Ide solusi
Artikel ini adalah ide solusi. Jika Anda ingin kami memperluas konten dengan informasi lebih lanjut, seperti potensi kasus penggunaan, layanan alternatif, pertimbangan implementasi, atau panduan harga, beri tahu kami dengan memberikan umpan balik GitHub.
Ide solusi ini menggunakan data permintaan historis untuk memperkirakan permintaan di periode mendatang di berbagai pelanggan, produk, dan tujuan.
Arsitektur
Unduh file Visio arsitektur ini.
Aliran data
Untuk contoh solusi perkiraan permintaan untuk pengiriman dan distribusi yang mirip dengan solusi yang dijelaskan dalam artikel ini, lihat Galeri Azure AI. Karakteristik umum dari solusi perkiraan permintaan seperti yang diusulkan di sini adalah:
- Ada banyak jenis item dengan volume berbeda yang digulung di bawah satu atau beberapa tingkat kategori.
- Ada riwayat yang tersedia untuk jumlah item setiap saat di masa lalu.
- Volume item sangat berbeda, dengan kemungkinan jumlah besar yang memiliki volume nol pada waktu tertentu.
- Sejarah item menunjukkan tren dan musim, mungkin pada skala waktu yang berbeda.
- Kuantitas yang diberikan atau dikembalikan tidak terlalu peka terhadap harga. Dengan kata lain, perusahaan pengiriman tidak dapat secara kuat mempengaruhi kuantitas dengan perubahan harga jangka pendek, meskipun mungkin ada faktor penentu lain yang mempengaruhi volume, seperti cuaca.
Dalam kondisi ini, Anda dapat mengambil keuntungan dari hierarki yang terbentuk di antara deret waktu item yang berbeda. Dengan menerapkan konsistensi sehingga jumlah yang lebih rendah dalam hierarki (misalnya, jumlah produk individual) berjumlah jumlah di atas (total produk pelanggan), Anda dapat meningkatkan keakuratan perkiraan secara keseluruhan. Ide serupa berlaku jika masing-masing item dikelompokkan ke dalam kategori, bahkan untuk kategori yang tumpang tindih. Misalnya, Anda mungkin tertarik untuk memperkirakan permintaan semua produk secara keseluruhan, berdasarkan lokasi, kategori produk, atau pelanggan.
Solusi Galeri AI menghitung perkiraan di semua tingkat agregasi dalam hierarki untuk setiap periode waktu yang ditentukan. Ingatlah bahwa penerapan solusi perkiraan permintaan Anda akan dikenakan biaya konsumsi untuk layanan yang digunakan. Gunakan Kalkulator Harga untuk memprediksi biaya. Saat Anda tidak lagi menggunakan solusi yang diterapkan, hapus solusi tersebut untuk menghentikan biaya yang dikenakan.
Komponen
Ide solusi perkiraan permintaan ini menggunakan sumber daya berikut yang dihosting dan dikelola di Azure:
- Instans Azure SQL Database untuk penyimpanan persisten; untuk menyimpan prakiraan dan data distribusi historis
- Layanan web Azure Pembelajaran Mesin untuk menghosting kode prakiraan
- Azure Blob Storage untuk penyimpanan perantara dari prakiraan yang dihasilkan
- Azure Data Factory untuk mengatur eksekusi reguler model Azure Pembelajaran Mesin
- Dasbor Power BI untuk menampilkan dan menelusuri paling detail pada prakiraan
Detail skenario
Solusi ini menggunakan data permintaan historis untuk memperkirakan permintaan di seluruh pelanggan, produk, dan tujuan. Salah satu contoh penggunaan untuk solusi ini adalah ketika perusahaan pengiriman atau pengiriman ingin memprediksi jumlah produk yang berbeda yang ingin dikirimkan pelanggan di lokasi yang berbeda dan di masa mendatang. Perusahaan dapat menggunakan perkiraan permintaan sebagai masukan ke alat alokasi. Alat alokasi kemudian dapat mengoptimalkan operasi, seperti perutean kendaraan pengiriman dan kapasitas perencanaan dalam jangka panjang. Contoh terkait adalah ketika vendor atau perusahaan asuransi ingin mengetahui jumlah produk yang akan dikembalikan karena kegagalan.
Kemungkinan kasus penggunaan
Proses perkiraan permintaan yang dijelaskan dalam solusi ini dapat dioperasionalkan dan disebarkan dalam platform Microsoft AI. Platform Microsoft AI memiliki alat analitik canggih untuk penggunaan data, penyimpanan data, penjadwalan, dan analitik tingkat lanjut. Alat-alat ini adalah semua alat penting untuk menjalankan solusi perkiraan permintaan yang dapat diintegrasikan dengan sistem produksi Anda saat ini.
Solusi ini dioptimalkan untuk industri ritel dan manufaktur.
Langkah berikutnya
Lihat dokumentasi produk:
Pelajari tentang:
- Perkiraan permintaan untuk solusi pengiriman dan distribusi di Galeri Azure AI
Sumber daya terkait
Baca artikel terkait Azure Architecture Center: