服务业和制造业供应链管理的大数据应用 ——挑战，机遇和未来的展望外文翻译资料

 2022-07-29 15:22:21

Big Data for supply chain management in the service and manufacturing sectors: Challenges, opportunities, and future perspectives

Show more

http://dx.doi.org/10.1016/j.cie.2016.07.013

Get rights and content

Highlights

bull;

A state-of-the-art research on Big Data in SCM is reviewed.

bull;

A discussion from analyzing current movements on the Big Data for SCM in service and manufacturing world-wide is presented.

bull;

Current challenges, opportunities, and future perspectives Big Data are highlighted.

Abstract

Data from service and manufacturing sectors is increasing sharply and lifts up a growing enthusiasm for the notion of Big Data. This paper investigates representative Big Data applications from typical services like finance amp; economics, healthcare, Supply Chain Management (SCM), and manufacturing sector. Current technologies from key aspects of storage technology, data processing technology, data visualization technique, Big Data analytics, as well as models and algorithms are reviewed. This paper then provides a discussion from analyzing current movements on the Big Data for SCM in service and manufacturing world-wide including North America, Europe, and Asia Pacific region. Current challenges, opportunities, and future perspectives such as data collection methods, data transmission, data storage, processing technologies for Big Data, Big Data-enabled decision-making models, as well as Big Data interpretation and application are highlighted. Observations and insights from this paper could be referred by academia and practitioners when implementing Big Data analytics in the service and manufacturing sectors.

Keywords

  • Big Data;
  • Service applications;
  • Manufacturing sector;
  • Supply Chain Management (SCM)

1. Introduction

Service sector refers to an involvement of service provision to businesses and final consumers such as finance, healthcare, tradesmanship, tourism, computer services, and restaurants (Reijers, 2003). Manufacturing sector is the production of merchandise using raw materials, labors, machines, tools, and so on, referring a range of human activities (Ferdows amp; De Meyer, 1990). Service and manufacturing sectors play important roles in the economy where service consists of the “soft” part i.e. activities where people offer the knowledge and time to improve performance, sustainability, productivity, and potentiality; while, manufacturing includes the “hard” part i.e. activities where people use the machines and tools to transform raw materials to finished goods, move goods from manufacturers to retailers by vehicles, and carry out disposal of recycling of used goods (Brouthers and Brouthers, 2003).

Nowadays, the service and manufacturing sectors are facing a data tsunami. It was reported from International Data Corporation that over 1600 Exabytes data were created in 2015 from both sectors. Data volume continues to grow tremendously in part because service and manufacturing sectors have much more workforce are progressively being gathered by advanced information technologies such as ubiquitous-sensing mobile devices, aerial sensory techniques, cameras, microphones, Internet of Things (IoT) technologies (e.g. RFID, Barcode), and wireless sensor networks (Alfalla-Luque et al., 2014, Dimakopoulou et al., 2014 and Zhong, Huang et al., 2013). Such datasets are so immense and complex that it is challengeable to handle using on-hand database management tools or traditional processing applications.

“Big Data”, originally referred to the huge flood of data in the range of exabytes and beyond, has extended the scope of technological capability to store, manage, process, interpret, and visualize the amount of data (Kaisler, Armour, Espinosa, amp; Money, 2013). The concept of Big Data is first exposed in an article from the ACM digital library in October 1997

