机构名称：
¥ 1.0
摘要 - 当代公司在很大程度上依赖其供应链管理的有效性。现代供应链是复杂且不可预测的，传统方法经常发现很难适应这些因素。通过提高供应链效率，通过提高供应商的性能，需求预测，库存优化和简化的物流流程，可以通过使用复杂的数据分析和机器学习方法来实现。为了提高供应链管理效率，本研究提出了一种独特的数据驱动策略，该策略利用深度Q学习（DQL）。目标是创建可以支持知名决策和供应链运营卓越的优化框架和预测模型。深度Q学习技术在这项研究中已彻底整合到供应链管理中，这使其具有创新性。建议的框架提供了一种全面的方法，可以通过整合包括需求预测，库存优化，供应商绩效预测和物流优化在内的尖端方法来解决当代供应链管理的困难。预测建模，绩效评估和数据制备是拟议框架的三个基本要素。清洁和转换原始数据以使更容易分析被称为数据准备。为了为需求预测和物流优化等应用程序创建机器学习框架，预测建模使用DQL。调查结果表明，建议的基于DQL的策略是有益的。该方法在提高供应链效率方面的功效通过绩效评估评估，并在实施时获得了98.9％的精度。需求是使用预测模型准确预测的，这可以改善库存控制并降低库存。基于DQL的优化算法带来的供应链效率包括较低的成本和更好的服务质量。绩效评估措施表明，基线方法高于基线方法，突出了DQL在供应链管理中的重要性。这项研究表明了Q-学习的能力如何完全改变供应链管理程序。在当今的动态环境中，组织可以通过更
增强供应链管理效率：数据 - ...
主要关键词
相关文件推荐
