Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

LLMs for Supply Chain Management

Created by
  • Haebom

저자

Haojie Wang, Jiuyun Jiang, L. Jeff Hong, Guangxin Jiang

개요

본 논문은 공급망 관리(SCM) 연구에 대규모 언어 모델(LLM)을 활용하는 새로운 프레임워크를 제시합니다. 외부 지식을 추론 과정에 동적으로 통합하는 검색 증강 생성(RAG) 프레임워크를 도입하여 SCM 전문 분야에 특화된 LLM을 개발하고, 표준화된 SCM 시험과 맥주 게임 테스트를 통과하여 전문가 수준의 역량을 입증합니다. 또한 LLM을 이용하여 수평 및 수직 공급망 게임을 수행하여 공급망 내 경쟁과 협력을 분석합니다. 실험 결과, RAG는 SCM 과제 수행 능력을 크게 향상시키는 것으로 나타났으며, 게임 이론적 분석을 통해 LLM이 기존 SCM 문헌의 통찰을 재현할 뿐만 아니라 새로운 행동을 발견하고 불릿 효과와 같은 현상에 대한 새로운 관점을 제공함을 보여줍니다. 결론적으로 본 논문은 LLM을 통해 복잡한 공급망 네트워크의 협력과 경쟁을 탐구하는 새로운 가능성을 제시합니다.

시사점, 한계점

시사점:
RAG 프레임워크를 활용한 SCM 전문 LLM 개발을 통해 SCM 문제 해결 능력 향상 가능성 제시.
LLM을 이용한 공급망 게임 시뮬레이션을 통해 경쟁 및 협력 분석의 새로운 방법론 제시.
기존 SCM 문헌의 통찰 재현 및 새로운 행동, 관점 발견 가능성 확인.
복잡한 공급망 네트워크 분석에 LLM 활용 가능성 제시.
한계점:
본 논문에서 제시된 LLM의 일반화 성능 및 실제 공급망 환경 적용 가능성에 대한 추가 연구 필요.
LLM의 예측 정확도 및 신뢰도에 대한 추가적인 검증 필요.
LLM이 생성하는 결과의 해석 및 실제 의사결정으로의 활용에 대한 추가적인 지침 필요.
LLM 학습 데이터의 편향성 및 윤리적 문제에 대한 고려 필요.
👍