全文共16530字，剩余内容已隐藏，支付完成后下载完整资料

服务业和制造业供应链管理的大数据应用

——挑战，机遇和未来的展望

作者：Richard Addo-Tenkorang Petri T. Helo

重点：

·在过去二十年工业数据增值中采用最优值

·提出基于当前大数据在全球制造业和服务业的供应链中的应用运行状况的讨论

·最重要的是关于大数据当前的挑战,机遇,和未来的展望

摘要：

服务和制造业数据使用量的急剧增加,引起越来越多的大数据的概念讨论的热潮。这片文章探讨大数据在各种典型的服务,比如金融和经济,医疗、供应链管理(SCM)和制造业方面的应用，对当前存储技术的关键方面,数据处理技术、数据可视化技术,大数据分析、模型和算法进行了综述。本文又从分析SCM的大数据在服务和制造业在全球,包括北美、欧洲和亚太地区的当前应用方面提出讨论。突出展示大数据当前的挑战,机遇,和未来的展望例如数据收集方法、数据传输、数据存储、大数据处理技术,基于大数据的决策模型,以及大数据解释和应用程序。本文的观察和见解可以成为学术界和实践者在实现大数据在服务和制造业方面应用时的借鉴。

关键词：

·大数据

·服务应用程序

·制造业

·供应链管理(SCM)

简介

服务业是指参与服务提供企业和最终消费者,如金融、医疗、tradesmanship、旅游、计算机服务、餐厅(Reijers,2003)。制造业使用原材料,劳动力,机器,工具,等等,一系列的人类活动(Ferdows amp;德bull;梅耶尔,1990)。服务和制造业在“IE软件”活动方面扮演着重要的角色,因此人们利用知识和时间来提高软件的性能,可持续性、生产力,和潜力;同时,生产也包括“硬件”,人们使用机器和工具将原材料制作成成品,由车辆将货物从制造商运向零售商,并回收处理使用过的商品(Brouthers Brouthers,2003)。

如今,服务和制造业正面临着数据海啸。根据国际数据公司的报告,仅2015年就有超过1600E字节的数据是来自于这两个行业。数据量持续增长很大部分原因是由于先进信息技术，服务和制造业有了更多的工作信息逐步被收集,如ubiquitous-sensing移动设备,天线感官技术,摄像头,麦克风,物联网技术(物联网)(例如RFID,条形码),和无线传感器网络(Alfalla-Luque et al .,2014年,Dimakopoulou et al .,2014和中,黄et al .,2013)。这样的数据集是巨大并且复杂的,因此使用现有数据库管理工具或传统的处理应用程序进行处理是非常具有挑战性的。

“大数据”,常指EB级别及以上的数据洪流,扩展了数据存储、管理、处理、解释,和可视化的技术能力(Kaisler,盔甲,埃斯皮诺萨,和钱,2013)。大数据的概念首先在ACM数据图书馆1997年10月的一篇文章中被提出(GilPress,2012)。它是用来定义在电脑科学方面，在非常大量的数据集合下系统的可视化所面临的挑战。自那时以来,它在从学术界和实践领域都引起了极大关注。大数据大大刺激了信息管理方面的专业需求，以至于AG、Oracle、IBM、微软、SAP、EMC、惠普和戴尔已经花了超过150亿美元在数据分析和处理方面(Syed、Gillela amp; Venugopal,2013)。在下一个世纪，大数据应是最为十大繁荣的市场之一。2010年,据估计,这个行业的价值评估超过1000亿美元,并且每年以约10%的速度增长(Wengamp;Wemg,2013)。据统计数据,预测从2014年到2022年期间，该行业将以复合年增长率26%的速度增长，到2022年，预估全球大数据市场将达到118.52亿美元(NewsOn6.com)。

服务和制造业供应链管理(SM-SCM)几十年来一直在进行数字化进程。自从SM-SCM大范围的参与一系列从航空设施日常必需品的人类活动以来,驱动大数据初始化的性能和效率意义重大(Eichengreen amp; Gupta,2013)。SM-SCM与大数据相互结合，在使用自然资源方面，能够创造更好的决策机制。为此,Digging into Data等大型资金计划明确鼓励研究者和实践者在研究中能够更好地理解,开发和应用大数据。

很长一段时间,SM-SCM都集中在大量数据的收集和存储(Dekker, Pinccedil;e, Zuidwijk, amp; Jalil, 2013)。然而,它在充分利用这些数据时面临着巨大的挑战。本文提出的挑战为以下概括为“5 v”的SM-SCM的典型特征:

