Prognoser med temporal aggregering
Prognoser är avgörande för beslut. Beslutsfattare behöver både prognoser och förståelse för deras osäkerheter. Osäkra prognoser leder till dyrare beslut, eftersom man behöver planera för den extra risken. Till exempel, när prognoser används för inventeringsbeslut kräver mer exakta prognoser mindre lager för att täcka den osäkra efterfrågan. Detta minskar kapitalet bundet till lager och minskar potentiellt slöseri att varor förgås eller blir föråldrade. Detta har motiverat forskning inom prognoser.
Temporala hierarkier är ett nytt tillvägagångssätt för prognoser som är mycket konkurrenskraftigt med befintliga metoder. Dess viktigaste egenskap är att den modellerar data från flera perspektiv och sedan kombinerar dem till en enda holistisk modell. Dessa olika perspektiv är skapad genom att temporal aggregering av data, till exempel från dagligen till veckovis. Detta hjälper till att avslöja ytterligare information som kan modelleras.
Denna forskning förbättrar temporala hierarkier. Den undersöker uppskattningen av prognossäkerhet. För närvarande kan den inte ger detta, vilket begränsar dess tillämpningar. Den undersöker också effekten av förbättrade prognoser på beslutsmåtten, som minskning av slöseri, istället proxies som prognosnoggrannhet. Även om det finns en förväntning om att korrekta prognoser leder till bättre beslut, är det i praktiken många andra faktorer som påverkar detta. Att avslöja dessa kan hjälpa utformningen av bättre prognoser och beslut.
Temporala hierarkier är ett nytt tillvägagångssätt för prognoser som är mycket konkurrenskraftigt med befintliga metoder. Dess viktigaste egenskap är att den modellerar data från flera perspektiv och sedan kombinerar dem till en enda holistisk modell. Dessa olika perspektiv är skapad genom att temporal aggregering av data, till exempel från dagligen till veckovis. Detta hjälper till att avslöja ytterligare information som kan modelleras.
Denna forskning förbättrar temporala hierarkier. Den undersöker uppskattningen av prognossäkerhet. För närvarande kan den inte ger detta, vilket begränsar dess tillämpningar. Den undersöker också effekten av förbättrade prognoser på beslutsmåtten, som minskning av slöseri, istället proxies som prognosnoggrannhet. Även om det finns en förväntning om att korrekta prognoser leder till bättre beslut, är det i praktiken många andra faktorer som påverkar detta. Att avslöja dessa kan hjälpa utformningen av bättre prognoser och beslut.
Slutredovisning
Projektet fokuserade på att utveckla prediktiv analys genom Temporal Hierarchy Forecasts (THieF) och uppnådde betydande fördelar som var i linje med de forskningsfrågor det inriktade sig på:
1. Förbättring av THieFs prediktiva kraft
Forskningen omformulerade temporala hierarkier för att förbättra prognosernas noggrannhet och flexibilitet, vilket resulterade i en 15% ökning i prognosernas noggrannhet och över 90% förbättring i uppskattningseffektivitet. Denna omformulering underlättade också införandet av innovationer från litteraturen om prognoskombinationer, vilket direkt förbättrade de prediktiva fördelningarna. Detta är viktigt för att göra metoden användbar inom ett bredare spektrum av tillämpningar.
2. Översättning av THieF-prognoser till beslut
Projektet visade hur temporala hierarkier effektivt kan anpassa beslut genom en produkts livscykel, vilket förbättrade prognosprestandan med 8-23%. Denna forskning visar hur THieF kan omvandla oberoende beslut till samordnade gemensamma beslut utan att ändra befintliga processer. Detta gör det enkelt att förbättra beslutsfattandet över olika planeringshorisonter.
3. Utvärdering av påverkan på stödda beslut
Forskningen utökade tillämpningen av temporala hierarkier till lagerhantering, genom att integrera makroekonomiska ledande indikatorer för att förbättra produktnivåns efterfrågeprognoser. Detta tillvägagångssätt gav bättre prognoser och lagerhantering, och gav ytterligare bevis på THieFs påverkan på verkligt beslutsfattande istället för att enbart förlita sig på proxi-mått som noggrannhet.
Sammanfattningsvis adresserade projektet framgångsrikt sina forskningsfrågor och visade på betydande förbättringar i prognosernas noggrannhet, beslutsanpassning och praktiska tillämpningar, med direkta fördelar för både den privata och offentliga sektorn.
1. Förbättring av THieFs prediktiva kraft
Forskningen omformulerade temporala hierarkier för att förbättra prognosernas noggrannhet och flexibilitet, vilket resulterade i en 15% ökning i prognosernas noggrannhet och över 90% förbättring i uppskattningseffektivitet. Denna omformulering underlättade också införandet av innovationer från litteraturen om prognoskombinationer, vilket direkt förbättrade de prediktiva fördelningarna. Detta är viktigt för att göra metoden användbar inom ett bredare spektrum av tillämpningar.
2. Översättning av THieF-prognoser till beslut
Projektet visade hur temporala hierarkier effektivt kan anpassa beslut genom en produkts livscykel, vilket förbättrade prognosprestandan med 8-23%. Denna forskning visar hur THieF kan omvandla oberoende beslut till samordnade gemensamma beslut utan att ändra befintliga processer. Detta gör det enkelt att förbättra beslutsfattandet över olika planeringshorisonter.
3. Utvärdering av påverkan på stödda beslut
Forskningen utökade tillämpningen av temporala hierarkier till lagerhantering, genom att integrera makroekonomiska ledande indikatorer för att förbättra produktnivåns efterfrågeprognoser. Detta tillvägagångssätt gav bättre prognoser och lagerhantering, och gav ytterligare bevis på THieFs påverkan på verkligt beslutsfattande istället för att enbart förlita sig på proxi-mått som noggrannhet.
Sammanfattningsvis adresserade projektet framgångsrikt sina forskningsfrågor och visade på betydande förbättringar i prognosernas noggrannhet, beslutsanpassning och praktiska tillämpningar, med direkta fördelar för både den privata och offentliga sektorn.