Ignorar Navegação

Previsão de Procura para Transporte e Distribuição

A Solução de Previsão de Procura para Transporte e Distribuição utiliza dados históricos de procura para prever a procura em períodos futuros para vários clientes, produtos e destinos. Por exemplo, uma empresa de transporte ou de entregas quer prever as quantidades dos diferentes produtos que os seus clientes querem que sejam entregues em diferentes localizações no futuro. Uma empresa pode utilizar estas previsões como base para uma ferramenta de alocação que otimiza as operações, tais como roteamento de veículos de entregas, ou para planear a capacidade a longo prazo.

Resumo

Esta é uma Solução do Azure que visa reduzir a incerteza das expedições previstas para as organizações que necessitam de fazer um planeamento com base em quantidades futuras. Esta página explica o que a Solução faz e como instalar uma cópia que poderá executar e modificar na sua subscrição do Azure.

As Soluções do Azure na Galeria da Cortana Intelligence são compostas por ferramentas de análise avançadas para ingestão de dados, armazenamento de dados, agendamento e componentes de análise avançada - todos os elementos essenciais para a execução de uma solução de previsão de procura que pode ser integrada com os seus sistemas de produção atuais. Esta Solução combina vários serviços do Azure. O Azure SQL Server é utilizado para armazenar previsões e dados históricos de distribuição, o serviço Web Azure Machine Learning (AML) para alojar o código de previsão R, o Azure Data Factory para orquestrar o fluxo de trabalho completo e o Power BI para visualizá-lo.

Utilize o botão "Implementar" nesta página para implementar uma instância da Solução na subscrição do Azure que especificar. Esta ação leva-o a percorrer os passos na sua subscrição necessários para criar e iniciar os recursos que compõem esta solução, para que possa executá-la. A Solução inclui vários serviços do Azure (descritos abaixo), juntamente com as funções do Azure que, entre outras tarefas, simulam os dados e preenchem a base de dados com os mesmos, para que tenha uma solução ponto a ponto funcional logo após a implementação.

Descrição

Nota: se já tiver implementado esta solução, clique aqui para ver a sua implementação.

Custo Diário Estimado: $4.66

Tempo de Aprovisionamento Estimado: 15 Minutos

A Solução de Previsão de Procura para Transporte e Distribuição utiliza dados históricos de procura para prever a procura em períodos futuros para vários clientes, produtos e destinos. Por exemplo, uma empresa de transporte ou de entregas quer prever as quantidades dos diferentes produtos que os seus clientes querem que sejam entregues em diferentes localizações no futuro. Do mesmo modo, um fornecedor ou uma seguradora quer saber o número de produtos que serão devolvidos devido a falhas durante um ano. Uma empresa pode utilizar estas previsões como base para uma ferramenta de alocação que otimiza as operações, tais como roteamento de veículos de entregas, ou para planear a capacidade a longo prazo.

As características de todos estes casos de previsão são:

  • Existem inúmeros tipos de itens com volume diferentes, que aparecem num ou em mais níveis de categoria.
  • Existe um histórico disponível para a quantidade do item em cada momento no passado. Os volumes dos itens diferem bastante, e, por vezes, é possível que um número substancial tenha um volume zero.
  • O histórico dos itens mostra a tendência e a sazonalidade, possivelmente em várias escalas temporais. As quantidades entregues ou devolvidas não são muito sensíveis aos preços. Por outras palavras, a empresa de entregas não pode influenciar fortemente as quantidades através de alterações a curto prazo nos preços, embora possam existir outras condicionantes que afetam o volume, como as condições meteorológicas.

Nestas condições, podemos tirar partido da hierarquia formada entre as séries de tempo dos diferentes itens. Ao reforçar a consistência para que as quantidades mais abaixo na hierarquia (por exemplo, quantidades de produtos individuais) sejam equivalentes às quantidades acima (totais de produtos do cliente), melhorámos a precisão da previsão global. O mesmo se aplica se os itens individuais forem agrupados em categorias, mesmo, possivelmente, categorias que se sobrepõem. Por exemplo, uma pessoa poderá ter interesse em prever a procura de todos os produtos no total, por localização, por categoria de produto, por cliente, etc.

Esta Solução calcula previsões em todos os níveis de agregação na hierarquia para cada período de tempo especificado. Para simplificar, vamos referir-nos às séries de tempo agrupadas e hierárquicas como "séries de tempo hierárquicas".

