TAT: Temporal-Aligned Transformer for Multi-Horizon Peak Demand Forecasting
Created by
Haebom
저자
Zhiyuan Zhao, Sitan Yang, Kin G. Olivares, Boris N. Oreshkin, Stan Vitebsky, Michael W. Mahoney, B. Aditya Prakash, Dmitry Efimov
개요
본 논문은 전자상거래 및 오프라인 소매업체의 공급망 관리를 위한 수요 예측의 중요성을 강조하며, 특히 고위험 판매 이벤트 기간 중 정확한 수요 예측의 어려움에 초점을 맞춥니다. 이 문제를 해결하기 위해, 휴일 및 프로모션 이벤트 정보와 같은 사전에 알려진 맥락 변수를 활용하여 예측 성능을 향상시키는 다중 지평선 예측 모델인 Temporal-Aligned Transformer (TAT)를 제안합니다. TAT는 첨단 시간 정렬 주의 메커니즘(TAA)을 사용하여 맥락 의존적인 정렬을 학습하여 피크 수요 예측을 개선합니다. 대규모 전자상거래 소매업체의 두 개의 독점 데이터 세트에 대한 광범위한 실증 분석을 통해 TAT가 기존 최첨단 방법에 비해 경쟁력 있는 전반적인 성능을 유지하면서 피크 수요 예측의 정확도를 최대 30%까지 향상시킨다는 것을 보여줍니다.
시사점, 한계점
•
시사점:
◦
사전에 알려진 맥락 변수(휴일, 프로모션 등)를 활용하여 다중 지평선 수요 예측의 정확도를 향상시키는 효과적인 방법 제시.
◦
특히 피크 수요 예측에 있어서 기존 방법 대비 최대 30%의 정확도 향상을 달성.
◦
전자상거래 및 소매업체의 공급망 관리 및 고객 경험 향상에 기여할 수 있는 실용적인 모델 제시.
