Использование метода главных компонент для анализа надежности цепей поставок

Логистика и управление цепями поставок. 2018. № 4 (87). С. 27–33.

Кузнецов В. О.

Одним из вариантов более гибкого подхода к анализу надежности цепей поставок нам представляется метод главных компонент (PCA). Учитывая большое количество переменных, описывающих цепь поставок, является сложной задачей - проанализировать в двумерном пространстве структуру переменных. Метод PCA позволяет перейти, в рамках анализа зависимостей переменных, от многомерного пространства к маломерному, оставляя для анализа саму полезную информацию, находящуюся в массиве данных. На основе сгенерированного набора данных, в данной работе демонстрируется возможность применения PCA относительно анализа надежности цепей поставок. Сгенерированный набор данных включает в себя наблюдения по 50-ти цепям поставок, описанный пятью переменными. На основе массива данных, максимизировав линейную комбинацию параметров по каждому наблюдению, мы определили коэффициенты нагрузки и оценки каждой из главных компонент. Расчет этих коэффициентов позволил перейти от многомерного пространства к двумерному. Двумерное отображение всех данных, осями которого являются первые две главные компоненты, объясняя 84% дисперсии, позволило увидеть структуру всех цепей поставок, выделить аутсайдеров и лидеров в данном наборе.

Ключевые слова: машинное обучение, надежность, цепь поставок, метод главных компонент, supply chain, «обучение без учителя», machine learning, Unsupervised learning, principal component analysis, Reliability