アインシュタインの曖昧な方法を用いたビッグデータ技術に基づく食品サプライチェーンにおける循環性の実施

科学分野:

• サプライチェーン管理
• 産業工学
• データサイエンス

背景:

• 供給チェーンの循環は効率を高めますが 採用のリスクもあります
• イランの食品サプライチェーンにおける循環性の障壁に関する研究は限られている.
• ビッグデータ分析とインダストリー4.0技術が提案された解決策です.

研究 の 目的:

• イランの食品産業における循環型サプライチェーンの障壁を特定し,検証する.
• 特定された障壁を克服するためにビッグデータ主導のソリューションを優先します.
• 不確実性の管理のための新しい模糊MCDM方法を適用します.

主な方法:

• 障壁を特定するための文献レビューとコンテンツ有効性比分析.
• 障壁加重のためのフージ SWARA (ステップ・ワイド・ウェイト評価比率分析).
• アインシュタインの曖昧なWASPAS (加重総和製品評価) は,ビッグデータ技術の優先順位付けです.

主要な成果:

• 主な障壁は,組織インフラと追跡システムの欠如です.
• ソーシャルネットワーク分析 (SNA) と最適化モデルは最も効果的なビッグデータソリューションです.
• CSCMでアインシュタインの曖昧なWASPASを適用した最初の研究です.

結論:

• ビッグデータ技術,特にSNAと最適化は,循環的なサプライチェーンの障壁を軽減することができます.
• 食品産業の経営者が 循環性のためのスマートテクノロジーを採用する方法を導き出します
• この研究は,CSCMの不確実性を管理するための枠組みを提供します.