Backorder Prediction in Inventory Management: Classification Techniques and Cost Considerations

要約

この記事では、在庫管理におけるバックオーダーを予測するための高度な分析アプローチを紹介します。
バックオーダーとは、在庫がなくなったためにすぐに履行できない注文を指します。
この作業では、バランス バギング分類器、ファジー ロジック、変分オートエンコーダー – 敵対的生成ネットワーク、多層パーセプトロン分類器などの複数の分類手法が、ROC-AUC や PR-AUC などのパフォーマンス評価指標を使用して評価されます。
さらに、この作業には、在庫管理とバックオーダー処理に関連する財務上の影響とコストを考慮して、利益関数と誤分類コストが組み込まれています。
この研究は、アンサンブル手法や VAE などのモデリング アプローチを組み合わせることで、在庫管理における不均衡なデータセットに効果的に対処し、解釈可能性を強調し、偽陽性と偽陰性を削減できることを示唆しています。
この研究は予測分析の進歩に貢献し、バックオーダー予測や意思決定のための在庫管理の最適化における今後の調査に貴重な洞察を提供します。

要約(オリジナル)

This article introduces an advanced analytical approach for predicting backorders in inventory management. Backorder refers to an order that cannot be immediately fulfilled due to stock depletion. Multiple classification techniques, including Balanced Bagging Classifiers, Fuzzy Logic, Variational Autoencoder – Generative Adversarial Networks, and Multi-layer Perceptron classifiers, are assessed in this work using performance evaluation metrics such as ROC-AUC and PR-AUC. Moreover, this work incorporates a profit function and misclassification costs, considering the financial implications and costs associated with inventory management and backorder handling. The study suggests that a combination of modeling approaches, including ensemble techniques and VAE, can effectively address imbalanced datasets in inventory management, emphasizing interpretability and reducing false positives and false negatives. This research contributes to the advancement of predictive analytics and offers valuable insights for future investigations in backorder forecasting and inventory control optimization for decision-making.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google