TradePharma.Network et la gestion de la chaîne d’approvisionnement: Technologies sous-jascentes
Pour ce qui est du volet GESTION DE LA CHAÎNE D’APPROVISIONNEMENT du projet TradePharma.Network, le concept de de base, est relativement simple et consiste à incorporer et combiner notre technologie au sein des modèles / systèmes déjà en place chez nos futures clients. Un progiciel de gestion de type SAP, est l’exemple le plus illustratif.
Pour ce faire, nous utiliserons les 3 technologies suivantes:
LA BLOCKCHAIN :
Les experts prédisent que le marché global de la Blockchain atteindra 339.5 milliard de dollars à l’horizon 2021 et que le secteur de l’industrie pharmaceutique sera en quelque sorte la locomotive de cette forte croissance.
Nous utiliserons en l’occurrence la Blockchain ETHEREUM ainsi que des applications décentralisées ou “dApp” que l’on greffera dessus pour exécuter des transactions, mais aussi une couche 2ème solution (“2nd layer solution”) pour effectuer des transactions “OFF-CHAIN” pour les paiements et “Atomic Swaps”, puisque notre plateforme utilisera également des jetons (“tokens”) TXP & de la cryptomonaie (Bitcoin, Litcoin, ETH, …) pour le paiement des services en question.
L’INTELLIGENCE ARTIFICIELLE (IA) :
L’IA en industrie pharmaceutique évolue à très grande vitesse et de plus en plus de compagnies du secteur utilisent cette technologie pour automatiser un certain nombre de tâches cléricales pour lesquels elles n’ont plus ni le temps ni les ressources nécessaires pour les accomplir. Et d’après les prédictions faites par les experts, l’IA risque de croître de 40% entre 2017 & 2024.
De ce fait, nous utiliserons des algorithmes intelligents & Réseaux Neuronaux (Neural Networks) qui requièrent pour leur apprentissage du “Machine Learning”. Nous utiliserons plus précisément l’apprentissage avancé basé sur le théorème de Bayes (Bayesian Deep Learning) afin de gérer l’incertitude de manière probabiliste, mais aussi de manière fréquentiste avec la mise en interaction de plusieurs algorithmes Markov Chain Monte Carlo (MCMC) qui permettent, sur la base de techniques d’échantillonnage, de simuler une distribution afin que la statistique converge le plus sûrement vers l’espérance à posteriori. Ainsi, avec l’usage de toutes ces méthodes/techniques, nous allons pouvoir faire, sur la base des données collectées, des prédictions telles que les variations non-anticipées de la demande (épidémie, campagne de santé publique…)
ET L’INTERNET DES OBJETS (“IoT”) :
Les expert prédisent que la technologie “IoT” dans le secteur pharmaceutique vaudra 2.2 milliard de dollars à l’horizon 2020.
Il s’agit là de relier à l’aide de puces électroniques, dont la connectivité utilisent le WIFI, RFID, ETHERNET ou tout autre réseaux approprié, des équipements de production, de logistique, véhicules de transport, de faire du “monitoring” de la chaîne de froid, etc. Ensuite, il faut collecter les données générées en temps réel afin de bien les stocker, analyser et de faire des prédictions à l’aide, là encore, d’algorithmes intelligents afin d’anticiper des défauts de qualité par exemple.
— — — — — — — — — — — — — — — — — — — — — — — — — — — —
Reddit Thread
👉 https://www.reddit.com/user/TradePharmaNetwork
— — — — — — — — — — — — — — — — — — — — — — — — — — — —
Bounty Thread
👉 https://bitcointalk.org/index.php?topic=5038571.0
— — — — — — — — — — — — — — — — — — — — — — — — — —
Telegram Group
👉 https://t.me/joinchat/H1YJNhLHIyMwtUL7yA9BLg
— — — — — — — — — — — — — — — — — — — — — — — — — —
Telegram Channel
👉 https://t.me/TradePharmaNetwork
— — — — — — — — — — — — — — — — — — — — — — — — — —
Marketing Website
👉 https://tradepharma.network
— — — — — — — — — — — — — — — — — — — — — — — — — —
Elevator Pitch
👉 https://www.youtube.com/watch?v=x0EcPZzF2F0
— — — — — — — — — — — — — — — — — — — — — — — — — —
