摘要:供应链(SC)功效和效率可能会受到订单延误的延误,尤其是在当今快节奏的商业环境中。有效的降低风险需要确定容易延迟的供应商以及对未来中断的准确预测。准确预测可用性日期是成功执行物流操作的关键因素。通过利用机器学习(ML)技术,组织可以主动识别高风险供应商,预测延误并实施积极的措施,以最大程度地减少其对制造过程和整体SC绩效的影响。本研究探索并利用各种回归和分类ML算法来预测未来的延迟交付,确定订单交付的状态,并根据其交付性能对供应商进行分类。The employed models include K-Nearest Neighbors (KNN) Random Forest (RF) Classifier and Regression, Gradient Boosting (GB) Regres- sion and Classifier, Linear Regression (LR), Decision Trees(DT) Classifier and Regression, Logistic Regression and Support Vector Machine (SVM) Based on real data, our experiments and evaluation metrics including Mean Ab- solute Error (MAE), Mean Squared Error (MSE)和根平方误差(RMSE)表明,基于隔离的回归算法(RF回归和GB回归)提供了最佳的概括误差,并且优于测试的所有其他回归模型。同样,逻辑回归和GB分类器根据精度,回忆和F1分数指标优于其他分类算法。从这项研究中获得的知识可以帮助积极地识别高危供应商,并在面对意外的破坏时采用主动行动来提高韧性,此外SC效率和降低制造障碍。关键词:SC风险管理,订单延迟,机器学习,SC中断,供应商绩效介绍今天的SC在非常有竞争力和染色的环境下起作用。公司一直在寻找改善其流程并提高客户满意度的方法,因为它们一直在改变[1]。延迟需求是SCS遇到的问题,当时计划期间未提供商品。许多方面,例如客户的优先偏好,生产延迟或运输和收到的问题的意外变化,可能会导致延迟。与订单相关产品的准时交付是公司的关键成功因素。确保高水平的交付可靠性仍然是制造商的重中之重,并且与成本和质量一起,是成功实现全球竞争的最重要先决条件之一[2]。SC的复杂性上升意味着影响组织的不一致并不总是相同的,并且可能会随着时间的流逝而发展。此外,每个组织都应主动而不是反应地识别
在金融服务行业,不仅面临着日益激烈的竞争威胁,而且面临着不断演变的法规,这些法规对投诉管理实践进行了严格审查,客户投诉已成为当务之急。例如,在美国,消费者金融保护局 (CFPB) 建立了一个集中式网络门户,消费者可以访问投诉数据,或直接向该局投诉任何与信用卡、贷款等相关的问题。投诉随后被转发给组织以进行回复,通常需要在 15 天内完成。CFPB 还要求组织跟踪、报告投诉并显示解决方案。任何未能准确记录和处理消费者投诉的组织都可能被处以罚款。
与人类同行无缝合作以提高任务效率。在这种情况下,机器人必须具有向人类同事解释其行为的能力,无论是响应系统失败还是意外的环境观察。可解释的AI社区已经迈向了可解释的系统[2、5、10、15、16、32]。可解释的系统可以使用多种方式,包括视觉(例如图形,图像和图)[5,26,43],运动[26,27]和自然语言(例如规则和数字响应)[5,26,43]。在这项工作中,我们研究了基于语言的解释,目的是确定改善它们的方法。随着该领域的发展和发展,重要的是要考虑系统应如何向人们提供信息,例如失败原因。例如,解释其失败的系统改善了信任[17、18、27、44、45],透明度[44],可理解性[11,40,41,44]和团队绩效[44]。的解释必须适应接受者的角色和经验[38],并为非专家提供足够的(但不是压倒性的)细节来理解和对[25]采取行动,以促进迅速的帮助,以解决机器人可能无法自动纠正的异常,以使其无法自动纠正,以改善人类机动体的协作。各种研究[11,40,41]探索了人类机器人相互作用中不同的解释结构。例如,将动作与原因相结合的因果解释增强了可理解性和可取性[40]。在解释中包括失败的原因可以提高可理解性和帮助性[41]。上下文的解释,包括行动历史,使非专家能够检测和解决机器人遇到的错误[11]。这些研究[11,40,41]的重点是反应性系统[11 - 13,22,24,30,44]产生的解释,这些解释在发生故障后响应并检测出故障。尽管对于不可预见的失败至关重要,但可以预测,预防或至少将许多故障视为可能。相比之下,与反应性系统相比,主动系统检测,处理和解释错误,可能会提高机器人的安全性和效率。一些主动系统在机器人能力之外识别任务[4,36]或解释机器人行为[50],但我们的重点是能够在任务执行过程中识别失败的主动系统(例如[3,14])。主动系统确定会发生故障时,它可以使用确定解释中预期失败的信息。大多数用户研究都集中在用于机器人故障解释的反应性系统上[11,40,41],但主动系统中错误检测的时机以及可用的信息深度可能会导致更好的人类机器人相互作用。
作者:A Rodriguez · 2020 · 被引用 14 次 — 考虑到这一点,我们提出了一个端到端的实时网络态势感知系统,旨在从社交中检索与安全相关的信息...
