AIを用いた医療品需要予測の特徴量の設計をしました。
連休前後(特殊イベント)で需要予測精度が下がっているところに対して、特徴量の設計をして予測精度を上げることにより、機会損失の改善および、供給の最適化に寄与しました。
労働人口減少、物流ニーズの高まり(COVID-19, ECの発達等)により、需要予測技術を、在庫輸送や人員計画に活用することが期待されます。
本知見を活用することで、予測先行型の倉庫運用(先々を見据えた前倒し平準化等)の実現に寄与します。
# | 仮説業務数 | 特徴量設計 | 効果 |
---|---|---|---|
アイデア1 | 連休1週間前、連休直前、連休明けなど、前後何日目かによって出荷波動の傾向が異なっていそう | 各日、付近の連休から数えて何日目にあたるかを特徴量とし、連休N日前/後の特徴を学習できるように設計 | 〇 |
アイデア2 | 連休前後に連休期間分の需要が分散されそう。特に休みが続く(付近に稼働日が少ない)ほど、付近の稼働日に需要が集中しそう | 各日について過去/未来7日の稼働日のカウント値を特徴量とし、付近の稼働日数の特徴を学習できるように設計 | ◎ |
アイデア3 | 2では連休に近い日に需要が分散されると考えたが、発注ルール的に曜日固定も多いので、前翌週の同曜日に分散しそう | 各日について前翌週の同曜日が休みの日にフラグ(曜日番号)を立て、前翌週の特徴を学習できるように設計 | 〇 |
[精度]
[実績値と予測値]