論文の概要: Bridging Forecast Accuracy and Inventory KPIs: A Simulation-Based Software Framework

• arxiv url: http://arxiv.org/abs/2601.21844v2
• Date: Sat, 31 Jan 2026 12:21:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 15:03:50.789616
• Title: Bridging Forecast Accuracy and Inventory KPIs: A Simulation-Based Software Framework
• Title（参考訳）: Bridging Forecastの精度とインベントリKPI:シミュレーションベースのソフトウェアフレームワーク
• Authors: So Fukuhara, Abdallah Alabdallah, Nuwan Gunasekara, Slawomir Nowaczyk,
• Abstract要約: 本稿では,現実的な在庫管理環境における予測モデルの体系的評価を可能にする意思決定中心のシミュレーションフレームワークを提案する。 精度指標の改善が必ずしも改善につながるとは限らないことを示し、類似のエラープロファイルを持つモデルが異なるコストサービストレードオフを誘発できることを示した。 全体として、このフレームワークは需要予測と在庫管理をリンクし、予測精度から運用関連性へと評価をシフトさせる。
• 参考スコア（独自算出の注目度）: 4.089848545480847
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient management of spare parts inventory is crucial in the automotive aftermarket, where demand is highly intermittent and uncertainty drives substantial cost and service risks. Forecasting is therefore central, but the quality of forecasting models should be judged not by statistical accuracy (e.g., MAE, RMSE) but rather by its impact on key operational performance indicators (KPIs), such as total cost and service level. Yet most existing work evaluates models exclusively using accuracy metrics, and the relationship between these metrics and KPIs remains poorly understood. To address this gap, we propose a decision-centric simulation software framework that enables systematic evaluation of forecasting models in realistic inventory management setting. The framework comprises: (i) a synthetic demand generator tailored to spare-parts demand characteristics, (ii) a flexible forecasting module that can host arbitrary predictive models, and (iii) an inventory control simulator that consumes the forecasts and computes operational KPIs. This closed-loop setup enables researchers to evaluate models not only in terms of statistical error but also in terms of downstream inventory implications. Using a wide range of simulation scenarios, we show that improvements in accuracy metrics do not necessarily lead to better KPIs, and that models with similar error profiles can induce different cost-service trade-offs. We analyze these discrepancies to characterize how forecast performance affects inventory outcomes and derive guidance for model selection. Overall, the framework links demand forecasting and inventory management, shifting evaluation from predictive accuracy toward operational relevance in the automotive aftermarket and related domains. An open-source implementation of the software is available at https://github.com/caisr-hh/TruckParts-Demand-Inventory-Simulator/releases/tag/IDA_2026.
• Abstract（参考訳）: 自動車の余剰部品在庫の効率的な管理は、需要が断続的であり、不確実性が相当なコストとサービスリスクを引き起こす自動車のアフターマーケットにおいて不可欠である。 したがって、予測は中心的であるが、予測モデルの質は、統計的精度(例えば、MAE、RMSE)ではなく、総コストやサービスレベルといった主要な運用パフォーマンス指標(KPI)への影響によって判断されるべきである。 しかし、既存のほとんどの研究は精度メトリクスのみを使用してモデルを評価しており、これらのメトリクスとKPIの関係はいまだによく分かっていない。 このギャップに対処するために,現実的な在庫管理環境での予測モデルの体系的な評価を可能にする,意思決定中心のシミュレーションソフトウェアフレームワークを提案する。 フレームワークは以下のとおりである。 一 余剰部品の需要特性に合わせた合成需要発生装置 (ii)任意の予測モデルをホストできるフレキシブルな予測モジュール、 三 予測を消費し、運用KPIを演算する在庫管理シミュレータ。 このクローズドループ設定により、研究者は統計誤差だけでなく、下流の在庫含意の観点からモデルを評価することができる。 幅広いシミュレーションシナリオを用いて、精度の指標の改善が必ずしもKPIの改善につながるとは限らないこと、また、類似のエラープロファイルを持つモデルが異なるコストサービストレードオフを誘発できることを示した。 予測性能が在庫成績にどのように影響するかを特徴付けるために,これらの相違を解析し,モデル選択のためのガイダンスを導出する。 全体として、このフレームワークは需要予測と在庫管理をリンクさせ、自動車のアフターマーケットおよび関連ドメインにおける、予測精度から運用関連性への評価をシフトさせる。 このソフトウェアのオープンソース実装はhttps://github.com/caisr-hh/TruckParts-Demand-Inventory-Simulator/releases/tag/IDA_2026で公開されている。

