[2H4-E-2] Machine learning: fusion of models

[2H4-E-2-02] 現場知見をLSTMの構造にResidual Connectionとして反映させたことによる製品出荷数予測の精度改良

〇森鳰 武史¹、野田 朋裕¹、田中 将太¹ (1. ダイキン工業株式会社　テクノロジー・イノベーションセンター)

キーワード：製品出荷数予測、サプライチェーン・マネジメント、LSTM、ResNet、ARIMA

空調機の生産計画を立てるためにはその出荷を予測することが重要であり、 ARIMAはその予測に使用されていた。しかし調査により、私たちが管理する主要製品の中に予測精度が良くないものがあることが判明した。私たちの目的は、その予測モデルをより正確にすることである。そのためにLSTMを出荷予測に適用したが、期待した精度を得ることができなかった。 本論は、そのLSTMのネットワーク構造にさらに現場の知識をResidual connectionとして追加し、それによって精度を大きく向上させたものである。