A Methodology on Sustainable Smart Supply Chain Management to Reduce Unreliability by Integrating Radio Frequency Identification and Machine Learning

Abstract

공급망 관리 (SCM) 에서 각 제조업체는 고객의 수요를 관찰하여 생산량을 결정합니다. 수요를 예측할 수 없을 때, 주주는 과잉 주식이나 과소 주식의 경험을 할 수 있다. 이 시나리오에서는 공급망 플레이어가 중요한 역할을 합니다. 선수들이 신뢰할 수 없다면 수요 불확실성이 발생할 수 있다. 그 제조업자는 수요에 대응하여 상품을 생산한다. 그 제품들은 판매를 위해 소매점에 배달된다. 제품을 판매한 후, 소매점은 전체 재고량을 추적하여 제조 업체에 돈을 돌려준다. 그러나 때로는 소매점을 신뢰할 수 없어 제조업체에 정확한 정보를 제공하지 못하는 경우도 있습니다. 이 경우 공급망 사업자 간 신뢰도를 낮추기 위한 위탁 정책이 적용된다. 이 정책에서 재무 측면은 제조업체에서 관리하고 운영 측면은 소매업체가 관리합니다. 전체 재고는 제조업체에 의해서만 관리됩니다. 소매업자는 상품을 판매하고 그 돈을 제조업자에게 보냅니다. 제조업체는 판매된 각 제품에 대해 일정량의 인센티브를 소매업체에 제공합니다. 미분양 상품은 두 선수의 계약적 양해를 바탕으로 정당한 소유자에게 돌려준다. 제조사가 리더 역할을 하고 유통업체가 팔로워 역할을 하는 게임 정책인 스테이켈버그 게임 접근법이 적용된다.

제품의 일관성을 극대화하려면 생산 과정이 완벽해야 합니다. 이 공급망 모델에서 서비스 지향 정책을 고려함으로써 제품 일관성이 향상됩니다. 고객에게 더 나은 서비스를 제공하면 항상 수요가 증가합니다. 전통적인 창고에서 제품을 추적하고 추적하는 동안, 몇 가지 단점이 존재하여 정보의 비대칭성과 과도한 시간 사용을 초래한다. RFID (Radio Frequency Identification) 는 재고에서 각 제품의 단계를 추적하는 혁신적인 스마트 기술로 통합됩니다. 실시간 재고 모니터링, 추적, 검사는 인적 개입과 인건비를 최소화한 완전 자동화 프로세스로 진행된다. RFID 태그는 재사용할 수 있으며, 원하는 경우 특정 데이터를 저장할 수 있으며, 이는 또 다른 수익성 있는 기법이다. RFID 태그는 추적을 위해 제품에 부착된다. 창고에 장착된 스캐너를 사용하여 전체 인벤토리를 모니터링합니다. 각 제품의 실시간 정보가 서버로 전송됩니다. 관리는 컴퓨터 또는 스마트폰을 통해 서버의 인벤토리 정보에 액세스할 수 있습니다. 고급 스마트 기술 RFID를 구현하면 이 공급망을 스마트 공급망 관리에 사용할 수 있습니다.

천연 자본, 배출물, 그리고 폐기물 생산물은 지속가능성에 영향을 미치는 환경적 요인들 중 일부입니다. 지구 온난화에 기여하는 대기 중의 가장 큰 탄소 공급원은 공급망이다. 이에 따라 지구 온난화를 늦추기 위한 노력이 공급망 시장에 집중되고 있어 이해관계자들에게 직접적인 영향을 미치고 있다. 기온 상승에 대처하는 것은 중요한 문제이며, 기업은 환경적인 측면을 만들 때 조심해야 한다. 변화는 탄소배출량을 줄이는 활동을 포함하며 온실가스를 감소시킨다. 이에 따라 업계는 지구온난화로 이어지는 요인을 줄이기 위해 원자재 흐름과 제품 개발을 모두 제어하는 지속 가능한 공급망 모델을 개발해야 한다. 본 연구에서는 모델을 지속 가능하게 만들기 위해 공급망 관리 전반에 걸쳐 배출물 거래에 대한 환경적 영향이 발생합니다. 동일한 공급망 내에 스마트 기술 RFID와 환경 영향을 통합한 이 연구는 지속 가능한 스마트 공급망 관리 (SSSCM) 로 이어진다.

