AI-Driven Supply Chain Optimization: A Sustainable Framework for Enhancing Operational Efficiency, Traceability, and Market Integration

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a comprehensive literature synthesis and a unified framework for AI-driven sustainable supply chain management, identifying research gaps in integrated operational and sustainability objectives.

🏢実務担当者:Offers a structured framework for leveraging AI to improve supply chain traceability, reduce carbon emissions, and enhance operational efficiency, directly applicable to corporate sustainability and procurement teams.

人工知能（AI）は、運用効率の向上、透明性の強化、持続可能なビジネス慣行の支援を通じて、現代のサプライチェーン管理における変革的技術として台頭してきた。グローバルなサプライチェーンネットワークの複雑性の増大、顧客期待の高まり、そして持続可能性への関心の高まりにより、機械学習、予測分析、インテリジェント自動化、ビッグデータ分析、ブロックチェーン統合、そしてモノのインターネット（IoT）対応システムといったAI主導技術の採用が加速している。本研究は、AI主導のサプライチェーン最適化に関する既存文献をレビューし、サプライチェーンシステム内の運用効率、トレーサビリティ、および市場統合を強化するための持続可能なフレームワークを開発する。レビューにより、AI技術が需要予測、在庫管理、輸送計画、物流調整、およびリアルタイムの運用監視を大幅に改善し、それによって運用の非効率性を低減し、サプライチェーンの応答性を向上させることが特定された。さらに、本研究は、AI対応のトレーサビリティシステムが、グローバルな供給ネットワーク全体でサプライチェーンの透明性、サプライヤー監視、製品認証、および規制順守を強化することを明らかにしている。加えて、AI支援による持続可能な物流慣行は、燃料消費、炭素排出、運用廃棄物、および資源の非効率性の削減に貢献する。調査結果はまた、AI主導のデジタルプラットフォームが、サプライヤー、メーカー、流通業者、小売業者、および顧客間の連携、情報共有、および調整を改善し、それによって市場統合と運用の同期を強化することを示している。しかしながら、レビューでは、運用効率、持続可能性、トレーサビリティ、および市場統合を統合されたAI主導のサプライチェーンフレームワーク内で組み合わせた統合研究は限られていることが特定された。したがって、本研究は、インテリジェント技術と運用および持続可能性の目標を統合する、包括的な持続可能なAI主導のサプライチェーン最適化フレームワークを提案する。本研究は、デジタルサプライチェーン変革に関する成長する知識体系に貢献し、回復力があり、透明性が高く、持続可能なサプライチェーンエコシステムの構築を目指す研究者、管理者、政策立案者、および業界実務者に貴重な示唆を提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Artificial Intelligence (AI) has emerged as a transformative technology in modern supply chain management by improving operational efficiency, enhancing transparency, and supporting sustainable business practices. The increasing complexity of global supply chain networks, rising customer expectations, and growing sustainability concerns have accelerated the adoption of AI-driven technologies such as machine learning, predictive analytics, intelligent automation, big data analytics, blockchain integration, and Internet of Things (IoT)-enabled systems. This study reviews the existing literature on AI-driven supply chain optimization and develops a sustainable framework for enhancing operational efficiency, traceability, and market integration within supply chain systems. The review identifies that AI technologies significantly improve demand forecasting, inventory management, transportation planning, logistics coordination, and real-time operational monitoring, thereby reducing operational inefficiencies and improving supply chain responsiveness. The study further reveals that AI-enabled traceability systems strengthen supply chain transparency, supplier monitoring, product authentication, and regulatory compliance across global supply networks. In addition, AI-supported sustainable logistics practices contribute to reducing fuel consumption, carbon emissions, operational waste, and resource inefficiencies. The findings also indicate that AI-driven digital platforms improve collaboration, information sharing, and coordination among suppliers, manufacturers, distributors, retailers, and customers, thereby strengthening market integration and operational synchronization. However, the review identifies limited integrated research combining operational efficiency, sustainability, traceability, and market integration within a unified AI-driven supply chain framework. Therefore, the study proposes a comprehensive sustainable AI-driven supply chain optimization framework that integrates intelligent technologies with operational and sustainability objectives. The study contributes to the growing body of knowledge on digital supply chain transformation and provides valuable implications for researchers, managers, policymakers, and industry practitioners seeking to develop resilient, transparent, and sustainable supply chain ecosystems.

• semanticscholar https://mjar.singhpublication.com/index.php/ojs/article/download/305/760first seen 2026-07-04 05:37:42 · last seen 2026-08-09 05:48:29