[논문 리뷰] Combining Probabilistic Forecasts of Intermittent Demand

Shengjie Wang, Yanfei Kang외 1명|arXiv (Cornell University)|2023. 04. 06.

Forecasting Techniques and Applications인용 수 4

한 줄 요약

이 연구는 간헐적 수요에 대한 확률적 예측 조합을 제안하며, 예측 정확도와 재고 성과를 동시에 최적화한다. 점수 규칙(예: 로그, 브리어)과 재고 비용 최소화를 통합함으로써 예측 신뢰성과 재고 결과를 모두 향상시키며, 단순 평균이 캘리브레이션, 선명도, 비용 효율성 간의 트레이드오���에서 강건한 성능을 보인다.

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.

연구 동기 및 목표

• 재고 관리에서 중요시되지만 여전히 미비하게 다뤄지고 있는 간헐적 수요에 대한 확률적 예측의 격차를 보완한다.
• 예측 정확도와 재고 성과를 조합 과정에 통합하여 예측의 경제적 가치를 향상시킨다.
• 통계적 정확도 외에도 서비스 수준, 투자, 후순행 주문 등의 주요 재고 지표에 미치는 영향을 고려하여 예측 조합을 평가한다.
• 확률적 조합에서 예측 성능(선명도, 캘리브레이션)과 재고 비용 효율성 간의 트레이드오���을 조사한다.
• 단순 평균 조합이 다양한 간헐적 수요 패턴에서 예측 및 재고 목표를 균형 있게 달성하는 데 최적화된 방법보다 뛰어난 성능을 보임을 입증한다.

제안 방법

• 다양한 방법(예: 파라미터 기반(Croston, SBA, TSB), 비모수적, 기계학습 기반)의 개별 예측을 바탕으로 확률적 예측 조합을 구성한다.
• 최적화 목표로 점수 규칙(로그, 브리어, 구면)을 적용하여 예측 정확도를 극대화하는 조합 가중치를 생성한다.
• 재고 비용 최소화를 대체 목표 함수로 적용하여 조합 가중치를 유도함으로써 예측과 재고 성과를 직접 연결한다.
• 실제 세계 데이터셋(30,490개 SKU)을 활용하여 다양한 간헐적 수요 패턴(스무스, 기민, 러블리, 간헐적)에서 조합을 평가한다.
• 목표 서비스 수준(80%, 90%, 95%, 99%)에서 통계적 지표(선명도, 캘리브레이션)와 재고 지표(고객 서비스 수준, 투자, 후순행 주문)를 모두 사용하여 조합을 평가한다.
• ADI와 CV2를 사용하여 수요 패턴을 분류하여 이질적인 시리즈 전반에서의 성능을 분석함으로써 강건성을 확보한다.

실험 결과

연구 질문

• RQ1 개별 방법에 비해 확률적 예측 조합은 간헐적 수요의 예측 정확도와 재고 성과를 어떻게 향상시키는가?
• RQ2 확률적 예측 조합에서 예측 성능(선명도, 캘리브레이션)과 재고 비용 효율성 간의 트레이드오푸는 무엇인가?
• RQ3 점수 규칙 또는 재고 비용을 통해 최적화된 조합 방법 중에서 예측 및 재고 목표를 균형 있게 달성하는 데 가장 우수한 성능을 보이는 방법은 무엇인가?
• RQ4 예측 조합의 성능은 다양한 간헐적 수요 패턴(스무스, 기민, 러블리, 간헐적)에서 어떻게 달라지는가?
• RQ5 단순 평균 조합이 재고 관리에서의 강건성과 실용성 측면에서 최적화된 방법보다 얼마나 뛰어나게 성능을 발휘하는가?

주요 결과

• 확률적 예측 조합은 개별 예측 방법에 비해 예측 정확도와 재고 성과 양면에서 뚜렷이 뛰어나다.
• 예측 성능(예: 로그-최적화는 최고의 선명도를 기록)과 재고 비용 효율성 간에 명확한 트레이드오푸가 존재한다(예: 비용-최적화는 투자를 줄이지만 고서비스 수준에서 실패).
• 단순 평균(SA) 방법은 예측 및 재고 지표 전반에서 균형 잡힌 성능을 달성하며, 모든 목표 서비스 수준과 수요 패턴에서 강건성을 보인다.
• 로그-최적화와 브리어-최적화 조합은 최고의 선명도 및 캘리브레이션 점수를 기록하지만, 후순행 주문 증가와 재고 투자 증가로 이어져 재고 활용도가 낮음을 시사한다.
• 간헐적 및 러블리 수요 패턴은 가장 낮은 선명도 점수와 가장 높은 재고 비용을 기록하여 이러한 시리즈를 예측하는 데의 과제를 부각시킨다.
• 비용-최적화 조합은 투자를 줄이지만 99% 서비스 수준을 유지를 하지 못해 고서비스 요구사항에 대응하는 데 한계가 있음을 나타낸다.