体积（Volume）：世界各地的SM-SCM体系，每一秒都在产生海量的数据。例如,每个个人护理用品制造商每33毫秒产生5000的数据样本,每秒就是152000个样本,每分钟900万次,130亿每天,每年4万亿个样本(Markopoulos,2012)。越来越大的数据集逐渐积累，如洪水般流过数据收集器、传输网络和存储设施。

速度（Velocity）:在SM-SCM中处理如此巨大的数据集，速度是很重要的,因为驱动数据需要尽快做出决定。速度主要依赖于数据采集的速度、数据传输的可靠性,数据存储的效率,发掘有用数据的速度，以及决策模型和算法。

品种（Variety）:由SM-SCM而来的庞大的数据，通常由于不同来源和异构格式导致多样化，使用在高速公路、零售商店和生产车间的传感器不同，新类型的数据也随之激增。将这些不同的数据集成到标准格式需要一个更普遍和复杂的构成语言。

验证（Verification）:各种错误数据(如噪音、不准确的属性,等等)从在SM-SCM大数据中流动，它们应当被验证,以便好的数据可以挑出。验证通常必须在某些具体工具和一定的安全水平下进行。因此,验证过程设计和开发工具自动验证质量和合格问题或许可以解决一些情况,但其中一些可能过于复杂以致于难以被识别。

价值(Value):在SM-SCM中，大数据的价值很难评估。首先,从大数据中提取价值是很难的,因为前面的四个因素造成的障碍。其次,检查其具体影响，增益，以及两个行业的具体业务流程是非常困难的。第三,从大数据中获得的价值的报告、统计数据和决策由于微观和宏观的视角的不同影响非常难以评价。

为了深入了解大数据和刺激SM-SCM潜在的技术来应对挑战,本文提出了一种SM-SCM大数据的综合调查法。主要包含四个部分:SM-SCM大数据的代表性应用技术,大数据科技，全球范围内的现状,以及当前的挑战,机遇,和未来的展望。SM-SCM的关键领域例如财经,物流和供应链管理(LSCM)和制造业集中在第二节。第三节主要是存储、数据处理、数据可视化技术,大数据分析,大数据模型决策等至关重要的问题。接下来的部分将回顾包括北美、欧洲和亚太地区当前的状态。主要讨论在第五节中,如数据收集方法、数据传输、数据存储、处理技术对大数据,大数据功能的决策模型以及大数据相互关系和应用程序等当前的挑战,机遇,和未来的展望。第六节则是鉴定一部分调查的结论,见解和经验探讨。

2. SM-SCM中的代表性大数据应用

SM-SCM中的大数据应用的说明性示例包括金融和经济，医疗保健，生物学，IT部门，物流和供应链管理（LSCM）和制造部门。

2.1财经

据估计，2012-2016年期间，金融服务部门的全球大数据将以56.69％的年复合增长率增长（Globe-Newswire，2013年）。在大多数金融机构如银行，保险公司和经纪公司，由于巨大的交易和活动，大数据是常见的，。这直接影响个人，团体和组织管理稀缺资源的方式.Garel-Jones（2011）曾报道，金融服务部门如何使用大数据分析来预测客户行为，从而更好地解释数据中潜在信息，更好地了解客户，竞争对手和员工以获得竞争优势。预测模型和实时决策在寻求金融机构动态市场中的获胜优势方面发挥着关键作用（Peat，2013）。为了检验金融市场的市场波动，一种大数据方法被提出用来计算知情交易（VPIN）的容量同步概率（Wu，Bethel，Gu，Leinweber，＆Ruebel，2013）。对于作为战略决策的关键实体的CFO（财务总监），大数据提供了一种机会，使用隐藏在大数据集中的信息，趋势和知识的机会。为此，商业智能和分析工具应运而生，利用大数据帮助CFO寻求更好的数据，提供更大的价值，做出更优的决策（Chen，Chiang＆＆Storey，2012）。

