論文の概要: Uncovering expert objectives in production planning via inverse optimization: An industrial case study

• arxiv url: http://arxiv.org/abs/2608.07398v1
• Date: Fri, 07 Aug 2026 16:41:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.566289
• Title: Uncovering expert objectives in production planning via inverse optimization: An industrial case study
• Title（参考訳）: 逆最適化による生産計画の専門的目標を明らかにする:工業事例研究
• Authors: Shivi Dixit, Rishabh Gupta, Adam Kelloway, John Wassick, Qi Zhang,
• Abstract要約: 本稿では,データ駆動逆最適化フレームワークを提案する。 提案手法はダウが提案した実際の産業事例に適用され,在庫不足の回避と一貫したサイクル長の維持がプランナーの意思決定を左右することが明らかとなった。
• 参考スコア（独自算出の注目度）: 7.881112615139826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Production planning in the manufacturing industry often relies on the use of optimization models, but defining an appropriate objective function can be a challenge. In practice, planners must balance competing goals, manage uncertainty, and account for qualitative business preferences that are difficult to quantify. As a result, many optimization models fail to match expert behavior, limiting trust and adoption. In this work, we propose a data-driven inverse optimization framework to infer the objective function implicitly captured in expert planners' decisions. We formulate the production planning problem as a mixed-integer linear program, where the unknown objective function is represented as a weighted sum of hypothesized cost terms. A suboptimality-loss-based inverse optimization method is then applied to learn the objective weights from historical production plans. The proposed approach is applied to a real industrial case provided by Dow, where the inferred weights reveal that avoiding inventory shortages and maintaining consistent cycle lengths dominate the planners' decision-making. Time- and product-dependent extensions further improve predictive accuracy and uncover evolving priorities. Expert interviews confirm the practical validity of these insights. Overall, this study shows that inverse optimization can transform tacit human expertise into interpretable models, enabling more accurate and trusted decision-support tools for complex industrial systems.
• Abstract（参考訳）: 製造業における生産計画はしばしば最適化モデルの使用に依存しているが、適切な目的関数を定義することは困難である。 実際には、プランナーは競合する目標のバランスをとり、不確実性を管理し、定量化が難しい質的なビジネスの選好を考慮しなければなりません。 その結果、多くの最適化モデルは専門家の行動と一致せず、信頼と採用を制限します。 本研究では,データ駆動逆最適化フレームワークを提案する。 我々は、未知の目的関数が仮説化されたコスト項の重み付け和として表される混合整数線形プログラムとして生産計画問題を定式化する。 次に, 部分最適ロスに基づく逆最適化手法を適用し, 過去の生産計画から目標重みを学習する。 提案手法はダウが提案した実際の産業事例に適用され,在庫不足の回避と一貫したサイクル長の維持がプランナーの意思決定を左右することが明らかとなった。 時間と製品に依存した拡張は、予測精度をさらに向上し、進化する優先順位を明らかにする。 専門家のインタビューは、これらの洞察の実用的妥当性を確認している。 全体として、逆最適化は人間の専門知識を解釈可能なモデルに変換し、複雑な産業システムのためのより正確で信頼性の高い意思決定支援ツールを可能にする。

関連論文リスト

• Robust Assortment Optimization from Observational Data [32.720761309403436]
  本稿では,顧客選択行動の分散的変化を考慮に入れた,データ駆動型アソシエーション最適化のためのフレームワークを提案する。 当社のアプローチは、データを生成し、最悪の予測収益を最大化しようとする名目選択モデルから、潜在的な選好シフトをモデル化する。
  論文  参考訳（メタデータ） (2026-02-11T09:57:16Z)
• Toward Decision-Oriented Prognostics: An Integrated Estimate-Optimize Framework for Predictive Maintenance [1.904851064759821]
  本稿では,センサ駆動型診断が経済的なトレードオフの下で意思決定を通知するPdMフレームワークを提案する。 まず,従来の推定値最適化(ETO)フレームワークでは,確率的予測の誤差が不整合および準最適保守決定をもたらすことを実証した。 本稿では,予測モデルを協調的に調整し,メンテナンス結果を直接最適化する統合的推定最適化(IEO)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-24T15:10:15Z)
• Human-Algorithm Collaborative Bayesian Optimization for Engineering Systems [0.0]
  我々は、協調ベイズ最適化のためのアプローチを概説することで、データ駆動意思決定ループに人間を再導入する。 我々の手法は、人間は連続的な選択よりも離散的な選択をより効率的に行うことができるという仮説を生かしている。 本稿では, バイオプロセス最適化やリアクトル幾何設計を含む, 応用および数値ケーススタディにまたがるアプローチを実証する。
  論文  参考訳（メタデータ） (2024-04-16T23:17:04Z)
• End-to-End Learning for Fair Multiobjective Optimization Under Uncertainty [55.04219793298687]
  機械学習における予測-Then-Forecast(PtO)パラダイムは、下流の意思決定品質を最大化することを目的としている。 本稿では,PtO法を拡張して,OWA(Nondifferentiable Ordered Weighted Averaging)の目的を最適化する。 この結果から,不確実性の下でのOWA関数の最適化とパラメトリック予測を効果的に統合できることが示唆された。
  論文  参考訳（メタデータ） (2024-02-12T16:33:35Z)
• Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
  予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。 我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。 本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
  論文  参考訳（メタデータ） (2023-11-13T13:19:34Z)
• When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
  本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。 タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
  論文  参考訳（メタデータ） (2023-02-15T04:14:20Z)
• Careful! Training Relevance is Real [0.7742297876120561]
  我々は、トレーニングの妥当性を強制するために設計された制約を提案する。 提案した制約を加えることで,ソリューションの品質が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2022-01-12T11:54:31Z)

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。