XiaoMi-AI文件搜索系统
World File Search Systemchain
了解Covid-19期间零售供应链
发现 - 关于Covid-19的RSC文献出现了四个主题。第一个主题强调了使Covid-19大流行对RSC的影响加剧的因素。第二个主题着重于大流行期间RSC中发生的破坏类型。第三个主题展示了用于减少Covid-19对RSC的影响的恢复策略。第四个主题确定了RSC Covid-19-19爆发的建议缓解策略。
供应链分析：电子表格还是仿真？
在过去的几十年中，在优化内部效率方面已经花费了很多公司努力，旨在降低成本和竞争力。尤其是在过去的十年中，已经达成共识，不仅是公司的共识，而且适合其合适的整个供应链，都可以为任何企业的成功或失败而呼应。因此，供应链分析工具和方法论越来越重要。在所有工具中，播放纸是迄今为止使用最广泛使用的SceNario分析技术。其他技术，例如优化，仿真或两者（模拟优化）是深入分析的替代方法。虽然基于电子表格的分析主要是一种静态确定性方法，但仿真是一种动态 - 策略工具。本文的目的是比较基于电子表格的基于电子表格的工具，显示了使用这两种不同的APARACH对真实（但简化）供应链案例研究的影响的影响。
Adoption of AI, Blockchain and other emerging technologies within the European public sector
Figure 1. Virtual Worlds' continuum Figure 2. Evolution of the PSTW database from previous publication Figure 3. PSTW composition by technology type Figure 4. Distribution of cases according to their starting date Figure 5. Distribution of cases according to administrative level of application Figure 6. Cases across levels of administration, by technology Figure 7. Distribution of cases according to administrative level and e-government interaction Figure 8. Distribution of cases according to level of administration and status of development Figure 9 . Public value assessment of the cases Figure 10. Public value assessment by type of technology Figure 11. Public assessment subcategories for Improved Public Services Figure 12. Public assessment subcategories for Improved administrative efficiency Figure 13. Public assessment value for Open government capabilities Figure 14. Distribution of AI cases by status of development Figure 15. Distribution of cases by type of e-government service and level of administration Figure 16. Distribution of AI cases by process type and level of administration. Figure 17. Distribution of cases across type of services and functions of government Figure 18. Distribution of AI cases according to application type and function of government. Figure 19. Distribution of AI cases according to technology subdomain. Figure 20. Distribution of Generative AI cases by status of development Figure 21. Geographic distribution of the Generative AI cases and their responsible organisations Figure 22. Distribution of Blockchain-based cases by status of development. Figure 23. Distribution of Blockchain-based cases by level of administration. Figure 24. Blockchain-based cases by e-government type of interaction and level of administration. Figure 25. Blockchain-based cases across type of interaction and function of government. Figure 26. Blockchain-based cases by type of application and function of government. Figure 27. Distribution of AI and Blockchain cases by cross border sector feature Figure 28. Distribution of AI and Blockchain cases by cross sector border feature Figure 29. Distribution of cases of other emerging technologies across functions of government. Figure 30. Cases of emerging technologies by type of service and level of administration.