在以前所未有的数字复杂性为标志的时代中,赛景观景观正在以惊人的速度发展,挑战了传统的防御范式。高级持续威胁(APTS)揭示了常规安全措施中的内在漏洞,并强调了迫切需要对连续,适应性和积极主动的策略,这些策略将人类的洞察力与尖端的AI技术无缝整合在一起。本手稿探讨了代理AI和Frontier AI的融合如何通过重新建立网络框架(例如网络杀戮链),增强威胁性智能过程以及将强大的道德治理嵌入在AU的响应系统中。借鉴了现实世界的数据和前瞻性观点,我们研究了实时监控,自动化事件响应以及永久学习在锻造稳定,动态的防御生态系统中的作用。我们的愿景是将技术创新与坚定不移的道德监督协调,以确保促进AI-Drienden的安全解决方案坚持公平,透明和问责制的核心人类价值,同时反对新兴的网络威胁。
更多帮助•与前两个步骤中确定的关注点保持联系••给孩子一个好主意,这是一个好主意,第一个机会提出解决方案的机会,生成解决方案是团队的努力•是一个好主意•是一个好主意,是一个好主意,考虑到实际上有效的问题……如果您认为这种情况是不到60-70%的,请始终如一地说明,请始终如一地说明•如果要遵守该步骤,则该计划的范围是这样•如果要遵守该步骤,则该步骤却是一个稳定的步骤•如果您可以遵守该步骤,则该措施是按照范围的,如果您可以遵守该步骤,则该步骤始终如一。时间测试
Acquaah, M. (2007)。新兴经济体中的管理社会资本、战略导向和组织绩效。战略管理杂志,28 (12),1235 – 1255。https://doi.org/10.1002/smj.632 Adomako, S.、Amankwah-Amoah, J.、Danso, A.、Konadu, R. 和 Owusu-Agyei, S. (2019)。家族和非家族企业的环境可持续性导向和绩效。商业战略与环境,28 (6),1250 – 1259。https://doi.org/10.1002/bse.2314 Amankwah-Amoah, J.、Danso, A. 和 Adomako, S. (2019)。创业导向、环境可持续性和新企业绩效:利益相关者整合重要吗?商业战略与环境,28 (1),79 – 87。https://doi.org/10.1002/bse.2191 Ates¸, MA, Bloemhof, J., Van Raaij, EM, & Wynstra, F. (2012)。供应链环境下的主动环境战略:投资的中介作用。国际生产研究杂志,50 (4),1079 – 1095。https://doi.org/10.1080/00207543.2011.555426 Arago'n-Correa, JA (1998)。战略主动性和对自然环境的坚定态度。 Academy of Management Journal,41 (5),556 – 567。Aragón-Correa, JA、Hurtado-Torres, N.、Sharma, S. 和 García-Morales, VJ (2008)。小企业的环境战略与绩效:基于资源的视角。Journal of Environmental Management,86 (1),88 – 103。https://doi.org/10.1016/j.jenvman.2006.11.022 Armstrong, JS 和 Overton, TS (1977)。估计邮件调查中的无回应偏差。Journal of Marketing Research,XIV,396 – 402。Aulakh, P.、Kotabe, M. 和 Teegin, H. (2000)。新兴经济体企业的出口战略与绩效:来自巴西、智利和墨西哥的证据。 