نظرة عامة على التنبؤ بالطلب‬

  • مقالة

يتم استخدام التنبؤ بالطلب للتنبؤ بطلب غير معال من أوامر المبيعات وطلب معال عند أي نقطة اتصال لأوامر العملاء. توفر قواعد خفض التنبؤ بالطلب المحسن حلاً مثاليًا للتخصيص الشامل.

لإنشاء تنبؤ خط أساسي، يتم تمرير ملخص الحركات المسجلة إلى التعلم الآلي من Microsoft Azure المستضافة على Azure. لأنه لا تتم مشاركة هذه الخدمة بين المستخدمين، فإنه يمكن تخصيصها بسهولة لتلبي المتطلبات الخاصة بالصناعة. يمكنك استخدام Supply Chain Management لإظهار التنبؤ وتعديل التنبؤ وعرض مؤشرات الأداء الرئيسية (KPI) حول دقة التنبؤ.

إشعار

Microsoft Azure استوديو التعرف علي اله (كلاسيكي) مطلوب لإنشاء التنبؤ بالتعليم اليه. اعتبارًا من 1 ديسمبر 2021، لن تتمكن من إنشاء موارد جديدة لاستوديو التعلم الآلي (الكلاسيكي). ومع ذلك، ستتمكن من مواصلة استخدام موارد استوديو التعلم الآلي (الكلاسيكي) الموجودة حتى 31 أغسطس 2024. للحصول على معلومات محدثه، راجع استوديو التعلم الآلي من Azure.

يدعم الإصدار 10.0.23 من Dynamics 365 Supply Chain Management والإصدارات اللاحقة استوديو التعلم الآلي من Azure الجديد.

الميزات الرئيسية للتنبؤ بالطلب

فيما يلي بعض الميزات الرئيسية للتنبؤ بالطلب:

  • قم بإنشاء تنبؤ أساسي إحصائي يعتمد على بيانات مسجلة.
  • استخدم مجموعة ديناميكية من أبعاد التنبؤ.
  • قم بإظهار اتجاهات الطلب وفواصل الثقة وتعديلات للتنبؤ.
  • قم بتخويل التنبؤ المعدل ليتم استخدامه في عمليات التخطيط.
  • إزالة القيم المتطرفة.
  • إنشاء قياس دقة التنبؤ.

المواضيع الرئيسية في التنبؤ بالطلب

يتم تنفيذ المواضيع الرئيسية الثلاثة في التنبؤ بالطلب:

  • النمطية - إن التنبؤ بالطلب أمر نمطي وسهل التكوين. يمكنك تشغيل الوظيفة وإيقاف تشغيلها عن طريق تغيير مفتاح التكوين في التجارة‏‎ > التنبؤ بالمخزون > التنبؤ بالطلب.
  • إعادة استخدام Microsoft stack – يتيح لك التعلم الآلي، الذي يُعد جزءًا من مجموعة التحليلات Microsoft Cortana، إنشاء تجارب التحليل التنبؤية، مثل تجارب تقدير الطلب، بسرعة وسهولة باستخدام خوارزميات R أو لغات البرمجة بيثون وواجهة سحب وإفلات بسيطة.‬
    • يمكنك تنزيل تجارب التنبؤ بالطلب وتغييرها لتلبية متطلبات العمل الخاص بك ونشرها كخدمة ويب على Azure واستخدامها لإنشاء التنبؤات بالطلب. تتوفر التجارب للتنزيل إذا قمت بشراء اشتراك Supply Chain Management لمخطط إنتاج كمستخدم على مستوى المؤسسة.
    • يمكنك تنزيل أي من التجارب توقع الطلب المتوفرة حاليًا من معرض التحليلات Cortana. في حين يتم تكامل تجارب التنبؤ بالطلب تلقائيًا مع Supply Chain Management، يجب على العملاء والشركاء معالجة تكامل التجارب التي قاموا بتنزيلها من معرض التحليلات Cortana. ومن ثمَّ، لا تكون التجارب من معرض تحليلات Cortana واضحة ومباشرة لاستخدامها كتجارب التنبؤ بالطلب في Finance and Operations. يجب عليك تعديل كود التجارب لتستخدم واجهة برمجة تطبيقات Finance and Operations.
    • يمكنك إنشاء تجاربك في استوديو التعلم الآلي (التقليدي) من Microsoft Azure ونشرها كخدمات على Azure واستخدامها لإنشاء التنبؤ بالطلب.
    • إذا كنت لا تحتاج إلى أداء عالي، أو إذا كنت لا تحتاج إلى معالجة كمية كبيرة من البيانات، فيمكنك استخدام الطبقة المجانية للتعلم الآلي. نوصي بأن تبدأ من هذا المستوى، خاصة أثناء مرحلتي الاختبار والتنفيذ. إذا كنت تحتاج إلى مستوى أعلى من الأداء ومساحة تخزين إضافية، فإنه يمكنك استخدام Machine Learning standard tier. يتطلب هذا المستوى اشتراك Azure وينطوي على تكاليف إضافية. للحصول على تفاصيل حول تسعير Machine Learning، راجع تسعير Machine Learning Studio.
  • خفض التنبؤ في أي نقطة اتصال – يعتمد التنبؤ بالطلب على هذه الوظيفة، التي تتيح لك التنبؤ بالطلب التابع والمستقل في أي نقطة اتصال.

