Unlocking the potential of digital twins in supply chains: A systematic review
Notice bibliographique
Résumé
Digital Twins (DTs) developments are still in the pilot stages of deployment in supply chain management (SCM), \nand their full integration with real-time synchronization and autonomous decision-making poses many challenges. \nThis paper aims to identify these common challenges and provide a conceptual framework for establishing \na Digital Twin (DT) system to improve supply chain management performance. The paper presents a \nsystematic literature review of 129 research papers on DT applications for SCM improvement. The selected \npapers were reviewed and classified into three categories: manufacturing and production, supply chain, and \nlogistics. The development of digital technologies such as the Internet of Things (IoT), Radio Frequency Identification \n(RFID) devices, cloud computing, cyber-physical systems (CPSs), cybersecurity (CS), and simulation \nmodeling has increased the opportunities to explore the creation of supply chain DTs. However, there are limitations \nand various challenges due to the complexity of most systems. The results indicate that DT for SCM \nshould include external links (i.e. suppliers, distributors) and internal links (i.e. procurement, production, logistics) \nto deal with any disruption through data-driven modeling with real-time synchronization. Based on the \nreview findings, this study proposes a three-layered conceptual framework to improve supply chain management \nperformance. The proposed framework provides future directions for DT research in SCM. It provides a holistic \nand integrated approach to DT implementation, the common DT technologies, and data analytics techniques for \nimproved 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».