論文の概要: Smart Contract Adoption under Discrete Overdispersed Demand: A Negative Binomial Optimization Perspective

• arxiv url: http://arxiv.org/abs/2510.05487v1
• Date: Tue, 07 Oct 2025 01:04:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-08 17:57:08.047394
• Title: Smart Contract Adoption under Discrete Overdispersed Demand: A Negative Binomial Optimization Perspective
• Title（参考訳）: 離散的過分散需要下におけるスマートコントラクトの導入:負の2項最適化の視点
• Authors: Jinho Cha, Sahng-Min Han, Long Pham,
• Abstract要約: 本研究は,動的負二項(NB)需要モデリングと内因性スマートコントラクトの採用を組み合わせた最適化フレームワークを開発する。 このフレームワークは在庫コスト、サービスレベル、実装コストのバランスをとるための実行可能なガイダンスを提供する。
• 参考スコア（独自算出の注目度）: 0.9282261102509425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Effective supply chain management under high-variance demand requires models that jointly address demand uncertainty and digital contracting adoption. Existing research often simplifies demand variability or treats adoption as an exogenous decision, limiting relevance in e-commerce and humanitarian logistics. This study develops an optimization framework combining dynamic Negative Binomial (NB) demand modeling with endogenous smart contract adoption. The NB process incorporates autoregressive dynamics in success probability to capture overdispersion and temporal correlation. Simulation experiments using four real-world datasets, including Delhivery Logistics and the SCMS Global Health Delivery system, apply maximum likelihood estimation and grid search to optimize adoption intensity and order quantity. Across all datasets, the NB specification outperforms Poisson and Gaussian benchmarks, with overdispersion indices exceeding 1.5. Forecasting comparisons show that while ARIMA and Exponential Smoothing achieve similar point accuracy, the NB model provides superior stability under high variance. Scenario analysis reveals that when dispersion exceeds a critical threshold (r > 6), increasing smart contract adoption above 70% significantly enhances profitability and service levels. This framework offers actionable guidance for balancing inventory costs, service levels, and implementation expenses, highlighting the importance of aligning digital adoption strategies with empirically observed demand volatility.
• Abstract（参考訳）: 高分散需要下での効果的なサプライチェーン管理には、需要の不確実性とデジタル契約の採用に共同で対処するモデルが必要である。 既存の研究は、しばしば需要変動を単純化したり、外生的な決定として採用を扱い、eコマースと人道的ロジスティクスの関連性を制限する。 本研究は,動的負二項(NB)需要モデリングと内因性スマートコントラクトの採用を組み合わせた最適化フレームワークを開発する。 NBプロセスは自己回帰力学を成功確率に取り入れ、過分散と時間的相関を捉える。 Delhivery LogisticsとSCMS Global Health Delivery Systemを含む4つの実世界のデータセットを用いたシミュレーション実験は、採用強度と発注量を最適化するために最大推定値とグリッドサーチを適用している。 すべてのデータセットで、NB仕様はPoissonとGaussianベンチマークを上回り、オーバー分散指数は1.5を超えている。 予測比較の結果, ARIMA と Exponential Smoothing は同様の点の精度が得られたが, NB モデルでは高分散下での安定性が向上した。 シナリオ分析では、分散が臨界しきい値(r>6)を超えると、スマートコントラクトの採用が70%を超えると、収益性とサービスレベルが著しく向上することが示された。 このフレームワークは、在庫コスト、サービスレベル、実装コストのバランスをとるための実行可能なガイダンスを提供する。

関連論文リスト

• MMR1: Enhancing Multimodal Reasoning with Variance-Aware Sampling and Open Resources [113.33902847941941]
  VAS (Variance-Aware Sampling) は、Variance Promotion Score (VPS) によって導かれるデータ選択戦略である。 我々は、1.6MのCoT冷間開始データと15kのRLQAペアを含む大規模かつ慎重にキュレートされたリソースをリリースする。 数学的推論ベンチマークによる実験では、キュレートされたデータと提案されたVASの有効性が示されている。
  論文  参考訳（メタデータ） (2025-09-25T14:58:29Z)
• Intelligent Routing for Sparse Demand Forecasting: A Comparative Evaluation of Selection Strategies [0.6798775532273751]
  サプライチェーンにおける パースと断続的な需要予測は 重大な課題です 本稿では, モデルスパンニングフレームワークを提案し, モデルスパンニングの古典的, ML, DLメソッドを製品毎に選択する。 大規模なFavoritaデータセットの実験では、ディープラーニング(インセプションタイム)ルータが予測精度を最大11.8%向上している。
  論文  参考訳（メタデータ） (2025-06-04T03:09:45Z)
• Modèles de Substitution pour les Modèles à base d'Agents : Enjeux, Méthodes et Applications [0.0]
  エージェントベースモデル(ABM)は、局所的な相互作用から生じる創発的な現象を研究するために広く用いられている。 ABMの複雑さは、リアルタイム意思決定と大規模シナリオ分析の可能性を制限する。 これらの制限に対処するため、サロゲートモデルはスパースシミュレーションデータから近似を学習することで効率的な代替手段を提供する。
  論文  参考訳（メタデータ） (2025-05-17T08:55:33Z)
• Optimizing Sequential Recommendation Models with Scaling Laws and Approximate Entropy [104.48511402784763]
  SRモデルの性能法則は,モデルの性能とデータ品質の関係を理論的に調査し,モデル化することを目的としている。 データ品質を評価するために、従来のデータ量メトリクスと比較して、より曖昧なアプローチを示すために、近似エントロピー(ApEn)を提案する。
  論文  参考訳（メタデータ） (2024-11-30T10:56:30Z)
• Bridging and Modeling Correlations in Pairwise Data for Direct Preference Optimization [75.1240295759264]
  本稿では,BMC という名前のペアデータにおけるブリッジ・アンド・モデリングの効果的なフレームワークを提案する。 目的の修正によって、ペアの選好信号の一貫性と情報性が向上する。 DPOだけではこれらの相関をモデル化し、ニュアンス付き変動を捉えるには不十分である。
  論文  参考訳（メタデータ） (2024-08-14T11:29:47Z)
• Adaptive Two-Stage Cloud Resource Scaling via Hierarchical Multi-Indicator Forecasting and Bayesian Decision-Making [34.45001012661263]
  適応型階層型アテンションに基づく資源モデリングと意思決定システムであるHRAMONYを提案する。 Harmonyは階層的な多指標分布予測と不確実性を考慮したベイズ決定を組み合わせている。 1ヶ月にわたる実世界の展開は、HARMONYの実質的な影響を検証し、35,000時間以上のGPUの節約と1K以上のコスト削減を実現した。
  論文  参考訳（メタデータ） (2024-08-02T04:19:25Z)
• XRMDN: An Extended Recurrent Mixture Density Network for Short-Term Probabilistic Rider Demand Forecasting with High Volatility [16.047461063459846]
  本稿では,XRMDN (Extended Recurrent Mixture Density Network) を提案する。 XRMDNは需要動向を順応的に捉え、特に高ボラティリティシナリオにおいて予測精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-10-15T14:18:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。