تدفق الأساسي في التنبؤ بالطلب

ويوضح الرسم التخطيطي التالي التدفق الأساسي للتنبؤ بالطلب.

مخطط مقدمة التنبؤ بالطلب‬‏‫.

ابدأ إنشاء التنبؤ بالطلب في Supply Chain Management. يتم تجميع بيانات الحركات المسجلة من قاعدة بيانات الحركات في Supply Chain Management وتملأ جدولاً مرحليًا. تتم تغذية هذا الجدول المرحلي فيما بعد إلى خدمة Machine Learning. عن طريق إجراء تخصيص الحد الأدنى، يمكنك توصيل مصادر البيانات المختلفة بالجدول المرحلي.‬ بإمكان مصادر البيانات أن تتضمن ملفات Microsoft Excel وملفات قيم مفصولة بفاصلة وبيانات من Microsoft Dynamics AX 2009 وMicrosoft Dynamics AX 2012. لذلك، يمكنك إنشاء التنبؤات بالطلب التي تأخذ بعين الاعتبار البيانات المسجلة التي تنتشر بين الأنظمة المتعددة.‬ ومع ذلك، يجب أن تكون البيانات الرئيسية، مثل أسماء العناصر ووحدات القياس، هي نفسها عبر مصادر البيانات المختلفة.

إذا كنت تستخدم تجارب التعلم الآلي في التنبؤ بالطلب، فإنها تبحث عن الملائمة الأفضل بين أساليب التنبؤ لسلاسل الوقت الخمسة لحساب تنبؤ الخط الأساسي. تتم إدارة معلمات أساليب التنبؤ هذه في Supply Chain Management.

ثم تتوافر عندئذٍ التنبؤات والبيانات القديمة وأي تغييرات أجريت على التنبؤات بالطلب في التكرارات السابقة في Supply Chain Management.

يمكنك استخدام Supply Chain Management لتصور تنبؤات الخط الأساسي وتعديلها. يجب أن يتم تخويل التعديلات اليدوية قبل أن يتم استخدام التنبؤات للتخطيط.

قيود

التنبؤ بالطلب عبارة عن أداة تساعد العملاء في قطاع الصناعة على إنشاء عمليات التنبؤ. ‏‫ويوفر الوظائف الأساسية لحل التنبؤ بالطلب ويتم تصميمه حتى يمكن توسيعه بسهولة. قد لا يكون التنبؤ بالطلب الأفضل مناسبةً للعملاء في صناعات مثل التجارة أو الجملة أو التخزين أو النقل أو الخدمات المهنية الأخرى.‬

قيود تحويل متغير التنبؤ بالطلب

لا تحظى وحدة القياس (UOM) بالدعم الكامل لكل تحويل متغير عند إنشاء تنبؤ بالطلبات في حالة اختلاف وحدة قياس المخزون عن وحدة قياس التنبؤ بالطلب.

يستخدم إنشاء تنبؤ ( وحدة قياس المخزون > وحدة قياس التنبؤ بالطلب) تحويل وحدة قياس المنتج. عند تحميل بيانات تاريخية لإنشاء التنبؤ بالطلب، سيتم استخدام تحويل وحدة القياس على مستوى المنتج دائمًا عند التحويل من وحدة قياس المخزون إلى وحدة قياس التنبؤ بالطلب، حتى إذا كانت هناك عمليات تحويل محددة على مستوى المتغير.

يستخدم الجزء الأول من التنبؤ المخول ( وحدة قياس التنبؤ بالطلب > وحدة قياس المخزون) تحويل وحدة قياس المنتج. يستخدم الجزء الثاني من التنبؤ المخول ( وحدة قياس المخزون > وحدة قياس المبيعات) تحويل وحدة قياس المتغير. عند تحويل التنبؤ بالطلب الذي تم إنشاؤه، سيتم إجراء التحويل إلى وحدة قياس المخزون من وحدة قياس التنبؤ بالطلب باستخدام تحويل وحدة القياس على مستوى المنتج. وفي نفس الوقت، سيراعي التحويل بين وحدة المخزون ووحدة قياس المبيعات التحويلات المحددة على مستوى المتغير.

إشعار

لاحظ أن وحدة قياس التنبؤ بالطلب لا ينبغي أن يكون لها معنى محدد. فيمكن تحديدها كـ وحدة التنبؤ بالطلب. بالنسبة لكل منتج من المنتجات، يمكنك تحديد التحويل ليكون 1:1 بوحدة قياس المخزون.

الموارد الإضافية