面向预测的大数据–供应链管理框架：数据预处理与机器学习技术
机器学习
2025-09-04 v6 机器学习
摘要
本文旨在系统识别并比较分析最先进的供应链（SC）预测策略与技术。提出了一个新框架，将大数据分析纳入供应链管理（问题识别、数据源、探索性数据分析、机器学习模型训练、超参数调优、性能评估与优化），以及预测对人力、库存和整体供应链的影响。最初，讨论了根据 SC 策略收集数据的必要性及收集方式。文章探讨了根据周期或 SC 目标采用不同类型预测的必要性。推荐了 SC KPI 与误差度量系统以优化表现最佳的模型。阐明了幻影库存对预测的不利影响，以及管理决策依赖于 SC KPI 来确定模型性能参数并改善运营管理、透明度和规划效率。框架内的循环连接引入了基于后处理 KPI 的预处理优化，优化整体控制过程（库存管理、人力确定、成本、生产与产能规划）。本研究的贡献在于标准 SC 流程框架提案、推荐的预测数据分析、预测对 SC 绩效的影响、所遵循的机器学习算法优化，并阐明了未来研究。
引用
@article{arxiv.2307.12971,
title = {Big Data$\unicode{x2013}$Supply Chain Management Framework for Forecasting: Data Preprocessing and Machine Learning Techniques},
author = {Md Abrar Jahin and Md Sakib Hossain Shovon and Jungpil Shin and Istiyaque Ahmed Ridoy and M. F. Mridha},
journal= {arXiv preprint arXiv:2307.12971},
year = {2025}
}