长期需求波动供应链中的模型再训练与信息共享
物理与社会
2021-09-07 v1 机器学习
应用统计
摘要
基于经验数据的需求预测是优化供应链的一种可行方法。然而，在该方法中，根据过去数据构建的模型偶尔会因环境的长期变化而过时，此时应使用最新数据对模型进行更新（即再训练）。本研究采用最小设置考察了供应链中模型更新的影响。我们证明，当供应链中各参与方拥有各自的预测模型时，即便采用非常简单的补货策略，未协调的模型再训练也会引发牛鞭效应。我们的结果还表明，在相关参与方之间共享预测模型可显著削弱牛鞭效应。
引用
@article{arxiv.2109.01784,
title = {Model retraining and information sharing in a supply chain with long-term fluctuating demands},
author = {Takahiro Ezaki and Naoto Imura and Katsuhiro Nishinari},
journal= {arXiv preprint arXiv:2109.01784},
year = {2021}
}