التنبؤ بالطلب للشحن والتوزيع

تستخدم فكرة الحل هذه بيانات الطلب التاريخية للتنبؤ بالطلب في الفترات المستقبلية عبر مختلف العملاء والمنتجات والوجهات.

البنية

قم بتنزيل ملف Visio لهذه البنية.

تدفق البيانات

للحصول على مثال لحل تنبؤ بالطلب للشحن والتوزيع مشابه للحل الموضح في هذه المقالة، راجع معرض الذكاء الاصطناعي Azure. الخصائص العامة لحلول التنبؤ بالطلب مثل تلك المقترحة هنا هي:

• هناك العديد من أنواع العناصر ذات وحدات التخزين المختلفة التي تظهر تحت مستوى فئة واحد أو أكثر.
• هناك محفوظات متوفرة لكمية العنصر في كل مرة في الماضي.
• تختلف وحدات تخزين العناصر بشكل كبير، مع احتمال وجود عدد كبير لا يحتوي على وحدة تخزين في بعض الأحيان.
• يظهر تاريخ العناصر كلا من الاتجاه والموسمية، ربما على نطاقات زمنية متعددة.
• الكميات التي تم الالتزام بها أو إرجاعها ليست حساسة بشدة للسعر. بمعنى آخر، لا يمكن لشركة التسليم التأثير بقوة على الكميات من خلال التغيرات القصيرة الأجل في الأسعار، على الرغم من أنه قد تكون هناك محددات أخرى تؤثر على الحجم، مثل الطقس.

في ظل هذه الشروط، يمكنك الاستفادة من التسلسل الهرمي الذي تم تشكيله بين السلسلة الزمنية للعناصر المختلفة. من خلال فرض التناسق بحيث يتم جمع الكميات الأقل في التسلسل الهرمي (على سبيل المثال، كميات المنتجات الفردية) إلى الكميات أعلاه (إجماليات منتجات العملاء)، يمكنك تحسين دقة التنبؤ الكلي. تنطبق نفس الفكرة إذا تم تجميع العناصر الفردية في فئات، حتى بالنسبة للفئات المتداخلة. على سبيل المثال، قد تكون مهتما بتنبؤ الطلب على جميع المنتجات إجمالًا أو حسب الموقع أو حسب فئة المنتج أو حسب العميل.

يحسب حل AI Gallery التنبؤات في جميع مستويات التجميع في التسلسل الهرمي لكل فترة زمنية محددة. تذكر أن عمليات نشر حلول التنبؤ بالطلب ستتحمل رسوم استهلاك للخدمات المستخدمة. استخدم حاسبة التسعير للتنبؤ بالتكاليف. عندما لم تعد تستخدم حلًا منشورًا، احذفه لإيقاف تكبد الرسوم.

المكونات

تستخدم فكرة حل التنبؤ بالطلب هذه الموارد التالية المستضافة والمدارة في Azure:

• مثيل قاعدة بيانات Azure SQL للتخزين المستمر؛ لتخزين التنبؤات وبيانات التوزيع التاريخية
• خدمة ويب التعلم الآلي من Microsoft Azure لاستضافة التعليمات البرمجية للتنبؤ
• Azure Blob Storage للتخزين الوسيط للتنبؤات التي تم إنشاؤها
• Azure Data Factory لتنسيق عمليات التشغيل المنتظمة لنموذج Azure التعلم الآلي
• لوحة معلومات Power BI لعرض التنبؤات وتصفحها لأسفل

تفاصيل السيناريو

يستخدم هذا الحل بيانات الطلب التاريخية للتنبؤ بالطلب عبر العملاء والمنتجات والوجهات. أحد الأمثلة على استخدام هذا الحل هو عندما تريد شركة شحن أو تسليم توقع كميات المنتجات المختلفة التي يريد العملاء تسليمها في مواقع مختلفة وفي أوقات مستقبلية. يمكن للشركة استخدام توقعات الطلب كإدخال إلى أداة التخصيص. يمكن لأداة التخصيص بعد ذلك تحسين العمليات، مثل توجيه مركبة التسليم والقدرة على التخطيط على المدى الطويل. مثال ذي صلة هو عندما يريد مورد أو شركة التأمين معرفة عدد المنتجات التي سيتم إرجاعها بسبب حالات الفشل.

حالات الاستخدام المحتملة

يمكن تشغيل عملية التنبؤ بالطلب الموضحة في هذا الحل ونشرها في النظام الأساسي لـ Microsoft الذكاء الاصطناعي. يحتوي النظام الأساسي لـMicrosoft الذكاء الاصطناعي على أدوات تحليلات متقدمة لاستيعاب البيانات وتخزين البيانات والجدولة والتحليلات المتقدمة. هذه الأدوات هي جميع الأدوات الأساسية لتشغيل حل التنبؤ بالطلب الذي يمكن دمجه مع أنظمة الإنتاج الحالية.

تم تحسين هذا الحل لصناعات البيع بالتجزئة والتصنيع.

الخطوات التالية

انظر وثائق المنتج:

• تعرف على المزيد حول Data Factory
• معرفة المزيد حول Power BI

تعلم حول:

• التنبؤ بالطلب لحل الشحن والتوزيع في معرض الذكاء الاصطناعي Azure

الموارد ذات الصلة

قراءة مقالات Azure Architecture Center ذات الصلة:

• التنبؤ بالطلب وتحسين الأسعار
• التنبؤ بالطلب باستخدام Azure Stream Analytics التعلم الآلي