[論文レビュー] Combining Probabilistic Forecasts of Intermittent Demand

Shengjie Wang, Yanfei Kang+1 more|arXiv (Cornell University)|Apr 6, 2023

Forecasting Techniques and Applications被引用数 4

ひとこと要約

本研究では、間欠的需要のための確率的予測結合を提案し、予測精度と在庫パフォーマンスを同時に最適化する。スコアリングルール（例：対数型、ブリエア）と在庫コスト最小化を統合することで、予測の信頼性と在庫の成果が向上し、単純平均が補正、鋭さ、コスト効率のトレードオフにおいて頑健であることが示された。

ABSTRACT

In recent decades, new methods and approaches have been developed for forecasting intermittent demand series. However, the majority of research has focused on point forecasting, with little exploration into probabilistic intermittent demand forecasting. This is despite the fact that probabilistic forecasting is crucial for effective decision-making under uncertainty and inventory management. Additionally, most literature on this topic has focused solely on forecasting performance and has overlooked the inventory implications, which are directly relevant to intermittent demand. To address these gaps, this study aims to construct probabilistic forecasting combinations for intermittent demand while considering both forecasting accuracy and inventory control utility in obtaining combinations and evaluating forecasts. Our empirical findings demonstrate that combinations perform better than individual approaches for forecasting intermittent demand, but there is a trade-off between forecasting and inventory performance.

研究の動機と目的

• 在庫管理における重要性が高いため、間欠的需要のための確率的予測に関する研究がまだ不十分であるというギャップに対処する。
• 予測精度と在庫パフォーマンスを組み合わせのプロセスに統合し、予測の経済的価値を向上させる。
• 統計的精度だけでなく、サービス水準、在庫投資、欠品数といった主要な在庫指標への影響についても、予測結合を評価する。
• 確率的結合における、予測パフォーマンス（鋭さ、補正）と在庫コスト効率のトレードオフを調査する。
• 単純平均結合が、多様な間欠的需要パターンにおいて、予測と在庫の目的をバランスさせる点で最適化手法を上回る頑健性を示すことを実証する。

提案手法

• パラメトリック（例：クロストン、SBA、TSB）、ノンパラメトリック、機械学習ベースのアプローチを含む、複数の手法からの個別予測を用いて、確率的予測結合を構築する。
• 最適化の目的関数として、対数型、ブリエア、球面型のスコアリングルールを適用し、予測精度を最大化する結合重みを生成する。
• 在庫コスト最小化を代替の目的関数として採用し、結合重みをガイドすることで、予測と在庫パフォーマンスを直接結びつける。
• 30,490 SKUを含む最近の予測コンペティションの実世界データセットを用い、滑らか、不規則、塊状、間欠的といった異なる間欠的需要パターンでの評価を実施する。
• ターゲットサービス水準（80%、90%、95%、99%）の下で、統計的指標（鋭さ、補正）と在庫指標（顧客サービス水準、在庫投資、欠品数）の両方を用いて結合を評価する。
• ADIとCV2を用いて需要パターンを分類し、多様な系列にわたるパフォーマンスの頑健性を保証する。

実験結果

リサーチクエスチョン

• RQ1 確率的予測結合は、個別手法と比較して、間欠的需要の予測精度と在庫パフォーマンスをどのように向上させるか？
• RQ2 確率的予測結合において、予測精度（鋭さ、補正）と在庫コスト効率の間にはどのようなトレードオフが存在するか？
• RQ3 スコアリングルールまたは在庫コストを最適化して得られる結合手法のうち、予測と在庫の目的をバランスさせる点で最も優れたのはどれか？
• RQ4 予測結合のパフォーマンスは、異なる間欠的需要パターン（滑らか、不規則、塊状、間欠的）でどのように変化するか？
• RQ5 単純平均結合は、在庫管理における頑健性と実用的有用性の観点から、最適化手法をどの程度上回るか？

主な発見

• 確率的予測結合は、個別手法と比較して、予測精度と在庫パフォーマンスの両面で顕著に優れている。
• 予測パフォーマンス（例：log-opt が最良の鋭さを達成）と在庫コスト効率（例：cost-opt は在庫投資を削減するが、高サービス水準で失敗）の間には明確なトレードオフが存在する。
• 単純平均（SA）手法は、予測と在庫指標の両方でバランスの取れたパフォーマンスを達成し、全ターゲットサービス水準および需要パターンにおいて頑健である。
• log-opt および Brier-opt 結合は、最高の鋭さと補正スコアを達成するが、欠品数が増加し在庫投資も上昇するため、在庫上の有用性が低いことが示された。
• 間欠的および塊状の需要パターンは、最も低い鋭さスコアと最も高い在庫コストを示し、これらの系列の予測が困難であることを強調している。
• cost-opt 結合は在庫投資を削減するが、99%のサービス水準を維持できないため、高サービス水準要件への適応性に限界があることが示された。