解決方案構想
本文是解決方案概念。 如果您想要使用詳細資訊來擴充內容,例如潛在的使用案例、替代服務、實作考慮或定價指引,請提供 GitHub 意見反應 讓我們知道。
此解決方案概念會使用歷史需求資料來預測各種客戶、產品和目的地未來期間的需求。
架構
資料流程
如需與本文所述解決方案類似的出貨和散發需求預測解決方案範例,請參閱 Azure AI 資源庫 。 需求預測解決方案的一般特性,例如此處建議的一般特性:
- 有許多種類的專案具有不同磁片區,這些磁片區會匯總在一或多個類別層級之下。
- 過去每次專案的數量都有可用的歷程記錄。
- 專案的磁片區大相徑庭,而且可能會有大量的磁片區,有時會有零個磁片區。
- 項目的歷程記錄顯示趨勢與季節性,可能依多個時間間隔。
- 所認可或傳回的數量並不區分價格。 換句話說,送貨公司不能通過價格的短期變化來強烈影響數量,儘管可能有其他決定因素影響數量,例如天氣。
在這些情況下,您可以利用在不同專案的時間序列中形成的階層。 藉由強制執行一致性,讓階層中較低的數量(例如個別產品數量)加總至上述數量(客戶產品總計),您可以改善整體預測的精確度。 如果個別專案分組為類別,即使是重迭的類別,也會套用相同的概念。 例如,您可能有興趣預測所有產品的需求總計、依位置、依產品類別或客戶。
AI 資源庫解決方案 會計算階層中每個指定時間週期之匯總層級的預測。 請記住,需求預測解決方案的部署會產生所使用服務的耗用量費用。 使用定價計算機 來預測成本。 當您不再使用已部署的解決方案時,請將其刪除以停止產生費用。
元件
此需求預測解決方案構想會使用 Azure 中裝載和管理的下列資源:
- 永續性儲存體的 Azure SQL 資料庫 實例;儲存預測和歷程記錄散發資料
- Azure 機器學習 Web 服務來裝載預測程式碼
- 產生預測之中繼儲存體的Azure Blob 儲存體
- Azure Data Factory 可協調 Azure 機器學習模型的一般執行
- Power BI 儀表板,以顯示和向下切入預測
案例詳細資料
此解決方案會使用歷程記錄需求資料來預測客戶、產品和目的地的需求。 此解決方案的其中一個使用範例是,當出貨或送貨公司想要預測不同地點和未來時間所要交付之不同產品的數量時。 公司可以使用需求預測作為組態工具的輸入。 然後,組態工具可以優化作業,例如長期交付車輛路線和規劃容量。 相關範例是當廠商或保險公司想要知道因失敗而傳回的產品數目時。
潛在的使用案例
此解決方案中所述的需求預測程式可以在 Microsoft AI 平臺 中 運作和部署。 Microsoft AI 平臺具有進階分析工具,可用於資料擷取、資料儲存、排程和進階分析。 這些工具是執行需求預測解決方案的所有必要工具,可與目前的生產系統整合。
此解決方案已針對零售和製造業進行優化。
下一步
請參閱產品檔:
了解:
- Azure AI 資源庫中出貨和散發解決方案 的需求預測
相關資源
閱讀相關的 Azure 架構中心文章: