- عنوان کتاب: Data-Driven Innovation in Supply Chains and Manufacturing From Predictive Analytics to Natural Language Processing
- نویسنده: Parth Saxena, Srinivas R. Gottimukkala
- حوزه: زنجیره تامین
- سال انتشار: 2026
- تعداد صفحه: 505
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 13.6 مگابایت
این کتاب بررسی میکند که چگونه فناوریهای مدرن – بهویژه تجزیه و تحلیل دادهها، یادگیری ماشین (ML) و اینترنت اشیا (IoT) – در حال تغییر زنجیره تأمین و عملیات تولید هستند. این کتاب با پیوند دادن تحقیقات دانشگاهی و رویههای صنعتی، دادهها را به عنوان یک دارایی استراتژیک که چابکی، کارایی و انعطافپذیری را هدایت میکند، ارائه میدهد. این کتاب که حول چهار موضوع ساختار یافته است، موارد زیر را پوشش میدهد: – تجزیه و تحلیل بنیادی و بهینهسازی، – تجزیه و تحلیل پیشبینیکننده و تجویزی برای تصمیمگیری پیشگیرانه، – دادههای اینترنت اشیا در زمان واقعی برای نظارت و کنترل گردش کار، – دوقلوهای دیجیتال و پردازش زبان طبیعی (NLP) برای مدلسازی و تعامل. فصلها شامل مدلسازی ریاضی، مطالعات موردی و چارچوبهای پیادهسازی، با پوشش پیشبینی تصادفی، یادگیری تقویتی، تشخیص ناهنجاری و تجزیه معنایی اسناد لجستیک هستند. مزایای کلیدی شامل تأکید آن بر هوش یکپارچه – ترکیب ML، اینترنت اشیا و شبیهسازی برای بینشهای پیشبینیکننده در زمان واقعی – است. همچنین مقیاسپذیری در صنایع را با ابزارهایی که با بخشهایی مانند خودرو، مراقبتهای بهداشتی و هوافضا سازگار هستند، برجسته میکند. هر فصل با مسائل باز و مسیرهای آینده به پایان میرسد و نقشه راهی برای نوآوری در عملیات هوشمند ارائه میدهد.
This book explores how modern technologies—especially data analytics, machine learning (ML), and the Internet of Things (IoT)—are transforming supply chain and manufacturing operations. Bridging academic research and industrial practice, this book presents data as a strategic asset driving agility, efficiency, and resilience. Structured around four themes, it covers: -Foundational analytics and optimization, -Predictive and prescriptive analytics for proactive decision-making, -Real-time IoT data for workflow monitoring and control, -Digital Twins and Natural Language Processing (NLP) for modeling and interaction. Chapters include mathematical modeling, case studies, and implementation frameworks, with coverage spanning stochastic forecasting, reinforcement learning, anomaly detection, and semantic parsing of logistics documentation. Key benefits include its emphasis on integrated intelligence—blending ML, IoT, and simulation for real-time, predictive insights. It also highlights scalability across industries, with tools adaptable to sectors like automotive, healthcare, and aerospace. Each chapter concludes with open problems and future directions, offering a roadmap for innovation in intelligent operations.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: Data-Driven Innovation in Supply Chains





نظرات کاربران