图形神经网络(GNN)已在不同领域(例如运输,生物形式,语言处理和计算机视觉)中获得了吸引力。但是,关于将GNN应用于供应链网络的研究很明显。供应链网络在结构上本质上是图形的,使其成为应用GNN方法论的主要候选者。这开辟了一个可能性的世界,即使是最能力的供应链问题,也可以进行优化,预测和解决。这种方法的重大挫折在于没有现实世界的基准数据集,可以利用GNN进行研究和解决供应链问题。为了解决这个问题,我们提出了一个实际的基准数据集用于时间任务,该数据集是从孟加拉国领先的一家FMCG公司获得的,重点是用于生产目的的供应链规划。数据集将时间数据作为节点功能,以启用销售预示,生产计划和识别工厂问题。通过利用此数据集,研究人员可以使用GNN来解决众多供应链问题,从而进步供应链分析和计划领域。来源:https://github.com/ciol-sust/supplygraph
主要关键词