を使用してXNUMX桁で予測精度を向上させる Adexa 独自のMLアルゴリズム

従来の単一変数予測アルゴリズムは、原因ではなく基本的な傾向のみを探します。 季節性やトレンドパターンなどのパターンを利用して、より正確な予測を提供します。 これらのアルゴリズムは、パターンを取得し、安定したランナーの予測を行うのに非常に優れています。 ただし、通常の場合のように、予測に影響を与える複数の要因がある場合、MLは予測を大幅に改善し、結果と因果関係を説明するのに役立ちます。

少量の説明データとMLロジックを追加して、使用するデータとその方法（回帰および分類ロジック）を決定するだけで、 予測の精度を少なくとも10パーセントポイント向上させることができます。 新しい製品や外部要因の影響を強く受けている製品の場合は、さらに高くなる可能性があります。 MLは、季節性が非常に予測可能な大量の安定した売り手に大きな影響を与えることはありませんが、高価値の揮発性製品、新製品、および中量から少量の製品の場合、特により正確なショートの場合、影響は大きくなる可能性があります期間予測。 MLアルゴリズムで使用できる出荷データ以外の要因の例としては、POSデータ、製品ライフサイクルステージ、価格、休日、人口統計、業界トレンドデータなどがあります。

サプライ チェーン計画戦略に関して言えば、ML の典型的なアプリケーションは、前述のように、より正確な需要予測を生成しています。 ただし、ML は、需要計画と同じかそれ以上ではないにしても、供給側計画に利益をもたらすことができます。 例として、製品ポートフォリオの管理、サービス レベルの決定があります。 最適化する製品 利益、安全在庫レベルの決定、より正確な計画のための属性または製品と機器に基づく正確な処理時間の予測、またはサプライヤの行動に基づいた供給の到着時期の予測さえも可能です。 サプライ チェーン計画における ML の適用と、ML が運用を改善する方法の詳細については、クリックしてください。 ここに.

詳細については、お問い合わせください。 info@adexa.com