Análise da demanda intermitente

A demanda intermitente é frequentemente marcada por muitos períodos com demanda zero e períodos ocasionais com demanda diferente de zero, tornando-se um desafio para planejadores de demanda.

Neste artigo, examino o desempenho de quatro modelos de aprendizado de máquina — LSTM/RNN, SARIMA, XGBoost e Croston — para estimar a demanda intermitente.

Para avaliar esses modelos, conduzi 40 rodadas de simulações de séries temporais usando dois padrões:

• 20 séries baseadas em uma distribuição lognormal (apresentando vários zeros e valores de baixa demanda com uma cauda direita de alta dispersão) e

  
  

• 20 séries seguindo uma distribuição de Poisson inflada de zeros (um número muito grande de zeros combinados com uma distribuição de Poisson com um lambda baixo).

Os resultados apontam que a análise do coeficiente de variação (CoV) da série é fator determinante para a escolha da estratégia de planejamento (MTS / MTO).

O artigo “Algoritmos de aprendizado de máquina para demanda intermitente”, pode ser acessado e baixado gratuitamente da Academia:

Link: https://www.academia.edu/115121202/Intermittent_demand_analysis