lightchain-白皮书.pdf
Lightchain AI 的架构结合了尖端的区块链和人工智能技术，创建了一个统一的去中心化平台，可满足 AI 工作负载的独特需求。这种设计可确保可扩展性、安全性和隐私性，同时促进去中心化 AI 生态系统中的协作和创新。通过利用人工智能虚拟机 (AIVM)、智能证明 (PoI) 共识机制和去中心化存储等组件，Lightchain AI 支持实时 AI 计算、透明治理和包容性参与。
区块链增强的NSGA-III GKM透明和可信赖的电子商务供应链
本研究的重点是通过集成区块链技术来提高电子商务供应链的透明度和信任。这在区块链中非常重要，因为有必要保护，记录，验证，验证和共享多个各方的数据，以确保透明度和信任。为了实现这一目标，我们介绍了称为基于区块链的NSGA III-GKM的先进组合技术。遗传K-均值聚类（GKM）和非主导的分类遗传算法（NSGA-III）是两种高级算法，结合了以新颖方式使用的高级区块链技术来实现这一目标。区块链系统会产生大量的复杂数据，因此确定有意义的模式和趋势很重要。NSGA III和GKM解决了区块链的这些问题。本研究使用NSGA III来解决多个目标的问题，例如提高信任，透明度和运输成本降低。通过使用NSGA，有效地确定了最佳解决方案，可以平衡这些具有挑战性的目标。同时，GKM通过微调分类为类似群集的数据点来改善分组过程。这有助于确定基于区块链的供应链数据中的特定趋势。通过结合这些方法，我们能够改善电子商务供应链中的趋势和行动机制。这些合并的方法协助公司确定有效的供应链策略，这有助于最大程度地降低风险，并能够调整不断变化的区块链系统。来自电子商务供应链的现实世界数据用于测试该方法的功效。根据调查结果，成功地展示了各种目标之间的平衡，并提供了改善区块链驱动的供应链网络的建议。总体而言，通过将区块链与NSGA III和GKM相结合，它不仅可以确保安全性和信任，而且还利用高级分析来提高透明度和运营效率。因此，它将帮助组织实现弹性有效的供应链管理。
2025年1月 - SEI -PCS巴西大豆v2.6供应链地图
Trase Maps供应链为农产品供应链，使得将产品和供应链参与者与特定生产领域联系起来，这些领域有可能受到热带森林砍伐以及其他环境和社会影响的风险。它使用一种称为“生产到消费系统生产的空间明确信息”（SEI-PCS）（Godar et al 2015）的方法作为这项工作的基础。本文档描述了Trase用来映射巴西大豆供应链的数据和方法，生成了称为“ SEI-PCS巴西大豆v2.6”的数据。大豆供应链图将大豆（如豆类，油和蛋糕产品）的出口分配给生产市，（1）在离开巴西港口和设施（压碎和存储设施）之间的单个货物之间建立连接； （2）将这些设施与产生大豆的城市联系起来。表1概述了2004 - 2022年的巴西大豆行业的关键统计数据。与商品供应链的地图一起，Trase提供了各种可持续性指标，显示了供应链中商品生产的环境，经济，社会和领土影响。Trase的核心指标包括商品生产，森林砍伐，森林砍伐的温室气体排放和交易者零置换承诺，并根据需求和可用性逐案添加其他指标。
供应链和运营管理中的人工智能集成
摘要。人工智能 (AI) 已成为供应链和运营管理的变革力量，显著提高了效率和弹性。本文探讨了机器学习、预测分析和实时数据处理等 AI 技术在需求预测、库存管理、物流和风险缓解方面的集成。通过分析不同的数据源，AI 可以提高需求预测的准确性、降低库存成本、优化物流路线并增强供应链的可视性。案例研究和数据驱动的见解展示了 AI 驱动的系统如何使公司能够适应市场动态、防止中断并实现大幅成本节约。研究结果表明，对于旨在优化供应链运营并构建能够应对未来挑战的强大、有弹性的框架的企业来说，采用 AI 至关重要。
朝着欧洲供应链捕获二氧化碳，利用和储存的矿化：成本最佳设计的见解
二氧化碳（CO 2）通过矿化捕获，利用和储存（CCU）已被证明可减少独立植物中的温室气体（GHG）排放，而且还可以减少大规模气候供应链中的二氧化碳和储存率（GHG）的排放。然而，通过矿化实施大规模供应链为CCUS实施大规模的CCU，需要大量的金融投资，因此对其经济学有深刻的了解。目前的文献估计了独立植物的CO 2矿化经济学。CO 2矿化工厂具有特定的a）CO 2供应，b）固体原料供应，c）能源供应和d）产品市场，但工厂级成本估计并不能说明大型且潜在的共享供应链。在我们的研究中，我们通过在欧洲设计和分析CCU的成本优势供应链来评估矿化的经济学。我们的结果表明，避免了供应链中各个矿化厂的CO 2E减排成本范围为110至312欧元 /吨。通过矿化而提出的CCUS供应链可以避免欧洲的60吨Co 2e /年以2E减排成本可与CO 2捕获和地质存储相当。此外，我们确定了五个可以为CO 2矿化提供强大业务案例的地点。因此，分析显示了如何将CO 2矿化添加到欧洲的温室气体缓解组合中的途径。