半空还是半满？一种预测消费者回收行为以提升逆向自动售货机正常运行时间的混合方法
机器学习
2020-03-31 v1 应用统计
机器学习
摘要
逆向自动售货机（RVM）是促进闭环塑料包装回收的成熟工具。RVM上良好的客户体验对于该技术的进一步推广至关重要。在RVM市场全球领导者处，料箱满溢事件是RVM停机的主要原因。本文开发并评估了一种基于机器学习与统计近似的方法，以预见料箱满溢事件，从而提升RVM的正常运行时间。我们的方法依赖于预测给定RVM处返还饮料容器的小时级时间序列。我们的贡献在于开发并评估了一种零售场景下的小时级预测方法——应用域与预测粒度的这一组合是新颖的。追踪驱动的仿真证实，相较于朴素清空策略，基于预测的方法带来了更少的停机时间与成本。
引用
@article{arxiv.2003.13304,
title = {Half-empty or half-full? A Hybrid Approach to Predict Recycling Behavior of Consumers to Increase Reverse Vending Machine Uptime},
author = {Jannis Walk and Robin Hirt and Niklas Kühl and Erik R. Hersløv},
journal= {arXiv preprint arXiv:2003.13304},
year = {2020}
}
备注
Exploring Service Science : 10th International Conference on Exploring Service Science, IESS 2020