Çözüm fikirleri
Bu makale bir çözüm fikridir. İçeriği olası kullanım örnekleri, alternatif hizmetler, uygulama konuları veya fiyatlandırma yönergeleri gibi daha fazla bilgiyle genişletmemizi isterseniz GitHub geri bildirimi sağlayarak bize bildirin.
Bu çözüm fikri, çeşitli müşteriler, ürünler ve hedefler arasında gelecek dönemlerde talebi tahmin etmek için geçmiş talep verilerini kullanır.
Mimari
Bu mimarinin bir Visio dosyasını indirin.
Veri akışı
Bu makalede açıklanan çözüme benzer bir gönderim ve dağıtım için talep tahmini çözümü örneği için bkz . Azure AI Galerisi. Burada önerilen talep tahmini çözümlerinin genel özellikleri şunlardır:
- Bir veya daha fazla kategori düzeyi altında toplayan farklı birimlere sahip çok sayıda öğe türü vardır.
- Geçmişte her seferinde öğenin miktarı için kullanılabilir bir geçmiş vardır.
- Öğelerin birimleri büyük ölçüde farklılık gösterir ve büyük olasılıkla zaman zaman birim sayısı sıfırdır.
- Öğe geçmişi, muhtemelen birden çok zaman ölçeğinde hem eğilimi hem mevsimselliğini gösterir.
- Kaydedilen veya iade edilen miktarlar kesinlikle fiyat duyarlı değildir. Başka bir deyişle, hava durumu gibi hacmi etkileyen başka belirleyiciler de olsa, teslimat şirketi fiyatlardaki kısa vadeli değişikliklerden miktarları güçlü bir şekilde etkileyemez.
Bu koşullar altında, farklı öğelerin zaman serisi arasında oluşturulan hiyerarşiden yararlanabilirsiniz. Hiyerarşide daha düşük miktarların (örneğin, tek tek ürün miktarları) yukarıdaki miktarlara (müşteri ürün toplamları) toplamını alması için tutarlılığı zorunlu kılarak, genel tahminin doğruluğunu geliştirebilirsiniz. Tek tek öğeler, çakışan kategoriler için bile kategoriler halinde gruplandırılırsa aynı fikir geçerlidir. Örneğin, tüm ürünlerin toplam talebini konuma, ürün kategorisine veya müşteriye göre tahmin etmeyle ilgileniyor olabilirsiniz.
AI Gallery çözümü, belirtilen her zaman aralığı için hiyerarşideki tüm toplama düzeylerindeki tahminleri hesaplar. Talep tahmin çözümlerinizin dağıtımlarının kullanılan hizmetler için tüketim ücretlerine tabi olacağını unutmayın. Maliyetleri tahmin etmek için Fiyatlandırma Hesaplayıcısı'nı kullanın. Artık dağıtılan bir çözüm kullanmadığınızda, ücret yansıtılmaması için çözümü silin.
Bileşenler
Bu talep tahmini çözümü fikri, Azure'da barındırılan ve yönetilen aşağıdaki kaynakları kullanır:
- Kalıcı depolama için Azure SQL Veritabanı örneği; tahminleri ve geçmiş dağıtım verilerini depolama
- Tahmin kodunu barındırmak için Azure Machine Learning web hizmeti
- Oluşturulan tahminlerin ara depolaması için Azure Blob Depolama
- Azure Machine Learning modelinin düzenli çalıştırmalarını düzenlemeye yönelik Azure Data Factory
- Tahminleri görüntülemek ve detaya gitmek için Power BI panosu
Senaryo ayrıntıları
Bu çözüm müşteriler, ürünler ve hedefler arasında talebi tahmin etmek için geçmiş talep verilerini kullanır. Bir sevkiyat veya teslimat şirketinin müşterilerin farklı konumlarda ve gelecekte teslim etmek istediği farklı ürünlerin miktarlarını tahmin etmek istemesi, bu çözümün kullanımına bir örnektir. Şirket, bir ayırma aracına giriş olarak talep tahminlerini kullanabilir. Ayırma aracı daha sonra teslimat aracı yönlendirme ve daha uzun vadede planlama kapasitesi gibi işlemleri iyileştirebilir. İlgili bir örnek, satıcının veya sigortacının hatalar nedeniyle iade edilecek ürün sayısını bilmek istemesidir.
Olası kullanım örnekleri
Bu çözümde açıklanan talep tahmin süreci, Microsoft AI platformunda kullanıma hazır hale getirilebilir ve dağıtılabilir. Microsoft AI platformu veri alımı, veri depolama, zamanlama ve gelişmiş analiz için gelişmiş analiz araçlarına sahiptir. Bu araçlar, geçerli üretim sistemlerinizle tümleştirilebilen bir talep tahmin çözümü çalıştırmaya yönelik temel araçlardır.
Bu çözüm, perakende ve üretim sektörleri için optimize edilmiştir.
Sonraki adımlar
Ürün belgelerine bakın:
Şunları öğrenin:
- Azure AI Galerisi'nde gönderim ve dağıtım çözümü için talep tahmini
İlgili kaynaklar
İlgili Azure Mimari Merkezi makalelerini okuyun: