文档名：基于需求不确定性的数据驱动库存管理研究综述
摘要：随着高质量数据的日益丰富、机器学习技术的持续进步以及计算能力的显著提升,数据驱动库存管理正迎来前所未有的发展机遇.然而,目前学术界对于这一新兴领域的研究进展尚缺乏全面系统的综述.本研究运用文献计量方法,深入分析了183篇学术论文,并通过科学知识图谱的可视化方式,全面展示了该领域的研究现状.从大数据和运营管理的双重视角出发,总结归纳了数据驱动库存管理在需求信息、基本模型和基本方法3个方面的研究结果.重点从需求不确定性和特征数据的角度介绍了4种库存管理模型:单变量数据驱动报童模型、单变量数据驱动动态库存模型、多特征数据驱动报童模型和多特征数据驱动动态库存模型.在此基础上,梳理了6种主要的数据驱动决策方法,包括贝叶斯方法、鲁棒优化方法、样本均值近似方法、分位数回归方法、操作统计方法和机器学习方法.最后,本研究从数据驱动库存管理方法与工具层面,以及面临的难点与应用热点层面,提出了未来研究的方向与建议,旨在为相关领域的研究者和实践者提供有益的参考和启示,推动数据驱动库存管理领域不断发展.
Abstract：Inrecentyears,withtheincreasingabundanceofhigh-qualitydata,continuousdevelopmentofmachinelearningtechniquesandsignificantimprovementsofcomputationalcapabilities,data-driveninventorymanagementisexperiencingunprecedenteddevelopmentopportunities.However,comprehensiveandsystematicreviewsofresearchadvancesinthisemergingfieldarecurrentlylacking.Inthisstudy,anin-depthanalysisof183academicpapersisconductedusingbibliometrics,andthestateoftheartinthisfieldisvisualizedthroughscientificknowledgegraphs.Then,theresearchresultsofdata-driveninventorymanagementfromtheperspectivesofbigdataandoperationmanagementaresummarizedandsynthesizedinthreeaspects:demandinformation,basicmodelsandbasicmethods.Essentially,thispaperintroducesfourinventorymanagementmodelsfromtheperspectivesofdemanduncertaintyandfeaturedata:univariatedata-drivennewsvendormodel,univariatedata-drivendynamicinventorymodel,multi-featuredata-drivennewsvendormodelandmulti-featuredata-drivendynamicinventorymodel.Onthisbasis,sixmaindata-drivendecision-makingmethodsaresummarized:Bayesiananalysis,robustoptimization,sampleaverageapproximation,quantileregression,operationstatisticsandmachinelearning.Finally,futureresearchdirectionsandsuggestionsarediscussedfromtheperspectivesofmethodologies,tools,challenges,andapplicationhotspotsindata-driveninventorymanagement,aimingtoprovidevaluablereferencesandinsightsforresearchersandpractitionersintherelevantfields,andtofosterthecontinuousdevelopmentofdata-driveninventorymanagement.
作者：邵思淇 钟远光 陈植 李延希 Author：SHAOSiqi ZHONGYuanguang CHENZhi LIYanxi
作者单位：华南理工大学工商管理学院,广东广州510645香港中文大学深圳研究院,广东深圳518172
刊名：工业工程 ISTIC
Journal：IndustrialEngineeringJournal
年，卷(期)：2024, 27(3)
分类号：F403.6F253.4
关键词：数据驱动 库存管理 报童 动态库存 研究综述
Keywords：data-driven inventorymanagement newsvendor dynamicinventory literaturereview
机标分类号：G64O224TP391
在线出版日期：2024年7月18日
基金项目：国家自然科学基金，国家自然科学基金基于需求不确定性的数据驱动库存管理研究综述[
期刊论文] 工业工程--2024, 27(3)邵思淇 钟远光 陈植 李延希随着高质量数据的日益丰富、机器学习技术的持续进步以及计算能力的显著提升,数据驱动库存管理正迎来前所未有的发展机遇.然而,目前学术界对于这一新兴领域的研究进展尚缺乏全面系统的综述.本研究运用文献计量方法,深入分...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于需求不确定性的数据驱动库存管理研究综述 A Review of Data-driven Inventory Management Based on Demand Uncertainty
基于需求不确定性的数据驱动库存管理研究综述.pdf
- 文件大小:
- 1.38 MB
- 下载次数:
- 60
-
高速下载
|
|
