来源：期刊VIP网 时间：
作者：李广昊;黄魁华;杨耀东;张诚;彭一杰;
单位：湘江实验室;北京大学光华管理学院;国防科技大学系统工程学院;北京大学人工智能研究院;
摘要：供应链需求预测是供应链管理的核心环节,直接影响着供应链的运作效率和成本控制。然而,在不确定的市场环境下,如何提高需求预测准确性一直是供应链管理的难题。尤其是在供应链中,各个企业出于保护自身利益和隐私的考虑,不愿意与其他企业共享自己的需求数据,导致了传统的基于单一数据源的预测方法存在较大的误差和局限性。针对这一问题,本文提出了一种基于联邦学习的供应链需求预测方法。该方法通过构建一个分布式的预测模型,使得供应链中同一层级的企业可以在不泄露自己数据的情况下,利用其他企业的数据来优化自身的预测模型,从而提高预测的准确性和效率。本文通过数值实验与传统方法对比分析,验证了基于联邦学习的供应链需求预测方法在提高预测准确性和缓解牛鞭效应方面的有效性,为供应链管理提供了新的思路和方法。
关键词：供应链;;需求预测;;联邦学习;;牛鞭效应
基金资助：国家自然科学基金资助项目(72250065,72022001,71901003)
