ترجمه فارسی مقاله انتساب ریشه‌ای ریسک‌های تحویل از طریق کشف علت با یادگیری تقویتی

چکیده

This paper presents a novel approach to root cause attribution of delivery risks within supply chains by integrating causal discovery with reinforcement learning. As supply chains become increasingly complex, traditional methods of root cause analysis struggle to capture the intricate interrelationships between various factors, often leading to spurious correlations and suboptimal decision-making. Our approach addresses these challenges by leveraging causal discovery to identify the true causal relationships between operational variables, and reinforcement learning to iteratively refine the causal graph. This method enables the accurate identification of key drivers of late deliveries, such as shipping mode and delivery status, and provides actionable insights for optimizing supply chain performance. We apply our approach to a real-world supply chain dataset, demonstrating its effectiveness in uncovering the underlying causes of delivery delays and offering strategies for mitigating these risks. The findings have significant implications for improving operational efficiency, customer satisfaction, and overall profitability within supply chains.

چکیده به فارسی (ترجمه ماشینی)

این مقاله با ادغام کشف علیت با یادگیری تقویت ، یک رویکرد جدید به دلیل ریشه در مورد خطرات تحویل در زنجیره های تأمین ارائه می دهد.از آنجا که زنجیره های تأمین به طور فزاینده ای پیچیده می شوند ، روشهای سنتی تجزیه و تحلیل علت ریشه برای گرفتن ارتباطات پیچیده بین عوامل مختلف تلاش می کنند ، که اغلب منجر به همبستگی های فریبنده و تصمیم گیری زیر قطبی می شود.رویکرد ما با استفاده از کشف علیت ، این چالش ها را برای شناسایی روابط علّی واقعی بین متغیرهای عملیاتی و یادگیری تقویت برای اصلاح مکرر نمودار علیت ، به این چالش ها می پردازد.این روش شناسایی دقیق درایورهای اصلی تحویل های دیررس مانند حالت حمل و نقل و وضعیت تحویل را امکان پذیر می کند و بینش های عملی را برای بهینه سازی عملکرد زنجیره تأمین فراهم می کند.ما رویکرد خود را به یک مجموعه داده زنجیره تأمین در دنیای واقعی اعمال می کنیم و اثربخشی آن را در کشف علل اساسی تأخیر در تحویل و ارائه راهکارهایی برای کاهش این خطرات نشان می دهیم.این یافته ها پیامدهای قابل توجهی در بهبود بهره وری عملیاتی ، رضایت مشتری و سودآوری کلی در زنجیره های عرضه دارند.