Pomysły dotyczące rozwiązań
Ten artykuł jest pomysłem na rozwiązanie. Jeśli chcesz, abyśmy rozszerzyli zawartość o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, przekazując opinię w usłudze GitHub.
Ten pomysł rozwiązania używa historycznych danych zapotrzebowania do prognozowania zapotrzebowania w przyszłych okresach dla różnych klientów, produktów i miejsc docelowych.
Architektura
Pobierz plik programu Visio z tą architekturą.
Przepływ danych
Aby zapoznać się z przykładem rozwiązania prognozowania zapotrzebowania na potrzeby wysyłki i dystrybucji podobnej do rozwiązania opisanego w tym artykule, zobacz galerię sztucznej inteligencji platformy Azure. Ogólne cechy rozwiązań prognozowania popytu, takich jak proponowane poniżej:
- Istnieje wiele rodzajów elementów z różnymi woluminami, które są rzutowane na co najmniej jeden poziom kategorii.
- Istnieje historia dostępna dla ilości elementu w każdej chwili w przeszłości.
- Woluminy elementów różnią się znacznie, z prawdopodobnie dużą liczbą, która czasami ma wolumin zerowy.
- Dostępna jest historia towarów z trendami i odchyleniami sezonowymi (opcjonalna możliwość wyświetlania wielu skal czasu).
- Ilości zatwierdzone lub zwrócone nie są silnie wrażliwe na cenę. Innymi słowy, firma dostarczająca nie może silnie wpływać na ilości przez krótkoterminowe zmiany cen, chociaż mogą istnieć inne czynniki determinujące, które wpływają na wielkość, taką jak pogoda.
W tych warunkach można skorzystać z hierarchii utworzonej między szeregami czasowym różnych elementów. Wymuszając spójność, aby ilości niższe w hierarchii (na przykład pojedyncze ilości produktów) sumować do powyższych ilości (sumy produktów klientów), można zwiększyć dokładność ogólnej prognozy. Ten sam pomysł ma zastosowanie, jeśli poszczególne elementy są pogrupowane w kategorie, nawet w przypadku kategorii, które nakładają się. Na przykład możesz zainteresować się prognozowanym zapotrzebowaniem na wszystkie produkty w sumie, według lokalizacji, według kategorii produktów lub według klienta.
Rozwiązanie galerii sztucznej inteligencji oblicza prognozy na wszystkich poziomach agregacji w hierarchii dla każdego określonego okresu. Pamiętaj, że wdrożenia rozwiązań prognozujących zapotrzebowanie będą naliczać opłaty za użycie używanych usług. Użyj kalkulatora cen, aby przewidzieć koszty. Jeśli nie używasz już wdrożonego rozwiązania, usuń je, aby zatrzymać naliczanie opłat.
Elementy
Ten pomysł rozwiązania do prognozowania zapotrzebowania korzysta z następujących zasobów hostowanych i zarządzanych na platformie Azure:
- Wystąpienie usługi Azure SQL Database dla magazynu trwałego; przechowywanie prognoz i historycznych danych dystrybucji
- Usługa internetowa Edukacja azure Machine do hostowania kodu prognozowania
- Usługa Azure Blob Storage dla pośredniego magazynu wygenerowanych prognoz
- Usługa Azure Data Factory do organizowania regularnych przebiegów modelu usługi Azure Machine Edukacja
- Pulpit nawigacyjny usługi Power BI do wyświetlania i przechodzenia do szczegółów prognoz
Szczegóły scenariusza
To rozwiązanie używa historycznych danych zapotrzebowania do prognozowania zapotrzebowania na klientów, produktów i miejsc docelowych. Jednym z przykładów użycia tego rozwiązania jest to, że firma wysyłkowa lub dostawcza chce przewidzieć ilości różnych produktów, które klienci chcą dostarczyć w różnych lokalizacjach i w przyszłości. Firma może używać prognoz zapotrzebowania jako danych wejściowych do narzędzia alokacji. Narzędzie alokacji może następnie zoptymalizować operacje, takie jak routing pojazdów dostawczych i planowanie pojemności w dłuższej perspektywie. Powiązany przykład polega na tym, że dostawca lub ubezpieczyciel chce znać liczbę produktów, które zostaną zwrócone z powodu awarii.
Potencjalne przypadki użycia
Proces prognozowania zapotrzebowania opisany w tym rozwiązaniu może zostać zoperacjonalizowany i wdrożony na platformie microsoft AI. Platforma sztucznej inteligencji firmy Microsoft udostępnia zaawansowane narzędzia analityczne do pozyskiwania danych, przechowywania danych, planowania i zaawansowanej analizy. Te narzędzia są podstawowymi narzędziami do uruchamiania rozwiązania do prognozowania zapotrzebowania, które można zintegrować z bieżącymi systemami produkcyjnymi.
To rozwiązanie jest zoptymalizowane pod kątem branży handlu detalicznego i produkcyjnego.
Następne kroki
Zobacz dokumentację produktu:
Dowiedz się więcej:
- Prognozowanie zapotrzebowania na rozwiązanie wysyłki i dystrybucji w galerii sztucznej inteligencji platformy Azure
Powiązane zasoby
Przeczytaj powiązane artykuły centrum architektury platformy Azure: