論文の概要: Integrating Deep Learning Demand Forecasting with Multi-Objective Optimization for Circular Coffee Supply Chains: A Data-Driven Framework for Cost, Emissions, and Freshness Management

• arxiv url: http://arxiv.org/abs/2606.08314v1
• Date: Sat, 06 Jun 2026 19:59:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.038945
• Title: Integrating Deep Learning Demand Forecasting with Multi-Objective Optimization for Circular Coffee Supply Chains: A Data-Driven Framework for Cost, Emissions, and Freshness Management
• Title（参考訳）: 深層学習需要予測と循環コーヒー供給チェーンの多目的最適化の統合:コスト・エミッション・鮮度管理のためのデータ駆動フレームワーク
• Authors: Gerçek Budak, Faraz Gholamzadeh Gharehgheshlaghi, Melika Barjesteh Vaezi, Ahmad Gholizadeh Lonbar,
• Abstract要約: 本研究では,コーヒーサプライチェーンにおける需要予測,最適化,トレーサビリティのための2段階統合フレームワークを提案する。 第1フェーズでは、需要予測にハイブリッドCNN-LSTMモデルを用いており、時系列70/15/15分割によるコーヒーチェーン販売データセットでは、22.87とR2の0.90のMAEを達成し、最高のディープラーニングベンチマークを12%上回り、古典的な手法を30%以上上回っている。 第2フェーズでは、予測された需要が三目的混合整数線形プログラミング(MILP)モデルに供給され、コストを最小化し、二酸化炭素排出量を最小化する。
• 参考スコア（独自算出の注目度）: 0.23332469289621785
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The coffee supply chain is one of the most complex agri-food networks, marked by geographically dispersed production, multi-tier coordination, and high sensitivity to quality and freshness. While sustainability and digitalization have gained attention, demand forecasting, optimization, and traceability are often treated separately. This study presents a two-phase integrated framework. First, a hybrid CNN-LSTM model is used for demand forecasting. On the public Coffee Chain Sales dataset with chronological 70/15/15 splitting, the model achieves MAE of 22.87 and R^2 of 0.90, outperforming the best deep learning benchmark by ~12% and classical methods by over 30%. In the second phase, the forecasted demand feeds a tri-objective mixed-integer linear programming (MILP) model that jointly minimizes cost, minimizes carbon emissions, and maximizes product freshness in a multi-period, multimodal, closed-loop supply chain with circular recovery. Freshness is modeled via exponential decay based on inventory age. Using the epsilon-constraint method, 25 Pareto solutions are obtained. Sensitivity and policy analyses show that balanced sustainability policies can reduce emissions by 22.4% with only a 9.9% cost increase while maintaining near-optimal freshness. Keywords: Coffee supply chain; Deep learning; Demand forecasting; Multi-objective optimization; Circular economy; CNN-LSTM; Mixed-integer linear programming.
• Abstract（参考訳）: コーヒーサプライチェーンは、地理的に分散した生産、多層調整、品質と鮮度に対する高い感度を特徴とする、最も複雑なアグリフードネットワークの1つである。 持続可能性やデジタル化が注目されている一方で、需要予測、最適化、トレーサビリティは別々に扱われることが多い。 本研究では,2相統合フレームワークを提案する。 まず、需要予測にハイブリッドCNN-LSTMモデルを用いる。 時系列70/15/15分割による公開コーヒーチェーン販売データセットでは、このモデルは22.87とR^2の0.90のMAEを達成し、最高のディープラーニングベンチマークを約12%上回り、古典的な手法を30%以上上回っている。 第2フェーズでは、予測された需要が三目的混合整数線形プログラミング(MILP)モデルに供給され、コストを最小化し、炭素排出量を最小化し、循環回復を伴う多周期多モード閉ループサプライチェーンにおける製品の鮮度を最大化する。 鮮度は在庫年齢に基づいて指数減衰によってモデル化される。 Epsilon-Constraint法を用いて25のPareto溶液を得る。 感度と政策分析は、バランスの取れた持続可能性政策が、ほぼ最適の鮮度を維持しながら、9.9%のコスト増加で排出量を22.4%削減できることを示している。 キーワード:コーヒーサプライチェーン、ディープラーニング、需要予測、多目的最適化、循環経済、CNN-LSTM、混合整数線形プログラミング。

