层级零部件大规模需求预测的工业案例
应用统计
2020-09-08 v1
摘要
层级零部件的需求预测在制造业中至关重要。然而，机器学习文献对其的讨论有限，且主观判断预测在工业界仍普遍存在。需求规划人员需要易于理解且能够给出最先进结果的工具。本工作展示了全球最大电子制造商之一的需求预测工业案例。它力求通过五项贡献为从业者提供支持：(1) 应用于相关数据集的十四种需求预测方法的基准测试，(2) 一种产生与最先进水平相当结果的数据变换技术，(3) 一种基于矩阵分解的 ARIMA 替代方案，(4) 一种基于时间序列拓扑数据分析的模型选择技术，以及 (5) 一个新颖的数据集。寻求提升现有人员技能并提高预测精度的组织将从此工作中获益。
引用
@article{arxiv.2009.03262,
title = {An industry case of large-scale demand forecasting of hierarchical components},
author = {Rodrigo Rivera-Castro and Ivan Nazarov and Yuke Xiang and Ivan Maksimov and Aleksandr Pletnev and Evgeny Burnaev},
journal= {arXiv preprint arXiv:2009.03262},
year = {2020}
}