نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، دانشگاه شهید بهشتی.

2 دانشجوی دکتری، دانشگاه شهید بهشتی.

10.52547/jimp.2022.224976.1327

چکیده

اولین گام در راستای تحلیل و ارزیابی ریسکهای زنجیره تامین شناسایی این ریسک ها است. روش‌های تحلیل مرسوم بر اساس فیلترهای دستی یا روش‌های خودکار داده محور ارایه شده است. روش‌های فیلتر دستی به دلیل محدودیت‌های نمونه‌گیری از مشکلات اعتبارسنجی رنج می‌برند و از طرف دیگر روش‌های تحلیل خودکار مبتنی بر داده، در تحلیل داده های ریسک که پیچیده و مبهم هستند عملکرد ضعیفی دارند. برای پر کرده خلل پژوهشی، در این مطالعه، چارچوبی تعاملی بین تحلیلگر و ماشین، برای تحلیل حجم وسیعی از داده های ریسک در حوزه زنجیره تامین مواد غذایی با استفاده از تکنیک مدل‌سازی موضوع ، تعبیه سازی کلمات ، تحلیل همبستگی اصطلاح و نقشه دانشی ارایه شده است. هدف از سیستم نظارت بر داده های ریسک زنجیره تامین، کمک به مدیران در شرکت های مواد غذایی برای نظارت و شناسایی خطرات بحران ها و ارائه اطلاعات پشتیبانی تصمیم برای ایجاد یک زنجیره تامین مواد غذایی پایدار است. نتایج تحلیل موضوعی فراداده ها ، نقشه دانشی در پنج حوزه "برداشت "، " کشاورزی "، " خرده فروشی مواد غذایی "، " خدمات غذایی " ، " توزیع " و " مصرف "را نشان داد که در پنل خبرگی به تایید رسید. نتایج نشان می دهد مدل تحلیل مخاطرات در استخراج واحدهای دانشی مرتبط با حوزه مدیریت بحران زنجیره تامین مواد غذایی مفید است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Modeling the impact of corona pandemic risks on the global supply chain using text mining methods: A case study of the food supply chain

نویسندگان [English]

  • Navid Nezafati 1
  • Mohammad reza Sheikhattar 2

1 Assistant Professor, Shahid Beheshti University.

2 PhD candidate, Shahid Beheshti University.

چکیده [English]

The first step in analyzing and evaluating supply chain risks is to identify these risks. Conventional analysis methods are based on manual filters or data-driven automated methods. Manual filtering methods suffer from validation problems due to sampling limitations, and automated data analysis methods, on the other hand, perform poorly in analyzing risk data that is complex and ambiguous. To fill the research gap, in this study, an interactive framework between the analyst and the machine is presented to analyze a large volume of risk data in the field of food supply chain using topic modeling techniques, word embedding, term correlation analysis, and knowledge map. The purpose of the supply chain risk monitoring system is to assist managers in food companies to monitor and identify crisis risks and provide a decision support information system to create a sustainable food supply chain. The results of the topic analysis of metadata showed a knowledge map in five areas of "harvest", "agriculture", "food retail", "food services", "distribution" and "consumption", which was approved by the expert panel. The results show that the risk analysis model is useful in extracting knowledge units related to the field of food supply chain crisis management.

کلیدواژه‌ها [English]

  • Supply chain crisis management
  • Supply chain risk monitoring
  • Pandemic crisis
  • topic analysis model
  • Text Mining