Optimizing Supply Chain Partnerships for Incheon-Based Suppliers : A Deep Neural Network Approach

• 발행기관: 한국물류학회
• 저자명: 안영효(Young-Hyo Ahn) 이동훈(Dong-Hun Lee) 김관호(Kwan-Ho Kim) 마진희(Jin-Hee Ma)
• 간행물 정보: 『물류학회지』제34권 제6호, 137~149쪽, 전체 13쪽
• 주제분류: 경제경영 > 무역학
• 파일형태: PDF
• 발행일자: 2024.12.31

국문 초록

본 연구의 목적은 심층 신경망(DNN) 기반의 비즈니스 파트너 추천(BPR) 모델을 이용하여 인천 지역 공급업체와 전국 구매업체들 간의 거래 확률을 예측하고 거래 성공 예측 변수를 찾는 데 있다. 본 연구는 인천 소재 공급업체의 독특한 거래 패턴을 이해하는 데 중점을 두며, 산업 분야, 제품 특성, 지리적 거리, 거래량 등 다차원 데이터를 통합하여, 성공적인 파트너십의 가능성을 평가하는 거래 확률 점수(Transaction Probability Score)를 제시한다. 분석 결과 인천 소재 공급업체의 성공적인 거래를 위한 중요한 예측 변수는 지리적 근접성보다 산업 호환성 및 제품 전문성이라는 것이 밝혀졌다. 이러한 결과는 복잡한 거래 네트워크 내에서 공급망 효율성을 향상하고 파트너십 추천을 최적화하는 심층 학습 모델의 가치를 보여준다고 할 수 있다.

영문 초록

The purpose of this study is to predict the transaction probability between Incheon-based suppliers and nationwide buyers using a Deep Neural Network (DNN)-based Business Partner Recommendation (BPR) model and to identify key predictors of transaction success. Focusing on the unique transaction patterns of Incheon-based suppliers, this study integrates multidimensional data, including industry sector, product characteristics, geographical distance, and transaction volume, to present a Transaction Probability Score that assesses the likelihood of successful partnerships. The analysis reveals that industry compatibility and product specialization are more significant predictors of successful transactions for Incheon-based suppliers than geographical proximity. These findings highlight the value of deep learning models in enhancing supply chain efficiency and optimizing partnership recommendations within complex trade networks.

목차

Ⅰ. Introduction

Ⅱ. Literature Review

Ⅲ. Methodology

Ⅳ. Results

References

키워드

심층 신경망(DNN) 비즈니스 파트너 추천(BPR) 인천 산업 호환성 공급망 효율성 Deep Neural Network (DNN) Business Partner Recommendation (BPR) Incheon Industry Compatibility Supply Chain Efficiency