人们普遍认为分析大金融数据的能力是成功竞争的核心，因此，大量金融机构主动实施大数据技术。例如，2012年，一些金融机构，如欧洲对冲基金，全球投资银行，零售银行创新领袖，亚太国家银行，拓展美国房地产保险公司，全球欧洲机构，投资研究机构和社区银行使用大数据成功获得不同成就，例如优化价格发现和大型组合交易投资策略，智能帮助商家优化零售客户的报价和定价，使社交媒体跟踪到精细调整的市场活动等。（Versace＆Karen，2012）。Fang和Zhang（2016）研究了如何使金融从业者的先驱者从大量市场数据中获得可行的精华的大数据解决方案。

2.2 卫生保健

随着医疗保健中数字化记录和医生记录的日益普及，生成的大数据的分析非常重要。 IBM Watson可能是利用云数据库和超级计算机处理大量数据的先驱之一，这以便医生可以利用潜藏的信息或知识进行个性化医疗（Joshi＆Yesha，2012）。 戴尔最近与翻译基因组研究所（TGen）合作，利用大数据和云基础设施（O#39;Driscoll，Daugelaite，＆Sleter，2013）建立了世界上第一个针对儿科癌症的个性化医学试验。 GNS Healthcare是一家数据分析公司，与研究机构Covance一起采用大数据来处理糖尿病临床试验模型（Harrison，2012）。合作公司使用从Covance获得的巨大数据，支持使用GNS Healthcare的逆向工程进行临床前和临床药物开发。

大数据甚至嵌入我们的日常生活，我们能够使用网站来检查我们的疾病和医疗保健的经历。 Lupton（2013）报告了大数据和度量组合现象下的大量交互式数字平台。以制药业为例，数据收集量庞大，因此来自美国的服务提供商Cloudera可帮助这些公司管理数据收集（Schultz，2013）。 Currie（2013）适当地利用了大量的行政数据，如医院出院摘要和儿科研究中的保险索赔，以回答重要问题。在糖尿病的一个具体例子中，在美国和台湾已经实施了所谓的DiabeticLink系统，以利用大数据建立健康社交媒体系统（Chen，Compton和Hsiao，2013）。大的医疗保健数据用于提高治疗有效性和安全性（Schneeweiss，2016）。我们可以从文献中观察到大数据在医疗保健方面的全面调查，以便在学术和实践中找到更多的机会（Feldman等，2012和Raghupathi和Raghupathi，2014）。

2.3供应链管理（SCM）

全球物流行业拥有大量不断增长的大数据，并充斥着从智能手机，传感器和数字机到B2B数据交换的实时数据。这样的大数据为物流企业带来了一个新的竞争优势来源，进行供应链管理，以获得增强的可见性，在实时基础上调整需求和容量波动的能力，以及对客户行为的洞察实现更智能的定价和更好的产品（Swaminathan，2012）。因此，供应链管理专业人员理事会（CSCMP）目前正在开展两个补充项目，旨在解决大数据对物流和供应链管理（CSCMP，2014）的意义。一个是Mark Barratt（Marquette大学），Annibal Camara Sodero（阿肯色大学）和Yao Jin（University of Arkansas）携手进行的“大数据：对供应链管理意味着什么？”的课题，其方向有三个：

开发包括可被考虑用于零售供应链决策的数据源（包括大数据）的分类;

探索多个行业中和跨行业的大数据分析的当前和潜在使用;

确定使用大数据的一般和具体影响。

另一个是由R. Glenn Richey（美国阿拉巴马大学），Chad W. Autry（田纳西大学）的“The What，How and Why of Big Data in Supply Chain Relationships：A Structure，Process and Performance Study” ，弗兰克·亚当斯（密西西比州立大学），Tyler

全文共7404字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[143518]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章