Обзор прогнозирования спроса

Статья
03/08/2023

Прогнозирование спроса используется для прогнозирования независимого спроса по заказам на продажу и зависимого спроса в любой точке разъединения для заказов клиента. Правила уменьшения расширенного прогнозирования спроса являются идеальным решением для массовой настройки.

Чтобы создать базовый прогноз, сводка проводок за прошлые периоды передается службе Microsoft Azure Machine Learning, размещенной в Azure. Поскольку этот сервис не находится в общем доступе пользователей, его легко настроить в соответствии с отраслевыми требованиями. Можно воспользоваться Supply Chain Management для визуализации, корректировки прогноза и просмотра ключевых показателей эффективности, характеризующих точность прогноза.

Примечание

Студия машинного обучения Microsoft Azure (классическая) необходима для создания прогноза с машинным обучением. По состоянию на 1 декабря 2021 годы вы не сможете создавать новые ресурсы студии машинного обучения (классической). Однако вы сможете продолжать использовать существующие ресурсы студии машинного обучения (классической) до 31 августа 2024 года. Для получения обновленных сведений см. раздел Студия машинного обучения Azure.

Dynamics 365 Supply Chain Management версии 10.0.23 и более поздней поддерживает новую Студию машинного обучения Azure.

Ключевые функции прогнозирования спроса

Здесь представлены некоторые из основных функций прогнозирования спроса.

Создание статистического базового прогноза на основе данных за прошлые периоды.
Использование динамического набора аналитик прогноза.
Визуализация тенденций спроса, интервалов доверия и корректировок прогноза.
Авторизация скорректированного прогноза для использования в процессах планирования.
Удаление выбросов.
Создание измерений точности прогноза.

Основные аспекты прогнозирования спроса

В прогнозировании спроса выделяют три основных аспекта.

Модальность — прогнозирование спроса отличается модальностью, его легко настроить. Можно включать и отключать функциональность, меняя ключ конфигурации в разделе Торговля > Прогноз запасов > Прогноз спроса.
Повторное использование стека Microsoft Stack — платформа Machine Learning, который теперь является частью пакета Microsoft Cortana Analytics Suite, позволяет легко и быстро создавать эксперименты в области прогнозного анализа, включая эксперименты по прогнозированию спроса, с помощью алгоритмов языков программирования R или Python и простого интерфейса перетаскивания.
- Можно загрузить эксперименты прогнозирования спроса, изменить их в соответствии с вашими бизнес-требованиями, опубликовать их как веб-сервис в Azure и использовать для создания прогнозов спроса. Эксперименты доступны для загрузки, если вы купили подписку Supply Chain Management для планировщика производства как пользователь корпоративного уровня.
- Можно загрузить любой из доступных в настоящее время экспериментов прогнозирования спроса в Галерее аналитики Cortana. В то время как эксперименты прогнозирования спроса автоматически интегрированы с Supply Chain Management, клиенты и партнеры должны интегрировать эксперименты, загружаемые из Галереи аналитики Cortana, самостоятельно. Следовательно, эксперименты из Галереи аналитики Cortana использовать не так просто, как эксперименты прогнозирования спроса в финансах и операциях. Необходимо изменить код экспериментов, чтобы они использовали API финансов и операций.
- В Microsoft Azure Machine Learning Studio (классическая версия) можно создавать собственные эксперименты, публиковать их как сервисы в Azure и использовать для создания прогнозов спроса.
- Если высокая производительность не требуется или не требуется обработка крупных массивов данных, можно воспользоваться уровнем бесплатного пользования Machine Learning. Рекомендуется всегда начинать с этого уровня, особенно на этапах внедрения и тестирования. Если требуется высокая производительность и дополнительные ресурсы хранения, можно воспользоваться стандартным уровнем Machine Learning. Этот уровень требует подписки Azure и сопряжен с дополнительными затратами. Подробные сведения о ценах Machine Learning см. в разделе Цены на Machine Learning Studio.
Прогнозируйте уменьшение в любой точке разъединения: прогнозирование спроса основано на этой функциональности, которая позволяет прогнозировать зависимый и независимый спрос в любой точке разъединения.

Базовая процедура прогнозирования спроса

На следующей схеме показана базовая процедура прогнозирования спроса.

Создание прогноза спроса начинается в Supply Chain Management. Данные о проводках за прошлые периоды из базы данных проводок Supply Chain Management собираются и вносятся в промежуточную таблицу. Эта промежуточная таблица затем передается в службу Machine Learning. Выполняя минимальную настройку, можно подключить различные источники данных в промежуточную таблицу. Эти источники данных могут включать файлы Microsoft Excel, CSV-файлы, данные из Microsoft Dynamics AX 2009 и Microsoft Dynamics AX 2012. Следовательно, можно создавать прогнозы спроса, учитывающие данные за прошлые периоды, которые распределяются между несколькими системами. Основные данные, такие как названия номенклатур и единицы измерения, должны совпадать в разных источниках данных.

При использовании экспериментов Machine Learning прогнозирования спроса выполняется поиск оптимального набора из пяти методов прогнозирования для временного периода, чтобы вычислить базовый прогноз. Параметры этих методов прогнозирования контролируются в Supply Chain Management.

Прогнозы, данные за прошлые периоды и внесенные в ходе прошлых итераций изменения в прогнозы спроса доступны в Supply Chain Management.

Можно использовать Supply Chain Management для визуализации и изменения базовых прогнозов. Ручные регулировки необходимо авторизовать, прежде чем прогнозы можно будет использовать для планирования.

Ограничения

Прогнозирование спроса — это инструмент, с помощью которого клиенты в производственной отрасли могут создавать процессы прогнозирования. Он обеспечивает базовую функциональность решения для прогнозирования спроса и создан таким образом, что его легко расширить. Прогнозирование спроса может не идеально подходить для клиентов в коммерческой, оптовой, складской отрасли, сфере транспортировки и других профессиональных услуг.

Ограничение преобразования вариантов прогноза спроса

Единица измерения для каждого преобразования вариантов не полностью поддерживается при создании прогноза спроса, если единица измерения запасов отличается от единицы измерения прогноза спроса.

Формирование прогноза (Единица измерения запасов > Единица измерения прогноза спроса) использует преобразование единиц измерения продукта. При загрузке данных журнала для создания прогноза спроса преобразование единиц измерения уровня продукта всегда будет использоваться при преобразовании из единицы измерения запасов в единицу измерения прогноза спроса, даже если имеются преобразования, определенные на уровне варианта.

Первая часть авторизации прогноза (Единица измерения прогноза спроса > Единица измерения запасов) использует преобразование единицы измерения продукта. Во второй части авторизации прогноза (Единица измерения запасов > Единица измерения продажи) используется преобразование единицы измерения варианта. Когда сформированный прогноз спроса является авторизованным, преобразование в единицы измерения запасов из единиц измерения прогноза спроса будет выполнено, используя преобразование единицы измерения уровня продукта. В то же время преобразование между единицей измерения запасов и единицей измерения продаж будет учитывать преобразования, определенные на уровне варианта.