8-800-700-15-02

Звонок по России
бесплатный

info@i-neti.ru

Где можно применить машинное обучение для оптимизации цепи поставок в Microsoft Dynamics 365

asd
Дата публикации: 03.04.2019
Где можно применить машинное обучение для оптимизации цепи поставок в Microsoft Dynamics 365

Автор: Адель Эсан

Старший консультант, Visionet Systems

Искусственный интеллект, в частности машинное обучение (machine learning - ML), становится необходимым инструментом управления интеллектуальными бизнес-процессами. Одной из самых замечательных отличительных черт Dynamics 365 является возможность использовать возможности машинного обучения внутри приложений для бизнеса, что помогает делать обоснованные прогнозы и осуществлять деятельность более эффективно.

В соответствии с недавними исследованиями, проведенными Mckinsey Global Institute, передовые технологии, связанные с искусственным интеллектом (Artificial Intelligence – AI), имеют весь необходимый потенциал, чтобы оказать глобальное экономическое воздействие в размере 10-15 триллионов долларов во всех отраслях промышленности.

Ниже приведены возможные сценарии оптимизации с использованием AI для сферы розничной торговли и товаров народного потребления. Ниже в статье один из кейсов использования объясняется более подробно с использованием приложений Microsoft для бизнеса.

  1. Прогнозирование спроса и продаж основанное на машинном обучении
  2. Персонализированные рекомендации товаров
  3. Рекомендации по цене и продвижению, направленные на оптимизацию наценок и маржи
  4. Оптимизация материально-производственных запасов и необходимых объемов на складах
  5. Средства логистического планирования и оптимизация пропускной способности складских помещений
  6. Сбор всеобъемлющей информации о потребителях
  7. Понимание потребителей (анализ эмоциональной окраски сообщений/предпочтения/мониторинг социальных медиа) используя Когнитивные сервисы
  8. Оптимизация коэффициента производительности
  9. Прогнозируемое техническое обслуживание оборудования
  10. Предварительная   оценка лидов (потенциальных клиентов) с целью более точной оценки их перспективности, приоритезации и привлечения лидов.

 

По материалам Forbes, 61 % организаций выбрали машинное обучение как самую важную инициативу, которую они хотели бы воплотить в жизнь.

Dynamics 365 Operations и Azure Machine Learning Studio

Кейс прогнозирования спроса

Dynamics 365 for Finance and Operations (Финансы и операции) позволяет интегрировать Azure Machine Learning в среду Dynamics для того, чтобы более точно прогнозировать спрос за счет включения большего количества параметров и за счет использования новых статистических моделей.

Dynamics 365 for Finance and Operations

Microsoft Machine Learning

Dynamics 365 for Finance and Operations

Dynamics 365 for Finance and Operations

Собирает исторические данные об операциях из базы данных

Использует машинное обучение для того, чтобы генерировать прогноз, основанный на историческом запросе

Просматривает и вносит изменения в прогноз

Авторизует прогноз

1) Исторические данные: Первый и самый важный шаг это сбор и подготовка данных об операциях из Dynamics 365 и передача их в Azure Machine Learning Studio для тренировки модели.

Ключи распределения единиц товара используются, чтобы сгруппировать похожие продукты, для которых алгоритм прогнозирования спроса должен основываться на истории продаж.

Путь настройки для похожих продуктов в исторических данных:

Master planning-->Setup-->Demand forecasting-->Item location keys

2) Тренировка вашей модели: Как только исторические данные загружены, модель нуждается в тренировке для точного прогнозирования. В этом примере у нас есть R-скрипт. Тем не менее, мы также можем построить прогнозирующую модель, используя Python. В этом сценарии мы используем стандартную модель, доступную в Experiment Lab.

Возможна ли интеграция между ML и ERP в режиме реального времени?

Учитывая, что и Dynamics 365, и Azure являются продуктами Microsoft, они легко интегрируются, предоставляя результаты в режиме реального времени.

Эта интеграция запускается с помощью следующей навигации:

Master planning-->Setup-->Demand forecasting-->Demand forecasting parameters

Azure Machine Learning FastTab предоставляет ключ и конечную точку для веб-сервиса из Machine Learning Studio.

3) Генерирование статистического базового прогноза: После завершения настройки и конфигурации параметров прогнозирования спроса мы генерируем статистический базовый прогноз.

Для его генерации используется следующий путь:

Master Planning-->Forecasting-->Demand forecasting-->Statistical baseline forecast

Как только вы нажмете OK, начнется поиск самой лучшей модели на основе параметров прогнозирования и создание прогноза ML-машиной.

4) Настройка и утверждение: Теперь мы можем настроить и утвердить прогноз, основываясь на потребностях нашего бизнеса и включить в него другие факторы, такие как волатильность рынка.

Master Planning-->Forecasting-->Demand forecasting-->Adjusted demand forecast

Как только мы авторизовали прогноз спроса, мы можем запустить формирование сводного плана и создать запланированные заказы. Каждый сгенерированный запланированный заказ учитывает параметры сводного плана, такие как процесс производства, минимальные сроки выполнения, самая низкая цена за единицу и вычисление резервного запаса на основе настройки покрытия, к которой относится единица товара.

Таким образом, всего за несколько шагов нам удалось создать в Dynamics 365 готовую модель прогнозирования, использующую искусственный интеллект для создания прогнозов.

На платформе Dynamics 365 все это может быть настроено таким образом, чтобы как можно лучше удовлетворять нуждам вашего бизнеса.

Microsoft предлагает большое количество моделей машинного обучения в Cognitive Services, которые можно использовать в качестве основы и тренировать для сценариев, необходимых клиентам.

Про Адель Эсан

Адель Эсан является старшим консультантом по системам управления предприятием и Dynamics 365 в Нью Джерси. Уже более 20 лет он помогает организациям достичь своих целей, и за свою карьеру он успешно внедрил множество инициатив в сфере управления предприятиями, управления жизненным циклом продукции и ритейла.

В этом блоге размещен перевод исходной статьи с английского языка на русский язык. Исходный материал размещен по ссылке

 

Акция "Тест-драйв Сопровождения"

Попробуй сопровождение АХ до подписания договора!


Узнать подробнее

Другие записи в блоге

19.09.2019
Kenard Agbanlog, старший технический консультант, Arbela TechnologiesНедавно мы начали использовать приложения Microsoft PowerApps для интеграции данных между Dynamics 365 Customer Engagement (CE) и...
09.09.2019
Часть 2 – ФорматВ этом посте мы создадим новый формат. Он представляет схему документа и используется для ее синтаксического анализа. Перейдите в Администрирование организации > Рабочая область...
30.08.2019
Часть 1 – Модель данных.В этой серии статей я покажу, как использовать электронную отчетность (ER) для импорта файла CSV. Этот инструмент позволяет нам создавать процесс импорта без единой строки...

Подпишитесь на блог

Все интересные статьи нашего блога на Вашем почтовом ящике!


Подписка

Служба контроля качества сервиса

Свои пожелания и отзывы о качестве обслуживания Вы можете оставить в разделе


Письмо директору