関連論文リスト

• Hybrid Deep Learning Approach for Coupled Demand Forecasting and Supply Chain Optimization [0.21990652930491858]
  本稿では,需要供給予測と最適化のためのハイブリッドAIフレームワーク(HAF-DS)を提案する。 LSTM(Long Short-Term Memory)ベースの需要予測モジュールと混合整数線形プログラミング(MILP)最適化層を統合している。 繊維販売とサプライチェーンデータセットの実験は、統計的およびディープラーニングベースラインよりも顕著なパフォーマンス向上を示している。
  論文  参考訳（メタデータ） (2026-04-23T11:38:59Z)
• Hybrid Hidden Markov Model for Modeling Equity Excess Growth Rate Dynamics: A Discrete-State Approach with Jump-Diffusion [0.0]
  パラメトリックモデルから深層生成ネットワークへの既存のアプローチは、重み付き分布、無視可能な線形自己相関、永続的なボラティリティクラスタリングを同時に再現するのに苦労している。 本稿では,連続的過剰成長率をLaplacequantile-defined market stateに離散化するハイブリッド隠れマルコフフレームワークを提案する。 パラメータは直接遷移カウントによって推定され、Baum-Welch EMアルゴリズムをバイパスする。
  論文  参考訳（メタデータ） (2026-03-10T20:06:53Z)
• 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)
• Reinforcement Learning for Multi-Objective Multi-Echelon Supply Chain Optimisation [3.1194372040101928]
  重み付き和で修正した元来の単目的RLアルゴリズムに対してベンチマークした多目的強化学習(RL)法を用いてモデルを評価する。 我々は、カスタマイズ可能なシミュレータを用いて、様々なネットワーク複雑度の実験を行い、典型的な現実世界の課題を模倣する。 このモデルはサプライチェーンの経路をまたいだ生産量と納入量を決定し、競合する目標間のほぼ最適なトレードオフを達成する。
  論文  参考訳（メタデータ） (2025-07-26T04:30:11Z)
• Generalized Linear Bandits: Almost Optimal Regret with One-Pass Update [70.38810219913593]
  非線形リンク関数を組み込んで古典線形モデルを拡張したコンテキスト型多武装バンディットフレームワークである一般化線形バンディット問題(GLB)について検討する。 GLBは現実世界のシナリオに広く適用できるが、その非線形性は計算効率と統計効率の両方を達成する上で大きな課題をもたらす。 本稿では,$mathcalO(1)$時間と1ラウンドあたりの空間複雑度をほぼ最適に再現するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-07-16T02:24:21Z)
• Combating the Bullwhip Effect in Rival Online Food Delivery Platforms Using Deep Learning [0.0]
  本稿では,レストラン,オンライン食品アプリ,顧客を含む3部構成物流(PL)サプライチェーンモデルを提案する。 2相Long Short-Term Memory(LSTM)ネットワークを使用して、ディープラーニングベースの需要予測モデルを使用する。 提案手法はブルウィップ効果を著しく低減し,予測精度とサプライチェーン効率を向上する。
  論文  参考訳（メタデータ） (2025-03-27T10:22:52Z)
• Will Pre-Training Ever End? A First Step Toward Next-Generation Foundation MLLMs via Self-Improving Systematic Cognition [89.50068130832635]
  自己改善認知 (SIcog) は、マルチモーダル知識によって次世代のMLLMを構築するための自己学習フレームワークである。 ステップバイステップの視覚的理解のためのChain-of-Descriptionを提案し、詳細なマルチモーダル推論をサポートするために構造化されたChain-of-Thought(CoT)推論を統合する。 実験は、マルチモーダル認知を増強したMLLMの開発におけるSIcogの有効性を示す。
  論文  参考訳（メタデータ） (2025-03-16T00:25:13Z)
• Optimizing the Optimal Weighted Average: Efficient Distributed Sparse Classification [50.406127962933915]
  ACOWAは、小さなランタイムの増加とともに、顕著に優れた近似品質を達成するための追加の通信を可能にする。 その結果、ACOWAは経験的リスク最小化に忠実で、他の分散アルゴリズムよりもかなり高い精度で解が得られることがわかった。
  論文  参考訳（メタデータ） (2024-06-03T19:43:06Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Multi-Objective Optimization for Sustainable Closed-Loop Supply Chain Network Under Demand Uncertainty: A Genetic Algorithm [0.0]
  新たなサプライチェーン管理手法が提案され,サプライチェーン設計の環境問題とともに経済を維持する。 本稿では, 環境要因に合わせて, 新たな持続的クローズドループサプライチェーンネットワークを最適化し, 経済性を維持することを目的とする。
  論文  参考訳（メタデータ） (2020-09-13T17:31:13Z)

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。