Идеи решения
Эта статья является идеей решения. Если вы хотите расширить содержимое с дополнительными сведениями, такими как потенциальные варианты использования, альтернативные службы, рекомендации по реализации или рекомендации по ценам, сообщите нам, предоставив отзыв GitHub.
Эта идея решения использует исторические данные спроса для прогнозирования спроса в будущих периодах для различных клиентов, продуктов и назначений.
Архитектура
Скачайте файл Visio для этой архитектуры.
Поток данных
Пример решения прогнозирования спроса для доставки и распространения, аналогичного решению, описанному в этой статье, см. в коллекции ИИ Azure. Общие характеристики решений прогнозирования спроса, например предлагаемых здесь:
- Существует множество типов элементов с различными томами, которые свернуты на одном или нескольких уровнях категорий.
- Существует журнал, доступный для количества элементов каждый раз в прошлом.
- Объемы элементов отличаются широко, при этом может быть большое число, которое одновременно имеет нулевой объем.
- В истории сбыта продуктов отображается как их актуальность, так и сезонный фактор потенциально в нескольких временных масштабах.
- Количество зафиксированных или возвращенных значений не учитывается. Другими словами, компания-доставка не может сильно влиять на объемы краткосрочными изменениями цен, хотя могут быть и другие детерминанты, влияющие на объем, такие как погода.
В этих условиях вы можете воспользоваться иерархией, сформированной между временными рядами различных элементов. Принудив согласованность, чтобы количество ниже в иерархии (например, отдельные количества продуктов) суммировалось до указанных выше значений (общее количество продуктов клиента), вы можете повысить точность общего прогноза. Та же идея применяется, если отдельные элементы группируются в категории, даже для категорий, перекрывающихся. Например, вам может быть интересно прогнозировать спрос на все продукты в общей сложности, по расположению, по категории продуктов или по клиенту.
Решение коллекции искусственного интеллекта вычисляет прогнозы на всех уровнях агрегирования в иерархии за каждый указанный период. Помните, что при развертывании решений прогнозирования спроса взимается плата за использование используемых служб. Используйте калькулятор цен для прогнозирования затрат. Если вы больше не используете развернутое решение, удалите его для остановки расходов.
Компоненты
Эта идея решения прогнозирования спроса использует следующие ресурсы, размещенные и управляемые в Azure:
- База данных SQL Azure экземпляр для постоянного хранения; для хранения прогнозов и исторических данных распределения
- Машинное обучение Azure веб-служба для размещения кода прогнозирования
- Хранилище BLOB-объектов Azure для промежуточного хранения созданных прогнозов
- Фабрика данных Azure для оркестрации регулярных запусков модели Машинное обучение Azure
- Панель мониторинга Power BI для отображения и детализации прогнозов
Подробности сценария
Это решение использует данные об исторических требованиях для прогнозирования спроса для клиентов, продуктов и назначений. Одним из примеров использования этого решения является то, что компания по доставке или доставке хочет прогнозировать количество различных продуктов, которые клиенты хотят доставлять в разные места и в будущем. Компания может использовать прогнозы спроса в качестве входных данных в инструмент выделения. Затем средство распределения может оптимизировать операции, такие как маршрутизация транспортных средств доставки и планирование емкости в долгосрочной перспективе. Связанный пример заключается в том, когда поставщик или страховщик хочет знать количество продуктов, которые будут возвращены из-за сбоев.
Потенциальные варианты использования
Процесс прогнозирования спроса, описанный в этом решении, можно использовать и развертывать на платформе искусственного интеллекта Майкрософт. Платформа Microsoft AI имеет расширенные средства аналитики для приема данных, хранения данных, планирования и расширенной аналитики. Эти средства — это все необходимые средства для запуска решения прогнозирования спроса, которое можно интегрировать с текущими производственными системами.
Это решение оптимизировано для розничной и производственной промышленности.
Следующие шаги
См. документацию по продукту:
Вам необходимы дополнительные сведения о следующих аспектах:
- Прогнозирование спроса для доставки и распространения решения в коллекции ИИ Azure
Связанные ресурсы
Ознакомьтесь со статьями центра архитектуры Azure: