AI in Supply Chain Risk Assessment: A Systematic Literature Review and Bibliometric Analysis

供应链风险评估(SCRA)通过整合人工智能(AI)和机器学习(ML)技术，经历了深刻的演变，彻底改变了预测能力和风险缓解策略，这一演变的重要性在于强大的风险管理策略对于确保现代供应链的运营韧性和连续性起着至关重要的作用。以往的综述已经概述了已有的方法，但忽略了新兴的AI/ML技术，导致在理解它们在SCRA中的实际影响方面存在着明显的研究空白。本文进行了系统的文献综述和全面的文献计量分析。我们精心研究了1717篇论文，并从48篇2014年至2023年间发表的论文中得出了关键见解。本文通过回答关键研究问题，探讨现有的AI/ML技术、方法、发现和未来发展方向，填补了这一研究空白，从而提供了更全面的SCRA演变视角。我们的研究揭示了AI/ML模型(如随机森林、XGBoost和混合模型)在大大提高SCRA精度方面的变革性影响。它强调了适应性后COVID策略，倡导韧性应急计划，并与不断变化的风险景观保持一致。值得注意的是，本文通过强调新兴的AI/ML技术及其在SCRA中的实际影响，超越了以往的研究。此外，它通过全面的文献计量分析，揭示了出版趋势、有影响力的作者和高引用文章的贡献。

本论文的问题在于填补了供应链风险评估中新兴AI/ML技术的研究空白，探索了这些技术的实际应用和未来发展方向。

本论文采用系统文献综述和综合文献计量分析的方法，详细研究了1717篇论文，并从48篇文章中提取了关键见解。论文揭示了AI/ML模型（如随机森林、XGBoost和混合模型）在提高供应链风险评估精度方面的转变性影响，并提出了适应后COVID策略，提倡弹性应急计划并与不断变化的风险环境保持一致。

本文的亮点在于通过综合文献计量分析，揭示了出版趋势、有影响力的作者和高引用文章。实验设计详细，使用了多个数据集，并提供了开源代码。本论文的贡献在于强调新兴AI/ML技术及其在供应链风险评估中的实际应用。

最近在这个领域的相关研究包括《Supply Chain Risk Management and Resilience: A Bibliometric Analysis》、《A systematic literature review of supply chain risk management: A bibliometric analysis》等。