出貨與配送的需求預測

出貨與配送的需求預測解決方案使用歷程記錄需求資料,來預測不同客戶、產品和目的地在未來期間的需求。例如,貨運或運送公司想要預測其客戶在未來時間要運送到不同位置的不同產品數量。公司可以使用這些預測輸入到配置工具來將作業 (例如貨車路線) 最佳化,或進行長期容量規劃。

摘要

這是 Azure 解決方案,旨在為需要根據未來數量進行規劃的組織,降低其預測出貨時的不確定性。此頁面說明解決方案的功能,以及如何安裝可供您在 Azure 訂用帳戶中執行及修改的複本。

Cortana Intelligence 資源庫中的 Azure 解決方案包含資料擷取、資料儲存體、排程及進階分析元件等進階分析工具,這些都是執行需求預測解決方案並可與您目前生產系統整合的必要項目。此解決方案結合數項 Azure 服務。Azure SQL Server 可用於儲存預測和歷程記錄配送資料,Azure Machine Learning (AML) Web 服務可用於裝載 R 預測程式碼、Azure Data Factory 可用於協調整個工作流程,而 Power BI 可將它視覺化。

使用此頁面上的 [部署] 按鈕,可針對您指定的 Azure 訂用帳戶部署解決方案的執行個體。這會引導您在訂用帳戶中完成建立及啟動組成此解決方案的資源所需的步驟,以便您執行此解決方案。解決方案包含多項 Azure 服務 (如下所述),以及模擬資料、將資料填入資料庫並執行其他工作的 Azure Functions,使您在部署後即擁有端對端運作的解決方案。

說明

注意:若您已部署了此解決方案,按一下這裡即可檢視部署。

預估每日費用:$4.66

預估佈建時間:15 分鐘

出貨與配送的需求預測解決方案使用歷程記錄需求資料,來預測不同客戶、產品和目的地在未來期間的需求。例如,貨運或運送公司想要預測其客戶在未來時間要運送到不同位置的不同產品數量。同樣地,廠商或保險業者想要知道一年內由於失敗而退還的產品數量。公司可以使用這些預測輸入到配置工具來將作業 (例如貨車路線) 最佳化,或進行長期容量規劃。

所有上述預測案例都具有下列特性:

  • 有許多種不同數量的項目在一或多個類別層級下累積。
  • 有過去每個時間點之項目數量的歷程記錄。項目數量差異很大,可能有相當多的項目有時數量為零。
  • 項目的歷程記錄顯示趨勢與季節性,可能依多個時間間隔。交貨或退貨的數量與價格無明顯關係。換句話說,運送公司無法藉由短期價格變更來強硬影響數量,不過可能會有其他影響數量的決定因素,像是天氣。

根據這些條件,我們可以利用在不同項目的時間序列之間形成的階層。透過強制執行一致性,讓階層中較低的數量 (例如個別產品數量) 加總到上方的數量 (客戶產品總計),我們得以改善整體預測精確度。這同樣適用於個別項目群組分組成不同類別的情況,即使類別可能重疊也一樣。例如,使用者可能對依總計、位置、產品類別、客戶等預測所有產品的需求感興趣。

此解決方案會計算階層中所有彙總層級在每個指定期間的預測。為了簡化,我們將階層式和群組的時間序列都稱為「階層式時間序列」。

出貨與配送預測的使用情況

感謝 Kotahi 與我們共同開發此解決方案。Kotahi 是供應鏈公司,為紐西蘭出口業者規劃、取得及運送貨櫃。請閱讀客戶案例,了解他們如何與 Microsoft 以及 Microsoft Dynamics 2016 Inner Circle 合作夥伴 DXC Eclipse 合作將此解決方案付諸實行。解決方案有助於提高預測精確度,進而改善他們適時選擇正確大小的貨櫃船,以及分派到正確港口的能力。

實際運作狀況

解決方案使用 Azure 中所裝載及管理的五種資源類型:

  • 作為永續性儲存體的 Azure SQL Server 執行個體 (Azure SQL)
  • 用來裝載 R 預測程式碼的 Azure Machine Learning (AML) Web 服務
  • 用來立即儲存所產生之預測的 Azure Blob 儲存體
  • 用來協調 AML 模型之定期執行的 Azure Data Factory (ADF)
  • 用來顯示及向下切入預測的 Power BI 儀表板
  • 解決方案會按照 ADF 中設定的排程 (例如每月),將執行定期預測的作業自動化。它 會透過目前的歷程記錄資料來了解模型,並預測產品階層中所有產品在未來期間的數量。每個預測週期都包含從資料庫通過模型再回到資料庫的一趟往返。每個週期是透過傳統資料鑑效組技術來測量預測精確度。您可以設定期間數、產品類別和產品之間的階層。您需要將目前資料載入 Azure SQL Database,並在每次執行後從相同的資料庫擷取預測。解決方案會公開 R 程式碼模型以允許進一步自訂,並可讓您模擬歷程記錄資料來測試解決方案。

    使用預測解決方案:開始使用

    請參閱技術解決方案指南以取得一組完整的指示,說明如何使用此解決方案來示範可透過 Cortana Intelligence Suite 執行的作業。如有與部署此解決方案相關的技術問題或疑問,請在存放庫的 [Issues] (問題) 索引標籤中張貼這些問題或疑問。

    解決方案儀表板

    以下是在解決方案隨附的 PowerBI 儀表板中,由解決方案所產生之預測的快照集。

    Power BI 快照集

    定價資訊

    您用於部署的 Azure 訂用帳戶在此解決方案中,會在使用的服務上產生使用費,每天約為 $4.66。如需詳細資訊,請瀏覽定價計算機

    注意:如果您不再使用已部署的解決方案,請記得將它刪除,才不會繼續產生使用費。

    免責聲明

    © 2017 Microsoft Corporation.著作權所有,並保留一切權利。這項資訊依照「現況」提供,且可能變更而不另行通知。Microsoft 對於此處提供的資訊不提供任何明示或默示的擔保。產生此解決方案的過程中使用了協力廠商的資料。您必須尊重他人的權利,包括取得及遵從相關授權以建立相似的資料集。

    相關解決方案架構

    需求預測

    精準預測產品及服務需求的峰值,可為公司帶來競爭優勢。這項解決方案的焦點在於能源部門中的需求預測。

    需求預測和價格最佳化

    價格在許多行業中視為成功的重要決定因素,而且是最具挑戰性的工作之一。業者經常面臨數個價格流程方面的困難,它們包括精準預測可能手段的財務影響、合理考量核心業務的約制,以及公平驗證已執行的價格決議。擴大產品種類會進一步增加實時報價決策的運算需求,使這項本就困難的工作更加複雜。

    Personalized Offers 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

    個人化的供應項目

    在現今極為競爭又彼此相連的環境中,現代企業若只有一般、靜態的線上內容,是無法存活的。而且,使用工具的行銷策略往往昂貴、難以實行,又無法產出預期的投資報酬率。這些系統大多無法完整利用收集到的資料,為使用者建立個人化程度更高的體驗。