Анализ больших данных и искусственный интеллект для оптимизации устойчивого развития цепочек поставок и сокращения выбросов парниковых газов в логистике и транспортной отрасли
Big Data Analytics and AI for Optimizing Supply Chain Sustainability and Reducing Greenhouse Gas Emissions in Logistics and Transportation
2024-01-01
SCID: 54.1/avj3ybye
Discuss with AI
Искусственный интеллектАналитика больших данныхВыбросы парниковых газовЛогистика и транспортУстойчивость цепей поставок
Figures from the paper
Abstract (AI)
Анализ больших данных (BDA) и искусственный интеллект (AI) трансформируют устойчивое развитие цепочек поставок, повышая эффективность и минимизируя воздействие на окружающую среду. Интеграция этих технологий в логистику и транспортную отрасль обеспечивает мониторинг в реальном времени, прогнозное моделирование и оптимизацию принятия решений, тем самым сокращая выбросы парниковых газов (GHG). Анализ больших данных формирует основанные на данных выводы путем объединения информации из различных источников, таких как датчики Интернета вещей (IoT), GPS-мониторинг и системы планирования ресурсов предприятия (ERP). Эти выводы поддерживают оптимизацию маршрутов, прогнозирование спроса и динамическое управление запасами, минимизируя расход топлива и образование отходов. Решения на основе искусственного интеллекта, включая алгоритмы машинного обучения и модели обучения с подкреплением, совершенствуют управление автопарком и прогнозное техническое обслуживание, снижая энергопотребление и выбросы. Кроме того, автоматизация на основе искусственного интеллекта повышает эффективность складских операций благодаря интеллектуальной робототехнике и рациональному распределению ресурсов, что способствует сокращению углеродного следа. Передовые применения искусственного интеллекта, такие как цифровые двойники и прозрачность на основе блокчейна, дополнительно повышают устойчивость, обеспечивая сквозную видимость и подотчетность в цепочках поставок. Кроме того, анализ больших данных и искусственный интеллект содействуют соблюдению экологических норм и достижению корпоративных целей в области устойчивого развития, предоставляя точные оценки углеродного следа и сценарный анализ стратегий сокращения выбросов. Несмотря на сохраняющиеся проблемы, включая конфиденциальность данных, затраты на инфраструктуру и сложность интеграции, развитие облачных вычислений и аналитики на основе искусственного интеллекта продолжает снижать значимость этих барьеров. В исследовании рассматривается роль анализа больших данных и искусственного интеллекта в оптимизации устойчивого развития цепочек поставок и сокращении выбросов парниковых газов в логистике и транспортной отрасли. Анализируются тематические исследования и современные тенденции, подчеркивающие потенциал этих технологий для обеспечения устойчивого развития глобальных цепочек поставок. Используя искусственный интеллект и большие данные, предприятия могут повысить операционную эффективность, одновременно внося вклад в глобальный clim...
Key Findings
1
Автоматизация складов на основе ИИ, включая интеллектуальную робототехнику и эффективное распределение ресурсов, способна сокращать углеродный след при повышении эффективности.
2
Методы ИИ, включая машинное обучение и обучение с подкреплением, совершенствуют управление автопарком и прогнозное обслуживание, уменьшая энергопотребление и выбросы парниковых газов.
3
BDA и ИИ поддерживают оценку углеродного следа, анализ сценариев и соблюдение экологических требований, однако сохраняются барьеры конфиденциальности, стоимости инфраструктуры и интеграции.
4
Аналитика больших данных объединяет данные IoT, GPS и ERP для оптимизации маршрутов, прогнозирования спроса и динамического управления запасами, снижая расход топлива и потери.
5
Цифровые двойники и прозрачность на основе блокчейна обеспечивают сквозную видимость и подотчётность цепочек поставок, укрепляя управление устойчивым развитием.
Research Object
Цепи поставок в логистике и транспортировке
Research Subject
Оптимизация устойчивого развития и сокращение выбросов парниковых газов посредством повышения операционной эффективности на основе данных и ИИ
Publication Details
Publication Date
2024-01-01
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest