การตั้งค่าการคาดการณ์ความต้องการ

Note

กลุ่มที่น่าสนใจของชุมชนได้ย้ายจาก Yammer ไปยัง Microsoft Viva Engage แล้ว หากต้องการเข้าร่วมชุมชน Viva Engage และเข้าร่วมในการสนทนาล่าสุด ให้กรอก แบบฟอร์ม คําขอการเข้าถึงการเงินและการดําเนินงาน Viva Engage Community และเลือกชุมชนที่คุณต้องการเข้าร่วม

Tip

บทความนี้จะอธิบายฟังก์ชันการคาดการณ์ความต้องการที่สร้างขึ้น Microsoft Dynamics 365 Supply Chain Management เพื่อการวางแผนและประสบการณ์การคาดการณ์ที่ยิ่งดี Microsoft Dynamics 365 Supply Chain Managementยิ่งขึ้น เราขอแนะนาว่าคุณควรลองการวางแผนความต้องการ ซึ่งเป็นโซลูชันการวางแผนความต้องการที่มีประสิทธิภาพในการสร้าง Microsoft ถัดไป สำหรับรายละเอียด ดูที่ โฮมเพจการวางแผนความต้องการ

บทความนี้จะอธิบายวิธีการตั้งค่าการคาดการณ์ความต้องการ

คีย์การปันส่วนสินค้า

คีย์การปันส่วนสินค้าจะกําหนดกลุ่มของสินค้า ระบบจะคํานวณการคาดการณ์ความต้องการสําหรับสินค้าและมิติเฉพาะเมื่อสินค้าเป็นส่วนหนึ่งของคีย์การปันส่วนสินค้าเท่านั้น กฎนี้จัดกลุ่มสินค้าจํานวนมากเพื่อให้ระบบสามารถสร้างการคาดการณ์ความต้องการได้รวดเร็วขึ้น ระบบสร้างการคาดการณ์ตามข้อมูลในอดีตเท่านั้น

หากคุณใช้คีย์การปันส่วนสินค้าระหว่างการสร้างการคาดการณ์ สินค้าและมิติต้องเป็นส่วนหนึ่งของคีย์การปันส่วนสินค้าเพียงคีย์เดียวเท่านั้น

เมื่อต้องการสร้างคีย์การปันส่วนสินค้าและเพิ่มหน่วยเก็บสต็อก (SKU) ให้ปฏิบัติตามขั้นตอนเหล่านี้:

  1. ไปที่การวางแผนหลัก>การตั้งค่า>การคาดการณ์ความต้องการ>คีย์การจัดสรรสินค้า

  2. เลือกคีย์การปันส่วนสินค้าในบานหน้าต่างรายการ หรือเลือก สร้าง ในบานหน้าต่างการดำเนินการเพื่อสร้างคีย์ใหม่ ในส่วนหัวของคีย์ใหม่หรือที่เลือก ให้ตั้งค่าฟิลด์ต่อไปนี้:

    • คีย์การปันส่วนสินค้า – ป้อนชื่อเฉพาะสำหรับคีย์
    • ชื่อ – ป้อนชื่อที่เป็นคำอธิบายสำหรับคีย์
  3. เลือกหนึ่งในขั้นตอนเหล่านี้เพื่อเพิ่มสินค้าในคีย์การปันส่วนสินค้าที่เลือกหรือลบสินค้า:

    • บนแท็บด่วน การปันส่วนสินค้า ให้ใช้ปุ่ม ใหม่ และ ลบ บนแถบเครื่องมือเพื่อเพิ่มหรือลบสินค้าตามที่คุณต้องการ สำหรับแต่ละแถว ให้เลือกหมายเลขสินค้า แล้วกําหนดค่ามิติในคอลัมน์อื่นๆ ตามต้องการ เลือก แสดงมิติ บนแถบเครื่องมือเพื่อเปลี่ยนชุดของคอลัมน์มิติที่แสดงในตาราง (ค่าในคอลัมน์ เปอร์เซ็นต์ จะถูกละเว้นเมื่อมีการสร้างการคาดการณ์ความต้องการ)
    • ถ้าคุณต้องการเพิ่มสินค้าจํานวนมากลงในคีย์ ให้เลือก กําหนดสินค้า ในบานหน้าต่างการดำเนินการ เพื่อเปิดหน้าที่คุณสามารถค้นหาและกําหนดสินค้าหลายรายการให้กับคีย์ที่เลือก

