ナビゲーションをスキップする

Demand Forecasting for Shipping and Distribution

輸送および配送の需要予測ソリューションは、過去の需要データを使用して、将来の期間におけるさまざまな顧客、商品、配達先にまたがる需要を予測します。たとえば、輸送または配送会社は、顧客が将来複数の場所への配送を希望している、さまざまな商品の数量を予測したいと考えています。企業はこれらの予測を、配送車両の経路指示などのオペレーションを最適化する割り当てツールへの入力として、あるいはキャパシティの長期計画のために、使用できます。

まとめ

これは、将来の数量に基づいて計画を立てる必要がある組織が、配送量を予測する際の不確実性を軽減するために使用する Azure Solution です。このページでは、この Solution の機能と、Azure サブスクリプションで実行および変更できるコピーのインストール方法について説明します。

Cortana Intelligence Gallery 内の Azure Solutions は、データ インジェスト、データ ストレージ、スケジュール設定用の高度な分析ツールと、高度な分析コンポーネントで構成されています。これらのツールやコンポーネントは、需要予測ソリューションを実行するために不可欠な要素であり、現在ご利用の実稼働システムに統合することができます。この Solution は、いくつかの Azure サービスを組み合わせたものです。Azure SQL Server は予測と配送履歴データを保存するために、Azure Machine Learning (AML) Web サービスは R 予測コードをホストするために、Azure Data Factory は全体のワークフローを調整するために、Power BI はワークフローを視覚化するために、それぞれ使用されます。

このページの [デプロイ] ボタンを使用して、指定した Azure サブスクリプション用に Solution のインスタンスをデプロイしてください。そうすると、リソースを作成して起動するのに必要な手順がご利用のサブスクリプションで実行され、ソリューションが作成されて、実行できるようになります。この Solution には、他のタスク間でデータをシミュレートしてデータベースに追加する Azure Functions と共に、(以下で説明する) 複数の Azure サービスが含まれているため、デプロイの直後からエンド ツー エンド ソリューションを機能させることができます。

説明

注: このソリューションが既にデプロイされている場合は、ここをクリックしてそのデプロイを表示してください。

1 日当たりの予測コスト: $4.66

予測プロビジョニング時間: 15 分

輸送および配送の需要予測ソリューションは、過去の需要データを使用して、将来の期間におけるさまざまな顧客、商品、配達先にまたがる需要を予測します。たとえば、輸送または配送会社は、顧客が将来複数の場所への配送を希望している、さまざまな商品の数量を予測したいと考えています。同じように、ベンダーや保険会社は、破損によって返品される商品の数が年間を通じてどのくらいあるのかを知りたいと考えています。企業はこれらの予測を、配送車両の経路指示などのオペレーションを最適化する割り当てツールへの入力として、あるいはキャパシティの長期計画のために、使用できます。

こうした予測が必要となるケースにはすべて、次のような特徴があります。

  • 数量が異なる多種多様な商品があり、それらが 1 つ以上のカテゴリ レベルにまとめられている。
  • 過去の各時点における商品の数量を知ることができる履歴がある。商品の数量は、非常に多くなることもあれば 0 になることもあるなど、場合によって大きく異なる。
  • 商品履歴には、傾向と季節性がさまざまな時間尺度で示される。コミットされる数量または返品される数量が、価格と強い相関関係にない。つまり、価格が短期間に変更されても、配送会社が数量に強い影響を与えることがない (天候など他の要因が数量に影響することはあっても)。

このような状況では、異なる商品の時系列間で形づくられる階層を活用できます。階層内で低位の数量 (個々の商品の数量) を高位の数量 (顧客の商品の総数) にまとめて整合性をとることで、全体的な予測精度が向上します。個々の商品がカテゴリ別にグループ化される場合、カテゴリが重複することがあっても、同じ方法が適用されます。たとえば、全商品の予測需要の総計を、場所別、商品カテゴリ別、顧客別などで知りたい人もいるでしょう。

この Solution は、階層内のすべての集約レベルで、指定した期間の予測を計算します。わかりやすくするため、"階層型の時系列" として、階層化された時系列とグループ化された時系列の両方に言及します。

輸送と配送の予測の実例

この Solution の開発に協力してくれた Kotahi に感謝します。Kotahi は、ニュージーランドの輸出用の輸送コンテナーを計画、調達、配送するサプライ チェーン会社です。Kotahi が Microsoft や Microsoft Dynamics 2016 Inner Circle パートナーの DXC Eclipse とどのように関わり、Solution の製品化に至ったのかについては、お客様の成功事例をご覧ください。このソリューションによって予測精度を向上できたため、Kotahi は、適切なときに、適切なサイズのコンテナーを選び、そのコンテナーを適切な港に発送する能力を高めることができました。

