[论文解读] 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 3

一句话总结

本文提出了一种新颖的异常检测算法，通过时间序列中需求频率的基于密度的聚类，自动识别原本被归类为按库存生产（MTS）的产品中的按订单生产（MTO）阶段。通过采用三组分直方图方法将混合需求特征划分为MTS和MTO聚类，该方法在无需订单级数据的情况下，将库存持有成本平均降低了18.1%，从而在动态制造环境中实现更精确的生产计划。

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%.

研究动机与目标

• 解决在有限产能生产系统中管理混合按订单生产（MTO）与按库存生产（MTS）需求特征的挑战。
• 减少因将所有产品均视为MTS而引起的不必要的库存积压，特别是当部分产品表现出类似MTO的需求模式时。
• 开发一种自动化的、数据驱动的方法，用于在不依赖订单记录的情况下检测时间序列中MTO阶段。
• 通过实现产品在MTS与MTO状态之间的动态重新分类，提升生产计划的稳定性和客户服务水平。
• 通过一种可量化、可实施的方法论，支持从业者从被动响应转向主动调度。

提出的方法

• 该方法通过构建数据集中需求频率的直方图，分析需求时间序列。
• 采用三组分分割：一组用于频繁但低量的MTS产品，一组用于高量的MTO产品，一组用于模糊情况的中间聚类。
• 使用密度度量来定义聚类边界，中间聚类根据接近度和分布特征被重新分配至MTS或MTO。
• 算法采用递归最近邻方法来优化聚类分配并解决模糊的需求点。
• 该方法设计用于处理平稳与非平稳时间序列，使其适用于多样化的生产环境。
• 最终分类基于主导需求模式将产品分配至MTS或MTO，实现独立的调度与控制。

实验结果

研究问题

• RQ1 如何自动分割混合MTS-MTO需求特征，以识别原本被归类为MTS的产品中的MTO阶段？
• RQ2 哪些聚类与基于密度的技术能有效区分时间序列数据中MTS与MTO需求模式？
• RQ3 在实际制造环境中，自动检测MTO阶段在多大程度上可降低库存持有成本？
• RQ4 与纯粹的MTS策略相比，该方法在提升生产计划稳定性和客户服务水平方面有何改进？
• RQ5 基于需求行为对产品在MTS与MTO状态之间进行动态重新分类，其实际意义是什么？

主要发现

• 所提出的方法成功识别出原本纯MTS产品中18.1%的MTO阶段，实现了库存持有成本的可测量降低。
• 平均而言，最终MTS类别中81.9%的项目在对混合需求特征应用算法后被分类为MTS。
• 该算法通过实现对MTO与MTS项目分别规划，减少了非计划换线，提升了生产计划的稳定性。
• 该方法在平稳与非平稳时间序列中均表现出稳健性，支持在实际场景中的广泛适用。
• 案例研究显示，历史上被归类为MTS的产品通常表现出类似MTO的需求特征，这证明了动态重新分类的必要性。
• 本研究强调了将该算法集成到ERP系统中的潜力，以增强食品制造及类似行业中的生产计划。