Selbination: Ein Hybrides Meta-Lernverfahren Zur Automatischen Selektion Und Kombination Geeigneter Prognosemodelle Für Die Produkt

Genaue Nachfrageprognosen sind von signifikanter Bedeutung f Unternehmen in Supply Chains. Dies gilt insbesondere f Unternehmen, die Produkte auf Lager produzieren oder f Handelsunternehmen. Diese msen die Kundennachfrage in regelm?igen Intervallen prognostizieren, weshalb automatische Prognoseverfahren notwendig sind. Alle bisher entwickelten Verfahren lassen sich entweder als reine Selektions- oder als reine Kombinationsans酹ze klassifizieren und es existieren bislang keine hybriden Verfahren zwischen Selektion und Kombination. Zur Nutzung der Vorteile der beiden Ans酹ze wird in diesem Buch ein hybrides Verfahren vorgestellt, das f jede Zeitreihe datengetrieben entweder selektiert oder kombiniert. Das sogenannte Selbinationsverfahren besteht aus einem Meta-Modell zur Sch酹zung der Eignungswahrscheinlichkeiten verschiedener Prognoseverfahrenskandidaten und einer Selektionsfunktion, die auf Basis der Eignungswahrscheinlichkeiten sowie einer sogenannten Hybridit酹sgrenze ein oder mehrere Prognoseverfahren selektiert. Das neuartige Verfahren wird in einer umfassenden empirischen evaluiert und erzielt im Durchschnitt signifikant bessere Prognosen als etablierte Verfahren aus dem Stand der Forschung.