공급망 분석 및 최적화에서 그래프 신경망: 개념, 관점, 데이터셋 및 벤치마크

그래프 신경망 (GNNs)은 최근 교통, 바이오인포메틱스, 언어 및 이미지 처리 분야에서 주목을 받고 있지만, 공급망 관리에 대한 그들의 응용 연구는 아직 제한적입니다. 공급망은 본질적으로 그래프 형태를 띠고 있어 GNN 방법론이 복잡한 문제를 최적화하고 해결하는 데 이상적이며, 이는 그래프 구조와 연결하여 효과적인 GNN 응용을 위한 기초를 마련합니다. 이를 해결하기 위해 우리는 공급망과 그래프 구조를 연계하여 효과적인 GNN 응용을 제공하며, 상세한 수식, 예제, 수학적 정의 및 작업 지침을 포함합니다. 또한 방글라데시의 선도적인 FMCG 기업에서 제공한 공급망 계획에 중점을 둔 다중 관점 실제 벤치마크 데이터셋을 제시합니다. 우리는 다양한 공급망 작업을 GNN을 사용하여 논의하고, 6개의 공급망 분석 작업에 걸쳐 동종 그래프와 이종 그래프에서 여러 최신 모델들을 벤치마킹합니다. 우리의 분석 결과는 GNN 기반 모델이 지정된 평가 지표에서 회귀 작업에서는 약 10-30%, 분류 및 탐지 작업에서는 약 10-30%, 이상 탐지 작업에서는 약 15-40% 개선된 성능을 보임으로써 통계적 머신러닝 및 다른 딥러닝 모델들보다 일관되게 우수함을 입증합니다. 이 연구를 통해 우리는 개념적 논의, 방법론적 통찰력 및 포괄적인 데이터셋으로 지원되는 GNN을 활용한 공급망 문제 해결의 기틀을 마련하였습니다.