文献

J-GLOBAL ID：202202248527457307   整理番号：22A1104748

機械学習と統計的方法を用いた乳製品の生産計画における需要予測【JST・京大機械翻訳】

Demand Forecasting in Production Planning for Dairy Products Using Machine Learning and Statistical Method

著者 (2件)： Vithitsoontorn Chayuth (Chulalongkorn University,Computer Engineering,Bangkok,Thailand) ,  Chongstitvatana Prabhas (Chulalongkorn University,Computer Engineering,Bangkok,Thailand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： iEECON  ページ： 1-4  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 需要予測は,あらゆる産業の重要な作業である。効率的な予測は,過剰ストックとストック外問題を軽減し,収入損失を低減する。本研究は,5年のデータを有する5つの異なる酪農生産プラントの8つの乳製品に関する需要予測の直接多段階予測アプローチを実行する。広く使用された伝統的統計的方法および配列問題のための最新の深層学習方法の段階を,選択した。ARIMAとLSTM。モデルを,多くの側面,毎週の観測に対する毎月の観測,多変量に対する一変量,およびモデル誤差とビジネス計量を用いた深層学習に対する統計と比較した。結果は,統計的および深い学習方法の両方が信頼できて,需要予測で使用するのに適していることを示した。単一の最良最適化アルゴリズムはない。ARIMAは平均直線で将来を予測する。それは,いくつかのウェーブリング系列に関して最良の結果を示し,一方,LSTMは,将来の価値を,シリーズの季節に従って予測した。それは,強い傾向系列に関してARIMAを動かす。毎月の観測に関するモデルの訓練は,より良い誤差スコアを提供した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *生産計画 ,  プラント ,  *乳製品 ,  最適化手法 ,  *統計的方法 ,  *需要予測 ,  在庫量 ,  *機械学習
準シソーラス用語： ARIMAモデル ,  学習方法 ,  多変量 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  統計的方法 ,  乳製品 ,  計画 ,  需要予測