基于霍克斯过程序贯变点检测的供应链网络中断在线检测
机器学习
2022-11-23 v1 人工智能
摘要
在本文中，我们试图检测一家大型家具公司收到的供应链数据中由 Covid-19 大流行引起的拐点或变点。为此，我们对公司的时空订单数据采用了改进的 CUSUM（累积和）过程以及基于 GLR（广义似然比）的方法。我们使用霍克斯过程网络（一种多维自激与互激点过程）对订单数据建模，将空间数据离散化，并将每个订单视为具有对应节点和时间的事件。我们在该公司全国范围内订单量最高的商品上应用这些方法，并对单个州进行了深入剖析。由于该商品在该州的订单频率低于全国，该方法使我们能够展示其在不同数据稀疏程度下的有效性。此外，它展示了在不同空间细节层级上的应用潜力。
引用
@article{arxiv.2211.12091,
title = {Online Detection Of Supply Chain Network Disruptions Using Sequential Change-Point Detection for Hawkes Processes},
author = {Khurram Yamin and Haoyun Wang and Benoit Montreuil and Yao Xie},
journal= {arXiv preprint arXiv:2211.12091},
year = {2022}
}
备注
Accepted to AAAI 2023 Workshop on Graphs and more Complex structures for Learning and Reasoning