ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Traditional expert systems struggle to manage high-stakes healthcare supply chain risks, such as drug shortages and counterfeiting, since knowledge bases require manual updating. This paper proposes a framework combining Retrieval-Augmented Generation (RAG), fuzzy inference, and Dempster-Shafer evidential reasoning to extract and structure risk knowledge from unstructured documents. A UK and China hospital case study identifies drug shortage and counterfeiting as the highest-priority risks. A small pilot of the RAG component alone shows grounded extraction outperforming a no-retrieval baseline, with no hallucination flagged. To our knowledge, no earlier framework uses RAG for upstream knowledge acquisition in supply chain risk management.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 85/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Supply Chain Resilience and Risk Management · Supply Chain and Inventory Management · Impact of AI and Big Data on Business and Society
บทบาทของนักวิจัยและสถาบันไทย
Jirapan Liangrokapart · Duangpun Kritchanchai · Mahidol University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง