Prévision de la demande pour les secteurs de la livraison et de la distribution

Cette idée de solution utilise des données de demandes historiques pour prévoir la demande à venir en lien avec différents clients, produits et destinations.

Architecture

Téléchargez un fichier Visio de cette architecture.

Dataflow

Pour obtenir un exemple de solution de prévision de la demande pour l’expédition et la distribution, similaire à la solution décrite dans cet article, consultez Azure AI Gallery. Les caractéristiques générales des solutions de prévision de la demande comme celle proposée ici sont les suivantes :

• De nombreux types d’articles avec des volumes différents sont regroupés sous un ou plusieurs niveaux de catégorie.
• Un historique est disponible pour la quantité de l’article traitée à chaque fois par le passé.
• Les volumes des articles sont très variables, un grand nombre d’entre eux ayant parfois un volume nul.
• L'historique des articles montre à la fois la tendance et le caractère saisonnier, éventuellement à des échelles de temps multiples.
• Les quantités validées ou retournées ne sont pas très sensibles aux prix. En d’autres termes, la société de livraison ne peut pas influencer fortement les quantités par des changements de prix à court terme, bien qu’il puisse y avoir d’autres facteurs déterminants qui affectent le volume, comme les conditions météorologiques.

Dans ces conditions, vous pouvez tirer parti de la hiérarchie formée entre les séries chronologiques des différents éléments. En renforçant la cohérence afin que les quantités situées plus bas dans la hiérarchie (par exemple, les quantités de produits individuels) s’additionnent aux quantités situées plus haut (totaux des produits des clients), vous pouvez améliorer la précision de la prévision globale. Il en va de même si les éléments individuels sont regroupés dans des catégories, même pour des catégories qui se chevauchent. Par exemple, il peut être intéressant de prévoir la demande de tous les produits au total, par emplacement, par catégorie de produit ou par client.

La solution Azure AI Gallery calcule les prévisions à tous les niveaux d’agrégation de la hiérarchie pour chaque période spécifiée. N’oubliez pas que les déploiements de vos solutions de prévision de la demande entraînent des frais de consommation pour les services utilisés. Utilisez la Calculatrice de prix pour prédire les coûts. Si vous n’utilisez plus une solution déployée, supprimez-la pour cesser les frais.

Composants

Cette idée de solution de prévision de la demande utilise les ressources suivantes hébergées et gérées dans Azure :

• Instance Azure SQL Database pour le stockage persistant des données de prévisions et de distribution historiques
• Service web Azure Machine Learning pour héberger le code de prévision
• Stockage Blob Azure pour le stockage intermédiaire des prévisions générées
• Azure Data Factory pour orchestrer des exécutions régulières du modèle Azure Machine Learning
• Tableau de bord Power BI pour afficher et explorer les prévisions

Détails du scénario

Cette solution utilise des données de demandes historiques pour prévoir la demande des différents clients, produits et destinations. Exemple d’utilisation de cette solution : une société de transport ou de livraison souhaite prédire les quantités des différents produits que ses clients souhaitent faire livrer à différents endroits plus tard. La société peut utiliser des prévisions de la demande comme entrée d’un outil d’allocation. L’outil d’allocation peut ensuite optimiser des opérations, telles que la capacité de planification et de routage des véhicules à long terme. Un autre exemple est quand un fournisseur ou un assureur souhaite connaître le nombre de produits qui seront retournés en raison de défaillances.

Cas d’usage potentiels

Le processus de prévision de la demande décrit dans cette solution peut être mis en œuvre et déployé sur la plateforme d’intelligence artificielle de Microsoft. La plateforme d’intelligence artificielle de Microsoft dispose d’outils d’analyse avancée pour l’ingestion de données, le stockage de données, la planification et l’analytique avancée. Ces outils constituent tous les outils essentiels pour exécuter une solution de prévision de la demande qui peut être intégrée avec vos systèmes de production actuels.

Cette solution est optimisée pour les secteurs de la vente au détail et de la fabrication.

Étapes suivantes

Consultez la documentation du produit :

• En savoir plus sur Data Factory
• En savoir plus sur Power BI

Vous en saurez plus sur :

• Prévision de la demande pour les secteurs de la livraison et de la distribution dans Azure AI Gallery

Ressources associées

Lisez les articles relatifs au Centre des architectures Azure :

• Prévision de la demande et optimisation des prix
• Prévision de la demande avec Azure Stream Analytics et Machine Learning