση στο SCM, (3) τα τρέχοντα υποπεδία SCM που έχουν βελτιωθεί με τεχνητή νοημοσύνη και (4) τα υποπεδία που είναι πολύ πιθανό να βελτιωθούν με AI και ML. Για την αναζήτηση, τον προσδιορισμό και την εξέταση των δημοσιεύσεων και των άρθρων αυτής της βιβλιογραφικής ανασκόπησης χρησιμοποιήθηκαν συγκεκριμένες λέξεις-κλειδιά.
The purpose of this paper is to identify the contributions and applications of the technics of Artificial intelligence (AI) and of the algorithms of Machine Learning (ML) to Supply Chain Management (SCM) through a systematic review of the existing literature. To address the current scientific gap of AI in SCM, this study aimed to determine the current and potential AI techniques and algorithms of ML that can enhance both the study and also have practical applications to the SCM. Gaps in the literature that need to be addressed through scientific research were also identified. More specifically, the following four aspects were covered: (1) the most prevalent AI techniques in SCM; (2) the potential AI techniques for employment in SCM; (3) the current AI-improved subfields of SCM and (4) the subfields that have highly possible to be enhanced by AI and ML. For the identification and examination of the papers of this literature review papers specific set of keywords were used.
Subject :Τεχνητή νοημοσύνη
Μηχανική μάθηση
Εφαρμογές
Διαχείριση εφοδιαστικής αλυσίδας
Ανασκόπηση
Artificial Intelligence (AI)
Machine learning (ML)
Applications
Supply chain management
Review
Date Available :2024-03-20 23:48:04
Date Issued :15-03-2024
Date Submitted :2024-03-20 23:48:04
Access Rights :Free access
Licence :

File: Papaioannou_2024.pdf

Type: application/pdf