使用されるサービス

Solution は、Azure でホストおよび管理される、次の 5 種類のリソースを使用します。

  • 永続ストレージ用の Azure SQL Server インスタンス (Azure SQL)
  • R 予測コードをホストするための Azure Machine Learning (AML)
  • 生成された予測の中間ストレージ用の Azure Blob Storage
  • AML モデルの定期的な実行を調整する Azure Data Factory (ADF)
  • 予測を表示したり、ドリルダウンしたりするための Power BI ダッシュボード
  • Solution は、ADF で構成したペース (毎月など) で定期予測の実行を自動化し、現在の履歴データを使用してモデルを学習し、将来の期間の、商品階層における全商品の数量を予測します。各予測サイクルは、データベースから開始してモデルを介してデータベースへと戻る一連の往復によって構成されています。各サイクルは予測精度を、従来のデータ提供技術で測定します。期間数、商品カテゴリ、商品間の階層を構成できます。Azure SQL データベース内の現在のデータを読み込み、同じデータベースでそれぞれ実行したあとに予測を抽出する必要があります。Solution では R コード モデルを公開しているため、詳細なカスタマイズ、履歴データのシミュレーション、Solution のテストが可能です。

    予測ソリューションの使用: はじめに

    Cortana Intelligence Suite の機能を示す例として、この Solution の使用方法に関するすべての手順については、Technical Solution Guide (テクニカル ソリューション ガイド) をご覧ください。この Solution のデプロイに関する技術的な問題やご質問については、リポジトリの [Issues] (問題) タブから投稿してください。

    ソリューション ダッシュボード

    次のスナップショットは、Solution に付属する Power BI ダッシュボードのソリューションによって生成された予測の例です。

    Power BI スナップショット

    料金情報

    デプロイに使用するお客様の Azure サブスクリプションでは、このソリューション内で使用されるサービスに対して、1 日あたり約 $4.66 の従量課金料金が発生します。詳細については、「料金計算ツール」をご覧ください。

    注: デプロイ済みのソリューションを使用しなくなった場合は、必ずそのソリューションを削除して従量課金料金の発生を止めるようにしてください。

    免責事項

    ©2017 Microsoft Corporation.All rights reserved.本情報は "現状のまま" 提供され、通知なく変更されることがあります。Microsoft はここで提供される情報に関し、明示または暗示にかかわらず、いかなる保証も行わないものとします。ソリューションの生成にはサード パーティのデータが使用されています。お客様には他者の権利を尊重する責任があり、それには、類似のデータセットを作成するための関連ライセンスの購入や、そうした関連ライセンスへの準拠が含まれます。

    関連ソリューションのアーキテクチャ

    需要予測

    製品やサービスの需要の急増を正確に予測すると、企業は競争上の優位性を確保できます。このソリューションは、エネルギー分野のオンデマンド予測に重点を置いています。

    需要予測と価格最適化

    価格設定は、多くの業界にとって成功を決める極めて重要な要素ですが、最も難しいタスクの 1 つでもあります。多くの企業が、価格設定プロセスのさまざまな側面、つまり今後の戦術が業績に及ぼす影響を正確に予測し、ビジネス上の主な制約について十分に検討し、いったん設定した価格を公正に検証することなどに困難を感じています。提供する製品が増え、リアルタイムでの価格決定に必要な計算要件が複雑化するにつれて、既に極めて困難なこのタスクがさらに難しくなります。

    User ActionSimulation Personalized OfferLogic System ResponseQueue User ActionQueue Event Hub Stream Analytics Power BI Machine Learning Cold StartProduct Affinity User Document DB Product Offers Reference Product Views Offer Views Cache Update Logic Azure Services Raw Stream Data 1 2 3 5 4

    個々に応じたオファー

    競争の激しい現代のオンライン環境では、汎用的な静的オンライン コンテンツで新しい企業が生き残ることは、もはや不可能です。さらに、従来のツールを使用したマーケティング戦略はコストが高く、実装しにくいことが多いため、必要な投資収益率を実現できません。多くの場合、これらのシステムでは、パーソナライズされたユーザー体験を生み出すために収集されたデータを十分に活用できていません。