Industrial demand forecasting with scalable and adaptive approaches
Betere voorspellingssystemen voor de industrie
Bij het maken van industriële prognoses wordt gebruikt gemaakt van steeds complexere data, uiteenlopende vraagpatronen en snelle operationele beslissingen. Dit zet de traditionele methoden onder druk. Van reserveonderdelenlogistiek met intermitterende vraag tot real-time datastromen van nutsverbruik: modellen moeten nauwkeurig, schaalbaar, adaptief en economisch relevant zijn. In zijn proefschrift ontwikkelt en evalueert Lukas Paul Hans voorspellingsmethoden die statistische degelijkheid, flexibiliteit van machine learning en industriële besluitvorming verbinden.
Ten eerste introduceert Hans een economisch onderbouwd evaluatiekader dat forecastkwaliteit koppelt aan operationele uitkomsten, zoals servicelevels en voorraadkosten, en laat zien waarom beoordeling verder moet gaan dan foutmetrieken alleen. Ten tweede onderzoekt hij de afweging tussen kant-en-klare machine learning modellen en maatwerkoplossingen. Beide kunnen waardevol zijn, maar de resultaten tonen dat domeinkennis-gedreven maatwerk vaak betere nauwkeurigheid oplevert bij een korte horizon (bijvoorbeeld één en twee dagen vooruit) en tastbare operationele voordelen kan bieden.
Ten derde onderzoekt Hans het leren uit gerelateerde tijdreeksen om robuustheid op schaal te vergroten. Met semi-globale schema’s blijkt dat groeperen op structurele gelijkenis vaak beter presteert dan puur lokale of volledig globale modellen. Ten slotte zet hij een stap richting realtime adaptiviteit met online ensemblemethoden die continu bijleren onder concept drift.
Op deze manier biedt het proefschrift van Hans een route naar voorspellingssystemen die statistisch solide, operationeel interpreteerbaar en responsief zijn in veranderende industriële omgevingen.
Lukas Paul Hans verrichtte zijn promotieonderzoek bij de afdeling Intelligente Systemen van het Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence. Hij werkt nu als Data Scientist bij de REWE Group (Duitsland).