Ignorar navegação

Previsão de Demanda

A previsão exata de picos na demanda por produtos e serviços pode oferecer uma vantagem competitiva a uma empresa. Esta solução se concentra na previsão da demanda dentro do setor de energia.

Descrição

Observação: se você já tiver implantado esta solução, clique aqui para exibir sua implantação.

Tempo de provisionamento estimado: 25 minutos

Visão geral

A previsão exata de picos na demanda por produtos e serviços pode oferecer uma vantagem competitiva a uma empresa. Quanto melhor for a previsão, mais a empresa poderá dimensionar conforme a demanda aumentar, e menos riscos ela terá de manter um inventário desnecessário. Os casos de uso incluem a previsão de uma demanda por um produto em uma loja de varejo/online, previsões de visitas hospitalares e antecipação do consumo de energia.

Esta solução se concentra na previsão da demanda dentro do setor de energia. O armazenamento de energia não é economicamente viável. Portanto, os serviços públicos e os geradores de energia precisam prever o consumo de energia futuro para que possam equilibrar o fornecimento com a demanda de maneira eficiente. Durante o horário de pico, um fornecimento insuficiente pode resultar em quedas de energia. Por outro lado, um fornecimento excessivo pode resultar em desperdício de recursos. As técnicas avançadas de previsão de demanda detalham a demanda por hora e o horário de pico para um determinado dia, permitindo que um provedor de energia otimize o processo de geração de energia. Esta solução que utiliza o Cortana Intelligence permite que as empresas de energia introduzam rapidamente uma tecnologia de previsão poderosa em seus negócios.

Detalhes

O Cortana Intelligence Suite fornece ferramentas de análise avançadas por meio do Microsoft Azure — ingestão de dados, armazenamento de dados, processamento de dados e componentes de análise avançados — todos os elementos essenciais para criar uma previsão de demanda para soluções de energia.

Esta solução combina vários serviços do Azure para oferecer vantagens impressionantes. Os Hubs de Eventos coletam dados de consumo em tempo real. O Stream Analytics agrega os dados de streaming e os torna disponíveis para visualização. O SQL do Azure armazena e transforma os dados de consumo. O Machine Learning implementa e executa o modelo de previsão. O Power BI visualiza o consumo de energia em tempo real, bem como os resultados da previsão. Por fim, o Data Factory orquestra e agenda o fluxo de dados completo.

O botão “Implantar” inicializará um fluxo de trabalho que implantará uma instância da solução no Grupo de Recursos na assinatura do Azure que você especificar. A solução inclui vários serviços do Azure (descritos abaixo), juntamente com um trabalho da Web que simula dados para que você tenha uma solução de trabalho de ponta a ponta logo após a implantação. Os dados de amostra desta solução são simulados com base nos dados publicamente disponíveis do NYISO.

Detalhes técnicos e fluxo de trabalho

  1. Os dados de exemplo são transmitidos por Trabalhos da Web do Azure implantados recentemente.
  2. Estes dados sintéticos abastecem os Hubs de Eventos do Azure e o serviço como pontos ou eventos de dados do SQL do Azure, que serão usados no restante fluxo da solução.
  3. O Stream Analytics do Azure analisa os dados para fornecer uma análise praticamente em tempo real sobre o fluxo de entrada do hub de eventos e a publica diretamente no Power BI para visualização.
  4. O serviço Azure Machine Learning é utilizado para fazer uma previsão sobre a demanda de energia de uma região específica, considerando as entradas recebidas.
  5. O Banco de Dados SQL do Azure é usado para armazenar os resultados de previsão recebidos do serviço Azure Machine Learning. Em seguida, esses resultados são consumidos no dashboard do Power BI.
  6. O Azure Data Factory manipula a orquestração e o agendamento da reciclagem de modelos horários.
  7. Por fim, o Power BI é utilizado na visualização de resultados, para que os usuários possam monitorar o consumo de energia de uma região em tempo real e usar a demanda prevista para otimizar o processo de geração ou de distribuição de energia.

Informações Sobre Preços

Sua assinatura do Azure usada para a implantação estará sujeita aos encargos de consumo sobre os serviços utilizados nesta solução. Para obter detalhes de preços, visite a Página de Preços do Azure.

Aviso de isenção de responsabilidade

© 2017 Microsoft Corporation. Todos os direitos reservados. Estas informações são fornecidas “no estado em que se encontram” e poderão ser alteradas sem aviso. A Microsoft não oferece garantias, expressas ou implícitas, com relação às informações aqui fornecidas. Dados de terceiros foram utilizados para gerar esta Solução. Você é responsável por respeitar os direitos de terceiros, incluindo a obtenção e o cumprimento de licenças relevantes com o intuito de criar conjuntos de dados similares.

Arquiteturas de solução relacionadas

Previsão da demanda e otimização de preços

O preço é reconhecido como um determinante-chave do sucesso em diversos setores e pode ser uma das tarefas mais desafiadoras. As empresas geralmente têm dificuldade com diversos aspectos do processo de precificação, incluindo a previsão precisa do impacto financeiro de possíveis táticas, a consideração razoável das principais restrições de negócios e a validação justa das decisões de precificação executadas. Expandir as ofertas de produtos adiciona mais requisitos computacionais para se tomar decisões de precificação em tempo real, o que amplia a dificuldade dessa tarefa já esmagadora.

Previsão de Demanda para Envio e Distribuição

A Solução de Previsão de Demanda para Envio e Distribuição usa dados de demanda históricos para prever a demanda em períodos futuros entre diversos clientes, produtos e destinos. Por exemplo, uma empresa de envio ou de entrega deseja prever as quantidades dos diferentes produtos que seus clientes desejam que sejam entregues em diferentes locais em momentos futuros. Uma empresa pode usar essas previsões como entrada para uma ferramenta de alocação que otimiza operações como encaminhamento de veículos de entrega ou então para um planejamento de capacidade de mais longo prazo.

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

Ofertas personalizadas

No ambiente conectado e altamente competitivo de hoje, negócios modernos não podem mais sobreviver com conteúdo online estático e genérico. Além disso, estratégias de marketing que usam ferramentas tradicionais muitas vezes são caras, difíceis de implementar e não produzem o retorno sobre o investimento desejado. Esses sistemas muitas vezes falham em aproveitar totalmente os dados coletados para criar uma experiência mais personalizada para o usuário.