Unlocking the potential of digital twins in supply chains: A systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Digital Twins (DTs) developments are still in the pilot stages of deployment in supply chain management (SCM), and their full integration with real-time synchronization and autonomous decision-making poses many challenges. This paper aims to identify these common challenges and provide a conceptual framework for establishing a Digital Twin (DT) system to improve supply chain management performance. The paper presents a systematic literature review of 129 research papers on DT applications for SCM improvement. The selected papers were reviewed and classified into three categories: manufacturing and production, supply chain, and logistics. The development of digital technologies such as the Internet of Things (IoT), Radio Frequency Identification (RFID) devices, cloud computing, cyber-physical systems (CPSs), cybersecurity (CS), and simulation modeling has increased the opportunities to explore the creation of supply chain DTs. However, there are limitations and various challenges due to the complexity of most systems. The results indicate that DT for SCM should include external links (i.e. suppliers, distributors) and internal links (i.e. procurement, production, logistics) to deal with any disruption through data-driven modeling with real-time synchronization. Based on the review findings, this study proposes a three-layered conceptual framework to improve supply chain management performance. The proposed framework provides future directions for DT research in SCM. It provides a holistic and integrated approach to DT implementation, the common DT technologies, and data analytics techniques for improved supply chain performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle