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メトリクス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。
この結果は、在庫システムのサービス レベルを向上させる予測モデルの有効性を示しており、それが顧客満足度と組織全体のパフォーマンスの向上につながります。
商用アプリケーションで AI を使用する場合、解釈可能性が重要な側面であることを考慮し、選択されたモデルに順列の重要度を適用して、機能の重要性を決定します。
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 results demonstrate the effectiveness of the predictive model in enhancing inventory system service levels, which leads to customer satisfaction and overall organizational performance. Considering interpretability is a significant aspect of using AI in commercial applications, permutation importance is applied to the selected model to determine the importance of features. 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