数据集概述
本数据集聚焦AIoT技术在供应链管理中的应用，包含两个合成CSV文件，模拟循环经济物流和联邦学习供应链场景的数据，支持动态车队路由、供应商风险监控等五大AIoT应用的预测分析，为供应链决策优化提供数据基础。
文件详解
- 合成循环经济物流数据文件：
- 文件名称：synthetic_circular_economy_logistics.csv
- 文件格式：CSV
- 核心字段：Bin_ID（容器ID）、Location（位置）、Material_Type（物料类型）、Fill_Level_%（填充率）、Pickup_Delay_Hours（取货延迟小时数）、Sensor_Fault（传感器故障标识）、Energy_Recaptured_kWh（回收能量）、Sorting_Accuracy_%（分拣准确率）
- 合成联邦学习供应链数据文件：
- 文件名称：synthetic_federated_learning_supply_chain.csv
- 文件格式：CSV
- 核心字段：Node_ID（节点ID）、Anomaly_Score（异常分数）、Model_Accuracy（模型准确率）、Latency_ms（延迟毫秒数）、Bandwidth_MBps（带宽）、Update_Success（更新成功标识）
适用场景
- 供应链优化研究：分析AIoT技术对动态路由、库存补货等场景的优化效果
- 可持续运营分析：评估循环经济模式下供应链的资源利用效率与减排潜力
- 联邦学习在供应链中的应用研究：探索分布式模型训练对供应链数据隐私与效率的平衡
- 物流风险预测：基于异常分数与延迟数据构建供应链风险预警模型
- 商业智能决策支持：为企业供应链战略决策提供实时数据模拟与效果验证
