운송 및 유통에 대한 수요 예측

이 솔루션 아이디어는 과거 수요 데이터를 사용하여 다양한 고객, 제품 및 대상에 대한 향후 기간의 수요를 예측합니다.

아키텍처

이 아키텍처의 Visio 파일을 다운로드합니다.

데이터 흐름

이 문서에 설명된 솔루션과 유사한 배송 및 유통에 대한 수요 예측 솔루션의 예는 Azure AI Gallery를 참조하세요. 여기에 제안된 것과 같은 수요 예측 솔루션의 일반적인 특징은 다음과 같습니다.

• 하나 이상의 범주 수준에서 롤업되는 볼륨이 다른 다양한 종류의 항목이 있습니다.
• 과거의 각 시간에 항목 수량 대해에 사용할 수 있는 기록이 있습니다.
• 항목의 볼륨은 크게 다르며, 볼륨이 0인 경우가 많을 수 있습니다.
• 항목의 기록은 추세와 계절성을 모두 보여 줍니다(여러 시간 눈금으로 표시될 수 있음).
• 커밋되거나 반환된 수량은 가격에 크게 민감하지 않습니다. 즉, 배송 회사는 날씨와 같은 볼륨에 영향을 미치는 다른 결정 요인이 있을 수 있지만 단기 가격 변동으로는 수량에 큰 영향을 미칠 수 없습니다.

이러한 조건에서는 다양한 항목의 시계열 간에 형성된 계층 구조를 활용할 수 있습니다. 계층 구조에서 수량이 낮아지도록 일관성을 적용(예: 개별 제품 수량)하여 위의 수량(고객 제품 합계)을 합산하면 전체 예측의 정확도를 향상시킬 수 있습니다. 겹치는 범주에 대해서도 개별 항목이 범주로 그룹화되는 경우에도 동일한 아이디어가 적용됩니다. 예를 들어 전체, 위치, 제품 범주 또는 고객별로 모든 제품의 수요를 예측하는 데 관심이 있을 수 있습니다.

AI 갤러리 솔루션은 지정된 각 기간 동안 계층 구조의 모든 집계 수준에서 예측을 계산합니다. 수요 예측 솔루션을 배포하면 사용된 서비스에 대한 소비 요금이 발생합니다. 가격 책정 계산기를 사용하여 비용을 예측합니다. 배포된 솔루션을 더 이상 사용하지 않는 경우 요금 발생을 중지하려면 삭제합니다.

구성 요소

이 수요 예측 솔루션 아이디어는 Azure에서 호스트되고 관리되는 다음 리소스를 사용합니다.

• 영구 스토리지에 대한 Azure SQL Database 인스턴스, 예측 및 과거 배포 데이터를 저장합니다.
• 예측 코드를 호스트하는 Azure Machine Learning 웹 서비스
• 생성된 예측의 중간 스토리지에 대한 Azure Blob Storage
• Azure Machine Learning 모델의 정기적인 실행을 오케스트레이션하는 Azure Data Factory
• 예측을 표시하고 드릴다운하는 Power BI 대시보드

시나리오 정보

이 솔루션은 과거 수요 데이터를 사용하여 고객, 제품 및 대상에 대한 수요를 예측합니다. 이 솔루션을 사용하는 한 가지 예는 운송 또는 배송 회사는 향후에 고객이 다른 위치에 배송하기를 원하는 다양한 제품의 수량을 예측하려는 경우입니다. 회사는 수요 예측을 할당 도구에 대한 입력으로 사용할 수 있습니다. 그런 다음, 할당 도구는 장기적으로 배달 차량 라우팅 및 용량 계획과 같은 작업을 최적화할 수 있습니다. 관련 예로는 공급업체 또는 보험사가 오류로 인해 반환될 제품의 수를 알고자 하는 경우입니다.

잠재적인 사용 사례

이 솔루션에 설명된 수요 예측 프로세스는 Microsoft AI 플랫폼에서 운영 및 배포할 수 있습니다. Microsoft AI 플랫폼에는 데이터 수집, 데이터 스토리지, 예약 및 고급 분석을 위한 고급 분석 도구가 있습니다. 이러한 도구는 모두 현재 프로덕션 시스템과 통합할 수 있는 수요 예측 솔루션을 실행하기 위한 필수 도구입니다.

이 솔루션은 소매 및 제조 산업에 최적화되어 있습니다.

다음 단계

제품 설명서를 참조하세요.

• Data Factory에 대해 자세히 알아보기
• Power BI에 대해 자세히 알아보기

자세한 정보:

• Azure AI Gallery의 운송 및 유통에 대한 수요 예측

관련 참고 자료

관련 Azure 아키텍처 센터 문서를 읽습니다.

• 수요 예측 및 가격 최적화
• Azure Stream Analytics 및 Machine Learning을 사용한 수요 예측