論文の概要: Agentic AI Framework for Smart Inventory Replenishment

• arxiv url: http://arxiv.org/abs/2511.23366v1
• Date: Fri, 28 Nov 2025 17:14:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.992571
• Title: Agentic AI Framework for Smart Inventory Replenishment
• Title（参考訳）: スマートインベントリリプライのためのエージェントAIフレームワーク
• Authors: Toqeer Ali Syed, Salman Jan, Gohar Ali, Ali Akarma, Ahmad Ali, Qurat-ul-Ain Mastoi,
• Abstract要約: 現代の小売業では、様々な製品は需要を予測し、在庫を防ぎ、高いポテンシャルのある製品を見つけるのを困難にしている。 我々は、在庫を監視し、適切なサプライヤーへの購入試行を開始し、トレンドやハイマージン製品をスキャンするために使用されるエージェントAIモデルを提案する。
• 参考スコア（独自算出の注目度）: 0.6670498055582529
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In contemporary retail, the variety of products available (e.g. clothing, groceries, cosmetics, frozen goods) make it difficult to predict the demand, prevent stockouts, and find high-potential products. We suggest an agentic AI model that will be used to monitor the inventory, initiate purchase attempts to the appropriate suppliers, and scan for trending or high-margin products to incorporate. The system applies demand forecasting, supplier selection optimization, multi-agent negotiation and continuous learning. We apply a prototype to a setting in the store of a middle scale mart, test its performance on three conventional and artificial data tables, and compare the results to the base heuristics. Our findings indicate that there is a decrease in stockouts, a reduction of inventory holding costs, and an improvement in product mix turnover. We address constraints, scalability as well as improvement prospect.
• Abstract（参考訳）: 現代の小売業では、さまざまな製品(衣料品、食料品、化粧品、冷凍品など)が需要を予測し、在庫を防ぎ、強力な製品を見つけるのが困難である。 我々は、在庫を監視し、適切なサプライヤーへの購入試行を開始し、トレンドやハイマージン製品をスキャンするために使用されるエージェントAIモデルを提案する。 本システムは,需要予測,サプライヤの選択最適化,マルチエージェント交渉,継続的学習を応用した。 本研究では,中規模マートの店舗にプロトタイプを適用し,その性能を従来の3つのデータテーブルと人工データテーブルで検証し,その結果を基礎ヒューリスティックスと比較する。 以上の結果から,在庫の減少,在庫保持コストの低減,製品混合ターンオーバーの改善が示唆された。 制約、スケーラビリティ、そして改善の見通しに対処します。

関連論文リスト

• TAT: Temporal-Aligned Transformer for Multi-Horizon Peak Demand Forecasting [51.37167759339485]
  本稿では,アプリロリで知られたコンテキスト変数を利用して予測性能を向上させるマルチホライゾン予測器であるTemporal-Aligned Transformer (TAT)を提案する。 我々のモデルはエンコーダとデコーダで構成されており、どちらもピーク需要予測のためのコンテキスト依存アライメントを学習するための新しい時間アライメントアテンション(TAA)を組み込んでいる。 以上の結果から,TATはピーク需要予測において30%の精度を実現し,他の最先端手法と比較して総合的な性能を維持した。
  論文  参考訳（メタデータ） (2025-07-14T14:51:24Z)
• Personalized Product Assortment with Real-time 3D Perception and Bayesian Payoff Estimation [3.373994463906893]
  リアルタイムレコメンデーションシステムを導入し、EdgeRec3Dと呼ぶ。 本システムは,3次元コンピュータビジョンの最近の進歩を,認識と自動的,きめ細かな販売推定に活用する。 ドリンク製品を用いた2～8週間のA/Bテストで実店舗でテストを行い,それぞれ35%,27%の売り上げ増を示した。
  論文  参考訳（メタデータ） (2024-06-11T23:23:54Z)
• Refined Mechanism Design for Approximately Structured Priors via Active Regression [50.71772232237571]
  我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。 この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
  論文  参考訳（メタデータ） (2023-10-11T20:34:17Z)
• Backorder Prediction in Inventory Management: Classification Techniques and Cost Considerations [0.0]
  本稿では,在庫管理における後方予測のための高度な分析手法を紹介する。 秩序とは、株式の枯渇により直ちに達成できない命令をいう。 アンサンブル手法とVAEを含むモデリング手法を組み合わせることで、在庫管理における不均衡なデータセットに効果的に対処できることが研究で示唆されている。
  論文  参考訳（メタデータ） (2023-09-25T02:50:20Z)
• Scalable Multi-Agent Reinforcement Learning for Warehouse Logistics with Robotic and Human Co-Workers [41.293077032127904]
  我々は、多数の移動ロボットと人間のピッカーが協力して倉庫内でアイテムを収集、配達する倉庫について検討する。 私たちが取り組んだ根本的な問題は、これらの作業員がこの作業においてパフォーマンスを最大化するために、倉庫内での動きと動作をどのように調整する必要があるかである。 我々は,マネージャエージェントが労働者エージェントに目標を割り当てる階層的MARLアルゴリズムを開発し,グローバルな目標の最大化に向けて,マネージャと労働者の方針を協調的に訓練する。
  論文  参考訳（メタデータ） (2022-12-22T06:18:41Z)
• A Simulation Environment and Reinforcement Learning Method for Waste Reduction [50.545552995521774]
  本稿では, 流通の観点から, 食料品店の在庫を消耗品で補充する際の問題点を考察する。 目的は、ごみを最小化しながら販売を最大化することであり、衣料品の実際の消費について不確実性がある。 我々は, エージェントの行動に合わせた行動を示す新しい強化学習タスクとして, 在庫再備の枠組みを定めている。
  論文  参考訳（メタデータ） (2022-05-30T22:48:57Z)
• Approaching sales forecasting using recurrent neural networks and transformers [57.43518732385863]
  深層学習技術を用いて,日・店・店レベルでの顧客販売予測問題に対処する3つの方法を開発した。 実験結果から,データ前処理を最小限に抑えた単純なシーケンスアーキテクチャを用いて,優れた性能を実現することができることを示す。 提案した解は約0.54の RMSLE を達成し、Kaggle コンペティションで提案された問題に対する他のより具体的な解と競合する。
  論文  参考訳（メタデータ） (2022-04-16T12:03:52Z)
• Improving Sales Forecasting Accuracy: A Tensor Factorization Approach with Demand Awareness [1.8282018606246824]
  販売予測への高度時間潜在因子アプローチ(ATLAS)という新しいアプローチを提案する。 ATLASは、複数のストアや製品にまたがる単一のテンソルファクターモデルを構築することで、販売の正確かつ個別化された予測を実現する。 ATLASの利点は、Information Resource, Inc.が収集した8つの製品カテゴリデータセットで実証されている。
  論文  参考訳（メタデータ） (2020-11-06T16:04:40Z)

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。