Academy of Management Journal,43,342-361。 Banerjee, SB (2001)。管理层对企业环保主义的看法:来自行业的解释及其对组织的战略意义。管理研究杂志,38 (4),489-513。https://doi.org/10.1111/1467-6486.00246 Bansal, P.,& Song, HC (2017)。相似但不相同:区分企业可持续性与企业责任。Academy of Management Annals,11 (1),105-149。https://doi.org/10.5465/annals. 2015.0095 Barney, J. (1991)。公司资源和持续竞争优势。管理学杂志,17 (1),99-120。Chan, RYK (2010)。外国公司在华竞争的企业环保主义追求。世界商业杂志,45 (1),80 – 92。https://doi.org/10.1016/j.jwb.2009.04.010 Chan, RY (2005)。基于自然资源的企业观是否适用于新兴经济体?对在华外商投资企业的调查。管理研究杂志,42 (3),625 – 672。https://doi.org/10.1111/j.1467-6486.2005.00511.x
产碳青霉烯酶菌 (CPO) 产碳青霉烯酶菌是高度抗生素耐药性的细菌,可导致难以治疗的感染,在某些情况下,感染对所有可用抗生素都有耐药性。这些细菌会产生一种称为碳青霉烯酶的酶,这种酶可分解卡巴培南类抗生素(一些最有效的抗生素)以及其他抗生素药物。编码碳青霉烯酶产生的基因很容易在细菌之间转移,导致抗生素耐药性感染迅速增加。由于定植患者和感染患者都可以在医疗环境中传播这些生物,因此及时实施接触预防措施和其他感染控制措施对于防止患者之间传播 CPO 至关重要。
多哈:卡塔尔民族愿景旨在通过平衡实现经济增长与人类和自然资源的成就来推动该国前进。该愿景构成了一个灯塔,该灯塔在未来几十年中指导该国的经济,社会,人类和环境发展。CASI可持续性论坛,题为“改善能源和行业的景观:融资MENA地区加速的低GHG过渡”是由可持续投资的能力建设联盟(CASI)共同主持的,财政和可持续协会,财政和可持续发展研究所,工业和QATAR金融中心(Q.Atar and Q.FC),直到QFC> QFC> QFC,直到QFC> QFC> QFC> QFC>该事件强调了“可持续金融中的创新”和“有效的行业过渡”,针对政策制定者,金融机构和行业领导者。旨在增强可持续的财务能力,并支持该地区的发展目标。目的是增强可持续金融和工业转移的能力,从而支持该地区的可持续发展目标。发表主题演讲,Sheikh Ahmed Bin Khalid Al Thani,助理Governor,卡塔尔中央银行(QCB)
1 Tummalachervu@gmail.com 摘要:在当今数字技术时代,云计算已成为全球企业和组织的重要组成部分。云具有多种优势,包括可扩展性、灵活性和成本效益,使其成为数据存储和处理的诱人选择。云环境中敏感信息的存储量不断增加,引起了人们对此类系统安全性的极大担忧。专门针对云基础设施的网络威胁和攻击的频率不断增加,对企业的数据、声誉和财务稳定性构成了巨大威胁。面对日益复杂和动态的威胁,传统的安全方法可能会变得不足。人工智能 (AI) 技术能够通过快速识别和阻止攻击、适应新出现的风险以及为主动安全行动提供智能视角,显著改变云安全。本研究的目的是调查人工智能技术在增强云计算系统内的安全措施方面的应用。本文旨在通过分析云安全的现状、人工智能的功能以及将人工智能纳入云安全策略可能带来的优势和障碍,为寻求保护其基于云的资产的企业提供重要的见解和建议。