Many different types of models have

Many different types of models have been proposed in the literature. Because of the uncertainty involved, statistical analysis and simulation is very appropriate to consider supply chain risk. We will only report a few of the many studies, relying on more recent articles. Li and Chandra (2007) proposed used of Bayesian analysis to model information and knowledge integration within complex networks. Simulation was proposed in a number of studies, to include discrete-event simulation to estimate survival over long-range periods given assumed probabilities of supply chain linkage failure (Klimov and Merkuryev, 2008). Wu and Olson (2008) used Monte Carlo simulation to evaluate risks associated with vendor selection, following up on similar modeling from many sources. System dynamics models have been widely used, especially with respect to the bullwhip-effect (Towill and Disney, 2008 as only one recent example) and to model environmental, organizational, and network-related risk issues (Kara and Kayis, 2008).

ผลลัพธ์ (ไทย) 1:

แบบจำลองชนิดต่าง ๆ ได้รับการเสนอชื่อในวรรณคดี เนื่องจากความไม่แน่นอนที่ เกี่ยวข้อง สถิติวิเคราะห์และการจำลองได้ที่เหมาะสมต้องพิจารณาความเสี่ยงของห่วงโซ่อุปทาน นอกจากนี้เราเพียงจะรายงานกี่ศึกษามาก อาศัยบทความล่าสุด Li และจันทรา (2007) เสนอใช้ทฤษฎีวิเคราะห์การรวมข้อมูลและความรู้ของแบบจำลองภายในเครือข่ายที่ซับซ้อน การจำลองการนำเสนอในจำนวนการศึกษา รวมแยกกันเหตุการณ์จำลองเพื่อประเมินกิจกรรมของอุปทานห่วงโซ่เชื่อมโยงความล้มเหลว (Klimov และ Merkuryev, 2008) ถือว่าอยู่รอดผ่านระยะยาวรอบระยะเวลาที่กำหนด วูและโอลสัน (2008) ใช้การจำลอง Carlo มอนเพื่อประเมินความเสี่ยงที่เกี่ยวข้องกับการเลือกผู้จัดจำหน่าย การสร้างโมเดลที่คล้ายกันจากหลายแหล่ง ระบบ dynamics รุ่นดำเนินได้อย่างกว้างขวางการ โดยเฉพาะอย่างยิ่ง ด้วยความเคารพ bullwhip-ผล (Towill และดิสนีย์ 2008 ตามล่าอย่างเดียว) และแบบจำลองสิ่งแวดล้อม ปัญหาความเสี่ยงขององค์กร และเครือข่ายที่เกี่ยวข้อง (Kara และ Kayis, 2008)

ผลลัพธ์ (ไทย) 2:

ที่แตกต่างกันหลายรูปแบบได้รับการเสนอในวรรณคดี เนื่องจากความไม่แน่นอนที่เกี่ยวข้องกับการวิเคราะห์ทางสถิติและการจำลองมีความเหมาะสมมากที่จะต้องพิจารณาความเสี่ยงในห่วงโซ่อุปทาน เราจะรายงานไม่กี่ของการศึกษาจำนวนมากที่อาศัยอยู่ในบทความล่าสุด หลี่และจันทรา (2007) เสนอที่ใช้ในการวิเคราะห์แบบเบย์ในการจำลองข้อมูลและบูรณาการความรู้ที่อยู่ในเครือข่ายที่ซับซ้อน การจำลองที่ถูกนำเสนอในจำนวนของการศึกษาที่จะรวมถึงการจำลองเหตุการณ์ที่ไม่ต่อเนื่องในการประเมินความอยู่รอดในช่วงเวลาระยะยาวน่าจะได้รับการสันนิษฐานของการเชื่อมโยงห่วงโซ่อุปทานความล้มเหลว (Klimov และ Merkuryev 2008) วูและโอลสัน (2008) ที่ใช้ในการจำลอง Monte Carlo ในการประเมินความเสี่ยงที่เกี่ยวข้องกับการเลือกผู้ขาย, ติดตามการสร้างแบบจำลองที่คล้ายกันจากหลายแหล่ง การเปลี่ยนแปลงรูปแบบของระบบที่ได้รับการใช้กันอย่างแพร่หลายโดยเฉพาะอย่างยิ่งที่เกี่ยวกับผล bullwhip (Towill และดิสนีย์ปี 2008 เป็นเพียงหนึ่งตัวอย่างล่าสุด) และการจำลองสิ่งแวดล้อมขององค์กรและปัญหาความเสี่ยงที่เกี่ยวข้องกับเครือข่าย (คาร่าและ Kayis 2008)

ผลลัพธ์ (ไทย) 3:

หลายประเภทที่แตกต่างของรุ่นได้รับการเสนอในวรรณคดี เพราะความไม่แน่นอนที่เกี่ยวข้อง การวิเคราะห์ทางสถิติและการจำลองเหมาะมากที่จะพิจารณาความเสี่ยงในห่วงโซ่อุปทาน เราเพียง แต่จะรายงานไม่กี่ของการศึกษาจำนวนมากอาศัยบทความล่าสุดเพิ่มเติมหลี่ จันทรา ( 2007 ) และใช้การวิเคราะห์แบบเบส์เพื่อเสนอข้อมูลรูปแบบและการบูรณาการความรู้ในเครือข่ายที่ซับซ้อน จำลองถูกเสนอในหลายศาสตร์ รวมถึงเหตุการณ์ไม่ต่อเนื่องแบบจำลองเพื่อประเมินระยะเวลาการอยู่รอดมากกว่าระยะยาว ให้สันนิษฐานว่าน่าจะเป็นของห่วงโซ่อุปทานเชื่อมโยง ( และความล้มเหลว คลิม merkuryev , 2008 )วูและโอลเซ่น ( 2008 ) ที่ใช้ในการจำลองมอนติคาร์โลเพื่อประเมินความเสี่ยงที่เกี่ยวข้องกับการเลือกผู้ขาย , ติดตามกันแบบจากหลาย ๆ แหล่ง พลวัตของระบบจำลองได้ถูกใช้อย่างกว้างขวาง โดยเฉพาะส่วนที่เกี่ยวข้องกับ bullwhip ผล ( towill และ Disney , 2008 เป็นเพียงหนึ่งตัวอย่างล่าสุดและรูปแบบองค์กร สิ่งแวดล้อม และปัญหาความเสี่ยงเครือข่ายที่เกี่ยวข้อง ( คาร่า และ kayis , 2008 )