A Study of Data-driven Methods for Inventory Optimization

要約

このペーパーでは、3つのインベントリモデル（失われた販売、デュアルソーシング、マルチチェロン在庫モデル）への3つのアルゴリズム（時系列、ランダムフォレスト（RF）およびディープ補強学習）の包括的な分析を示しています。
これらの方法論は、スーパーマーケットのコンテキストで適用されます。
主な目的は、データ駆動型の効率的な方法を分析することです。
このレポートでは、それらの可能性、潜在的、現在の課題が考慮されています。
各モデルの結果を比較することにより、各アルゴリズムの有効性は、予測の精度、市場の変化への適応性、在庫コストと顧客満足度への全体的な影響など、いくつかの主要なパフォーマンスインジケーターに基づいて評価されます。
データ視覚化ツールと統計的メトリックは、比較の指標であり、在庫管理における意思決定を導くことができるいくつかの明らかな傾向とパターンを示します。
これらのツールにより、マネージャーは異なるアルゴリズムのパフォーマンスをリアルタイムで追跡するだけでなく、特定のデータポイントにドリルダウンして、在庫変動の根本的な原因を理解することもできます。
このレベルの詳細は、サプライチェーン内の改善のための非効率性と分野を特定するために重要です。

要約(オリジナル)

This paper shows a comprehensive analysis of three algorithms (Time Series, Random Forest (RF) and Deep Reinforcement Learning) into three inventory models (the Lost Sales, Dual-Sourcing and Multi-Echelon Inventory Model). These methodologies are applied in the supermarket context. The main purpose is to analyse efficient methods for the data-driven. Their possibility, potential and current challenges are taken into consideration in this report. By comparing the results in each model, the effectiveness of each algorithm is evaluated based on several key performance indicators, including forecast accuracy, adaptability to market changes, and overall impact on inventory costs and customer satisfaction levels. The data visualization tools and statistical metrics are the indicators for the comparisons and show some obvious trends and patterns that can guide decision-making in inventory management. These tools enable managers to not only track the performance of different algorithms in real-time but also to drill down into specific data points to understand the underlying causes of inventory fluctuations. This level of detail is crucial for pinpointing inefficiencies and areas for improvement within the supply chain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google