関連論文リスト

• Beyond Demand Estimation: Consumer Surplus Evaluation via Cumulative Propensity Weights [14.103811043596666]
  本稿では,需要関数の明示的な推定と数値積分を回避する推定器を提案する。 我々は、この枠組みを不平等を意識した余剰措置に拡張し、規制当局や企業が利益と平等のトレードオフを定量化できるようにする。
  論文  参考訳（メタデータ） (2026-01-03T01:41:40Z)
• The Forecast Critic: Leveraging Large Language Models for Poor Forecast Identification [74.64864354503204]
  本稿では,Large Language Models (LLM) を利用した予測自動監視システムであるThe Forecast Criticを提案する。 LLMの時系列予測品質を評価する能力を評価する。 合成および実世界の予測データを含む3つの実験を行った。
  論文  参考訳（メタデータ） (2025-12-12T21:59:53Z)
• Hierarchical Evaluation Function: A Multi-Metric Approach for Optimizing Demand Forecasting Models [0.479839492673697]
  ハイパーパラメータ最適化のためのマルチメトリックフレームワークとして階層評価関数(HEF)を提案する。 HEFは説明力(R2)、過度エラーに対する感度(RMSE)、平均精度(MAE)を統合している。 HEFの性能は予測領域で広く認識されている4つのベンチマークデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2025-08-18T16:25:49Z)
• Comparative Analysis of Modern Machine Learning Models for Retail Sales Forecasting [0.0]
  予測が販売水準を過小評価すると、企業は販売、不足、そして関連する市場での小売業者の評判に影響を及ぼす。 本研究は,高解像度のレンガとモルタルの小売データセットに適用した予測モデルを徹底的に評価する。
  論文  参考訳（メタデータ） (2025-06-06T10:08:17Z)
• On Large-scale Evaluation of Embedding Models for Knowledge Graph Completion [1.2703808802607108]
  知識グラフ埋め込み(KGE)モデルは知識グラフ補完のために広く研究されている。 標準的な評価基準は、欠落した三重項を正確に予測するためのモデルを罰するクローズドワールドの仮定に依存している。 本稿では,大規模データセットFB-CVT-REVとFB+CVT-REVの4つの代表的なKGEモデルを包括的に評価する。
  論文  参考訳（メタデータ） (2025-04-11T20:49:02Z)
• DUPRE: Data Utility Prediction for Efficient Data Valuation [49.60564885180563]
  Data Shapleyのような協調ゲーム理論に基づくデータ評価では、データユーティリティを評価し、複数のデータサブセットに対してMLモデルを再トレーニングする必要がある。 我々のフレームワークである textttDUPRE は、モデル再学習による評価ではなく、データユーティリティを予測することによって、サブセット評価当たりのコストを削減できる代替手法を採用しています。 具体的には、いくつかのデータサブセットのデータユーティリティを評価すると、textttDUPREは、他のすべてのデータサブセットの有用性を予測するために、emphGaussianプロセス(GP)回帰モデルに適合する。
  論文  参考訳（メタデータ） (2025-02-22T08:53:39Z)
• 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)
• A Probabilistic Perspective on Unlearning and Alignment for Large Language Models [48.96686419141881]
  大規模言語モデル(LLM)のための最初の形式的確率的評価フレームワークを紹介する。 すなわち,モデルの出力分布に関する確率保証の高い新しい指標を提案する。 私たちのメトリクスはアプリケーションに依存しないので、デプロイ前にモデル機能についてより信頼性の高い見積を行うことができます。
  論文  参考訳（メタデータ） (2024-10-04T15:44:23Z)
• F-FOMAML: GNN-Enhanced Meta-Learning for Peak Period Demand Forecasting with Proxy Data [65.6499834212641]
  本稿では,需要予測をメタラーニング問題として定式化し,F-FOMAMLアルゴリズムを開発した。 タスク固有のメタデータを通してドメインの類似性を考慮することにより、トレーニングタスクの数が増加するにつれて過剰なリスクが減少する一般化を改善した。 従来の最先端モデルと比較して,本手法では需要予測精度が著しく向上し,内部自動販売機データセットでは平均絶対誤差が26.24%,JD.comデータセットでは1.04%削減された。
  論文  参考訳（メタデータ） (2024-06-23T21:28:50Z)
• Predictability Analysis of Regression Problems via Conditional Entropy Estimations [1.8913544072080544]
  回帰問題の予測可能性を評価するために,条件付きエントロピー推定器を開発した。 合成および実世界のデータセットの実験は、これらの推定器の堅牢性と有用性を示している。
  論文  参考訳（メタデータ） (2024-06-06T07:59:19Z)
• 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)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)
• Blending MPC & Value Function Approximation for Efficient Reinforcement Learning [42.429730406277315]
  モデル予測制御(MPC)は、複雑な実世界のシステムを制御する強力なツールである。 モデルフリー強化学習(RL)によるMPC改善のためのフレームワークを提案する。 我々は,本手法がmpcに匹敵する性能と真のダイナミクスを両立できることを示す。
  論文  参考訳（メタデータ） (2020-12-10T11:32:01Z)
• A New Metric for Lumpy and Intermittent Demand Forecasts: Stock-keeping-oriented Prediction Error Costs [0.0]
  本稿では,製品需要予測のための新しい指標を提案する。 この指標は自動車のアフターマーケットからのシミュレーションと実際の需要時系列に基づいている。
  論文  参考訳（メタデータ） (2020-04-22T12:50:24Z)

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。