面向船舶延迟缓解的过程感知采购交期预测
机器学习
2026-01-28 v1
摘要
准确预测采购交期（PLT）在工程订制行业如造舰和plant construction中始终是挑战，因单一关键组件的延迟可扰乱项目时间表。在造舰厂中，管片 spool 为关键组件；安装于钢结构框架内部，紧随钢结构立面后不久，一旦其采购延迟，后续所有任务都将停滞。针对这一问题，现有研究仅利用管片的静态物理属性预测PLT，忽略了采购作为动态、多利益相关者业务过程的本质特征。为此，本文提出一种新框架，将采购事件日志与数据记录相结合，预测PLT。从每个事件中提取时间属性，以反映过程的连续性和时序语境。随后，采用深度顺序神经网络结合多层感知器，集成静态与动态特征，使模型能够捕捉采购过程中的结构信息和上下文信息。使用来自全球著名韩国造舰公司的真实管片采购数据进行比较实验。评估三个任务：生产、后处理和采购交期预测。结果表明，相对于最佳现有方法，本方法在三个任务中均实现了66.6%至202.4%的平均绝对误差显著降低。这些发现表明，考虑采购过程信息对更准确的PLT预测具有重要价值。
引用
@article{arxiv.2601.19296,
title = {Process-Aware Procurement Lead Time Prediction for Shipyard Delay Mitigation},
author = {Yongjae Lee and Eunhee Park and Daesan Park and Dongho Kim and Jongho Choi and Hyerim Bae},
journal= {arXiv preprint arXiv:2601.19296},
year = {2026}
}