Previsão de transporte e distribuição na prática

Queremos agradecemos à Kotahi por trabalhar connosco no desenvolvimento desta Solução. A Kotahi é uma empresa de gestão de cadeias de fornecimento que planeia, aprovisiona e entrega contentores de transporte para exportações da Nova Zelândia. Leia a História de Cliente da empresa para saber como colaborou com a Microsoft e com um parceiro do círculo interno do Microsoft Dynamics 2016, o DXC Eclipse, para produzir esta solução. A solução ajudou a aumentar a precisão da previsão, contribuindo, desta forma, para melhorar a capacidade de escolha dos porta-contentores com o tamanho adequado, nos momentos certos, e expedi-los para os portos certos.

Recursos subjacentes

A Solução utiliza cinco tipos de recursos alojados e geridos no Azure:

  • Instância do Azure SQL Server (Azure SQL) para armazenamento persistente
  • Serviço Web Azure Machine Learning (AML) para alojar o código de previsão
  • Armazenamento de Blobs do Azure para armazenamento intermédio das previsões geradas
  • Azure Data Factory (ADF) que orquestra execuções regulares do modelo de AML
  • Dashboard do Power BI para visualizar e desagregar as previsões
  • A Solução automatiza a execução de previsões periódicas, a um ritmo configurado no ADF (por exemplo, mensalmente), onde aprende um modelo com os dados históricos atuais e prevê as quantidades para períodos futuros para todos os produtos na hierarquia de produtos. Cada ciclo de previsão é composto por um percurso de ida e volta da base de dados, pelo modelo e de volta à base de dados. Cada ciclo mede a precisão da previsão através de técnicas de exclusão de dados convencionais. É possível configurar o número de períodos, as categorias de produto e a hierarquia entre produtos. É necessário carregar os dados atuais na base de dados SQL do Azure e extrair previsões após cada execução a partir da mesma base de dados. A Solução expõe o modelo de código R para permitir mais personalizações e para lhe permitir simular dados históricos, para testar a Solução.

    Utilizar a solução de previsão: introdução

    Veja o Guia Técnico da Solução para obter um conjunto completo de instruções sobre como utilizar esta Solução como um exemplo do que é possível fazer com o Cortana Intelligence Suite. Para perguntas ou problemas técnicos sobre a implementação desta Solução, publique no separador de problemas do repositório.

    Dashboard da Solução

    Eis um exemplo de um instantâneo das previsões geradas pela solução no dashboard do PowerBI que vem com a Solução.

    Instantâneo do Power BI

    Informações de Preços

    A subscrição do Azure utilizada para a implementação incorrerá em encargos de consumo sobre os serviços utilizados nesta solução, de aproximadamente $4.66/dia. Para obter mais informações, visite a Calculadora de Preços.

    Nota: se já não estiver a utilizar a solução implementada, não se esqueça de eliminá-la para deixar de incorrer em encargos de consumo.

    Exclusão de Responsabilidade

    ©2017 Microsoft Corporation. Todos os direitos reservados. A informação é fornecida "tal como está" e pode ser alterada sem aviso prévia. A Microsoft não faz garantias, de forma expressa ou implícita, em relação à informação aqui fornecida. Foram utilizados dados de terceiros para gerar a Solução. É responsável por respeitar os direitos de outros, incluindo a aquisição e conformidade com as licenças relevantes para criar conjuntos de dados semelhantes.

    Arquiteturas de soluções relacionadas

    Previsão de Procura

    A previsão exata de picos de procura de produtos e serviços pode representar uma vantagem competitiva para a empresa. Esta solução centra-se na previsão da procura no setor energético.

    Previsão de Procura e Otimização de Preços

    A definição de preços é reconhecida como um determinante fulcral do sucesso em várias indústrias e pode ser uma das tarefas mais desafiantes. As empresas costumam ter problemas com vários aspetos do processo de definição de preços, incluindo uma previsão precisa do impacto financeiro de potenciais táticas, tento uma consideração razoável pelas principais limitações comerciais e validar adequadamente as decisões de preços executadas. Aumentar as ofertas de produtos acrescenta requisitos computacionais para tomar decisões de preços em tempo real, facilitando a dificuldade desta tarefa já complicada.

    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

    Nos ambientes altamente competitivos e interligados da atualidade, as empresas modernas já não podem sobreviver apenas com conteúdo online estático e genérico. Para além disso, as estratégias de marketing que empregam ferramentas tradicionais são, muitas vezes, dispendiosas e difíceis de implementar, sem produzir o retorno do investimento desejado. Estes sistemas raramente conseguem tirar o máximo partido dos dados recolhidos para criar uma experiência personalizada para o utilizador.