.png){kind=icon}
返回
Machine learning or mathematical programming? A comparative study in multi-criteria inventory classification
.png){kind=icon}
PRE
AI
DOI：10.1093/imaman/dpag002.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
ABC分类技术被广泛用于简化由数千种库存保有单位(SKU)组成的库存系统。为解决多准则库存分类(MCIC)问题，已开发出属于不同方法的大量方法。文献中常讨论两种方法：数学规划(MP)方法和机器学习(ML)方法。然而，大多数已有研究仅关注提供用于对库存系统中SKU进行排序的分类方法，而对本次练习最初且最重要的目标——实现成本-服务综合库存绩效——关注有限。此外，对于ML方法，大多数研究着眼于监督式ML方法，而极少研究考虑无监督ML方法，尽管后者无需预设类别分布即可提升库存系统的成本-服务绩效。本文分析了三种无监督ML方法的经验库存绩效：K均值、凝聚层次聚类和高斯混合模型。将这些方法的绩效与已知MP方法的绩效进行比较。我们还提出了一种新的混合MP分类方法，其准则权重通过三角分布估计方法设定。在包含超过9000种SKU的两个数据集上对所提方法的库存绩效进行了经验检验。结果表明，无监督ML方法能带来高库存效率。我们还提供了关于在MP方法中预先设定准则权重有益的经验证据。
Keyword:
inventory classification
multi-criteria
unsupervised machine learning
empirical investigation
期刊
I
IF:
4.3
论文数:
29
被引数:
766
机构
引用论文
分享收藏Optimizing crowdshipping effectiveness in B2C deliveries: a multi-criteria approach for crowd selection.png)
SUPPLY CHAIN FORUM
SUPPLY CHAIN FORUMIF4.2
PREAI
分享收藏
查看更多内容