基于LightGBM模型的离散制造业产品物料需求智能预测

摘要：

离散制造业产品的物料需求受多种因素影响,传统物料需求预测算法对数据要求高,企业需要进行大量运算,且预测提前期短、精准度低,不能及时满足企业的生产计划.为提高制造业物料需求预测精度,本研究采用美的集团离散型物料需求数据进行建模分析.首先进行数据预处理及特征工程,利用统计学中的统计量构建出滑动和滞后特征,然后构建并拟合LightGBM模型对物料需求量进行预测,并与传统时间序列SARIMA模型进行对比,引入平均绝对误差MAE评估模型的预测精准度,针对模型时间复杂度和预测精准度进行对比分析.结果表明,以月为时间粒度的情况下,LightGBM机器学习模型对离散制造业物料需求预测的效率和准确率更高,更有利于提高离散制造企业的生产效率.

关键词：LightGBM模型、物料需求预测、机器学习、SARIMA模型、对比分析

所属期刊栏目：13

分类号：F423;F251(中国工业经济)

资助基金：国家级大学生创新创业训练计划项目202210356031

在线出版日期：2023-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：59-66