什么情况下？供应链风险管理中的因果机器学习
机器学习
2025-01-31 v1 统计方法学
摘要
发展机器学习模型的最终目标是进行最优干预。然而，大多数机器学习模型仅识别数据中的相关性，而非推断因果关系，这使得系统性规划更佳结果变得困难。本文提出并评估了在供应链风险管理中使用因果机器学习开发风险干预模型的做法，并以海事工程领域的供应链风险管理案例进行演示。我们的发现表明，因果机器学习通过识别在不同供应链干预下可实现的变化，增强了决策过程，使其能够进行“情景分析”。因此，我们提出了不同机器学习发展路径，用于预测风险并规划干预以最小化风险，并概述了供应链研究人员探索因果机器学习的关键步骤。
引用
@article{arxiv.2408.13556,
title = {What if? Causal Machine Learning in Supply Chain Risk Management},
author = {Mateusz Wyrembek and George Baryannis and Alexandra Brintrup},
journal= {arXiv preprint arXiv:2408.13556},
year = {2025}
}