수요 예측은 이 SSSCM에서 중요한 역할을 한다. 수요 불확실성은 소매점을 신뢰할 수 없을 때 발생한다. 때때로 소매업체는 제조업체에 정확한 수요 정보를 제공하지 못합니다. 그 결과 제조업체는 정확한 소비자 수요를 예측할 수 없게 되었다. 이 시나리오에서는 보유원가나 부족원가가 상승하는 반면 SSSCM의 총이익은 감소한다. 업계의 이전 수요 데이터를 기반으로 미래 수요를 예측하는 기계 학습 기술 LSTM (Long Short-Term Memory) 이 적용된다. 주어진 시계열에서 다른 LSTM 초 매개 변수 조합의 사용은 동적 수요 데이터를 예측할 수 있는 다층 LSTM 네트워크를 제안하는 데 사용된다. 예상 수요를 사용하면 기존 모델에 비해 높은 수익을 얻을 수 있습니다. 예측된 수요의 결과로 우수한 시장 결과를 창출하는 데 중요한 경쟁 우위가 제공됩니다. 정보 비대칭이 이런 형태의 SSSCM을 신뢰할 수 없게 만드는 만큼 이번 연구는 공급망 사업자 간 신뢰도를 최소화해 지속 가능한 스마트 공급망 전체의 총 이익을 극대화한다.

수학 모델은 고전적인 최적화 기술을 사용하여 해결된다. 덧붙여, 이 모델들은 주문 수량을 극대화함으로써 기대 총 이익을 최적화하는 것을 목표로 한다. 수치 결과는 제안된 모델이 기존 모델보다 훨씬 높은 수익을 제공한다는 것을 증명한다. |In supply chain management (SCM), each manufacturer observes customer demand to determine production quantity. When demand is unpredictable, the stockholder may experience overstock or understock. In this scenario, supply chain players play a critical role. Demand uncertainty may arise if the players are unreliable. The manufacturer produces goods in response to the demand. The products are delivered to the retailer for sale. After selling the products, the retailer keeps track of the overall inventory and returns money to the manufacturer. However, sometimes, the retailer is unreliable and does not provide accurate information to the manufacturer. A consignment policy is applied in this case to reduce the unreliability between supply chain players. In this policy, financial aspects are managed by the manufacturer while operational aspects are managed by the retailer. The overall inventory is controlled by the manufacturer only. The retailer just sells the products and sends the money to the manufacturer. The manufacturer provides a certain amount of incentive to the retailer for each product sold. Unsold products are returned to the rightful owner based on a contractual understanding between the two players. A game policy, the Stackelberg game approach, is applied in which the manufacturer acts as a leader and the retailer acts as a follower.

In order to maximize product consistency, the production process must be perfect. The product consistency is increased by considering service oriented policies in this SCM. Better service to the customer always increases the demand. During tracking and tracing products in a traditional warehouse, some shortcomings exist, resulting in information asymmetry and excessive time usage. Radio Frequency Identification (RFID) is integrated as an innovative smart technology to track the step of each product in the inventory. Real-time inventory monitoring, tracing, and inspection are carried out in a fully automated process with minimal human intervention and labor expense. RFID tags can be reused, and certain data can be saved if desired, which is another profitable technique. RFID tags are attached to products for tracing. Overall inventory is monitored using scanners mounted in the warehouse. Each product's real-time information is sent to a server. Administration can access inventory information from the server through a computer or smartphone. Implementing advanced smart technology RFID takes this supply chain to a smart supply chain management.

Natural capital, emissions, and waste products are some of the environmental factors that affect sustainability. The largest source of carbon in the atmosphere that contributes to global warming is supply chains. As a result, efforts to slow global warming are focusing on the supply chain market, which directly impacts stakeholders. Coping with rising temperatures is a significant problem, and businesses should exercise caution when making environmental aspects. Changes incorporate activities that reduce carbon emissions result in a reduction in greenhouse gases. As a result, industries must develop sustainable supply chain models that control both the flow of raw materials and the development of products in order to reduce factors that lead to global warming. In this research, an environmental impact is incurred for emission trading throughout the supply chain management to make the model sustainable. Incorporating smart technology RFID and environmental impact within the same supply chain, this research leads to a sustainable smart supply chain management (SSSCM).

Demand forecasting plays a crucial role in this SSSCM. Demand uncertainty arises when the retailer is unreliable. Sometimes, the retailer fails to give correct demand information to the manufacturer. As a result, the manufacturer is unable to forecast the exact consumer demand. The holding cost or shortage cost rises in this scenario, while the total profit of the SSSCM decreases. A machine learning technique Long Short-Term Memory (LSTM) is applied to predict the future demand based on previous demand data from the industry. The use of different combinations of LSTM hyperparameters for a given time series is used to suggest a multi-layer LSTM network that can forecast dynamic demand data. Using the expected demand leads to higher profit over the traditional model. A critical competitive advantage is provided for creating superior market results as a result of the forecasted demand. As information asymmetry makes this type of SSSCM unreliable, this research maximizes the entire sustainable smart supply chain’s total profit by minimizing the unreliability between supply chain players.

Mathematical models are solved using a classical optimization technique. By coordination, these models aim to optimize expected total profit by maximizing order quantity. The numerical findings prove that the proposed models give much higher profit than the traditional model.