[論文レビュー] Splitting hybrid Make-To-Order and Make-To-Stock demand profiles

Wolfgang Garn, James Aitken|arXiv (Cornell University)|Apr 14, 2015

Anomaly Detection Techniques and Applications参考文献 43被引用数 3

ひとこと要約

本論文では、時系列における需要頻度の密度ベースクラスタリングを用いて、通常は製造在庫方式（MTS）として分類される製品内に、製造注文方式（MTO）の時期を自動的に特定する、新しい異常値検出アルゴリズムを提案する。需要プロファイルをMTSとMTOのクラスタに分割する三クラスタヒストグラムアプローチを用いることで、注文レベルのデータを一切必要とせず、在庫保持コストを平均18.1％削減できる。これは、変動が激しい製造環境におけるより正確な生産計画を可能にする。

ABSTRACT

In this paper a demand time series is analysed to support Make-To-Stock (MTS) and Make-To-Order (MTO) production decisions. Using a purely MTS production strategy based on the given demand can lead to unnecessarily high inventory levels thus it is necessary to identify likely MTO episodes. This research proposes a novel outlier detection algorithm based on special density measures. We divide the time series' histogram into three clusters. One with frequent-low volume covers MTS items whilst a second accounts for high volumes which is dedicated to MTO items. The third cluster resides between the previous two with its elements being assigned to either the MTO or MTS class. The algorithm can be applied to a variety of time series such as stationary and non-stationary ones. We use empirical data from manufacturing to study the extent of inventory savings. The percentage of MTO items is reflected in the inventory savings which were shown to be an average of 18.1%.

研究の動機と目的

• 有限能力を持つ生産システムにおけるハイブリッド製造注文方式（MTO）と製造在庫方式（MTS）の需要プロファイルを管理する課題に対処すること。
• すべての製品をMTSとして扱うことによって生じる、MTOに類似した需要パターンを示す製品に起因する不必要な在庫積み上げを低減すること。
• 注文記録に依存せず、時系列データ内にMTOの時期を自動的に検出する、データドリブンな手法を開発すること。
• 製品をMTSとMTOの間で動的に再分類することで、生産計画の安定性と顧客サービスの向上を図ること。
• 定量的かつ実装可能な手法を通じて、実務家が反応的スケジューリングから能動的スケジューリングへの移行を支援すること。

提案手法

• 本手法は、データセット全体における需要頻度のヒストグラムを構築することで、需要時系列を分析する。
• 三クラスタ分割を適用：頻度が低く量が少ないMTS品目用のクラスタ、量が多いMTO品目用のクラスタ、および曖昧なケース用の中間クラスタ。
• 密度測定値を用いてクラスタ境界を定義し、中間クラスタは近接度および分布特性に基づきMTSまたはMTOに再割り当てされる。
• 再帰的最近傍法を用いてクラスタ割り当てを精緻化し、曖昧な需要ポイントを解消する。
• 本手法は定常的および非定常的時系列の両方を処理できるように設計されており、多様な生産環境に応用可能である。
• 最終的な分類では、支配的な需要パターンに基づき製品をMTSまたはMTOに割り当て、別々のスケジューリングと制御が可能になる。

実験結果

リサーチクエスチョン

• RQ1 ハイブリッドMTS-MTO需要プロファイルを自動的にセグメント化し、通常はMTSと分類される製品内にMTOの時期を特定する方法は何か？
• RQ2 時系列データにおけるMTSとMTOの需要パターンを効果的に区別するためのクラスタリングおよび密度ベース手法は何か？
• RQ3 自動的にMTOの時期を検出することで、実際の製造現場環境において在庫保持コストをどの程度低減できるか？
• RQ4 本手法は、純粋なMTS戦略と比較して、生産計画の安定性と顧客サービスの向上にどの程度寄与するか？
• RQ5 需要行動に基づいて製品をMTSとMTOの間で動的に再分類することの実務的意義は何か？

主な発見

• 提案手法は、元々純粋なMTS製品であった18.1％の製品においてMTOの時期を効果的に特定し、在庫保持コストの明確な低減を実現した。
• 平均して、最終的なMTSカテゴリの81.9％が、ハイブリッド需要プロファイルに本アルゴリズムを適用した後、MTSとして分類されたアイテムで構成された。
• アルゴリズムにより、予期しない変更作業が減少し、MTOおよびMTS品目の別々の計画が可能になったことで、生産スケジュールの安定性が向上した。
• 本手法は定常的および非定常的時系列の両方で頑健であることが示され、実世界の現場応用に広く適応可能であることが裏付けられた。
• 事例研究から、歴史的にMTSと分類されていた製品がしばしばMTOに類似した需要特性を示していることが明らかになり、動的再分類の必要性が裏付けられた。
• 本研究は、ERPシステムへのアルゴリズム統合の可能性を強調しており、食品製造や類似業界における生産計画の高度化に貢献する可能性を示している。