Important

ระวังว่าต้องรวมเฉพาะสินค้าที่เกี่ยวข้องในแต่ละคีย์การปันส่วนสินค้าเท่านั้น สินค้าที่ไม่จำเป็นอาจทำให้เกิดต้นทุนที่เพิ่มขึ้น เมื่อคุณใช้ Microsoft Azure Machine Learning

กลุ่มการวางแผนระหว่างบริษัท

การคาดการณ์ความต้องการสามารถสร้างการคาดการณ์ระหว่างบริษัทได้ ใน Dynamics 365 Supply Chain Management ให้จัดกลุ่มบริษัทที่คุณวางแผนร่วมกันลงในกลุ่มการวางแผนระหว่างบริษัทเดียวกัน เมื่อต้องการระบุ คีย์การปันส่วนสินค้าที่จะพิจารณาสําหรับการคาดการณ์ความต้องการ ให้เชื่อมโยงคีย์การปันส่วนสินค้ากับสมาชิกกลุ่มการวางแผนระหว่างบริษัท

Important

การเพิ่มประสิทธิภาพการวางแผนยังไม่รองรับกลุ่มการวางแผนระหว่างบริษัท เมื่อต้องการวางแผนระหว่างบริษัทที่ใช้การเพิ่มประสิทธิภาพการวางแผน ให้ตั้งค่าชุดงานการวางแผนหลักที่มีแผนหลักสำหรับบริษัทที่เกี่ยวข้องทั้งหมด

เมื่อต้องการตั้งค่ากลุ่มการวางแผนระหว่างบริษัทของคุณ ให้ปฏิบัติตามขั้นตอนเหล่านี้

  1. ไปที่การวางแผนหลัก>การตั้งค่า>กลุ่มการวางแผนระหว่างบริษัท

  2. เลือกกลุ่มการวางแผนในบานหน้าต่างรายการ หรือเลือก สร้าง ในบานหน้าต่างการดำเนินการเพื่อสร้างกลุ่มใหม่ ในส่วนหัวของกลุ่มใหม่หรือที่เลือก ให้ตั้งค่าฟิลด์ต่อไปนี้:

    • ชื่อ – ป้อนชื่อที่ไม่ซ้ำกันสำหรับกลุ่มการวางแผน
    • คำอธิบาย – ป้อนคำอธิบายสั้นๆ ของกลุ่มการวางแผน
  3. บนแท็บด่วน สมาชิกกลุ่มการวางแผนระหว่างบริษัท ให้ใช้ปุ่มบนแถบเครื่องมือเพื่อเพิ่มแถวให้กับแต่ละบริษัท (นิติบุคคล) ที่ควรเป็นส่วนหนึ่งของกลุ่ม สำหรับแต่ละแถว กำหนดค่าฟิลด์ต่อไปนี้:

    • นิติบุคคล – เลือกชื่อของบริษัท (นิติบุคคล) ที่เป็นสมาชิกของกลุ่มที่เลือก
    • การจัดกำหนดการลำดับ – กําหนดลำดับที่บริษัทควรได้รับการประมวลผลโดยสัมพันธ์กับบริษัทอื่นๆ ค่าต่ำจะมีการประมวลผลก่อน ลำดับนี้สามารถเป็นส่วนสําคัญได้เมื่อความต้องการของบริษัทหนึ่งมีผลกระทบต่อบริษัทอื่นๆ ในกรณีเหล่านี้ บริษัทที่จัดหาสินค้าตามความต้องการจะได้รับการประมวลผลเป็นลำดับสุดท้าย
    • แผนหลัก – เลือกแผนหลักที่จะทริกเกอร์สำหรับบริษัทปัจจุบัน
    • คัดลอกไปยังแผนแบบคงที่อัตโนมัติ – เลือกกล่องกาเครื่องหมายเพื่อคัดลอกผลลัพธ์ของแผนไปยังแผนแบบคงที่
    • คัดลอกไปยังแผนแบบไดนามิกอัตโนมัติ – เลือกกล่องกาเครื่องหมายเพื่อคัดลอกผลลัพธ์ของแผนไปยังแผนแบบไดนามิก
  4. ตามค่าเริ่มต้น ถ้าคุณไม่ได้กําหนดคีย์การปันส่วนสินค้าให้กับสมาชิกกลุ่มการวางแผนระหว่างบริษัท ระบบจะคำนวณการคาดการณ์ความต้องการสำหรับสินค้าทั้งหมดที่ถูกกำหนดให้กับคีย์การปันส่วนสินค้าทั้งหมดจากทุกบริษัท คุณสามารถค้นหาตัวเลือกการกรองเพิ่มเติมสําหรับบริษัทและคีย์การปันส่วนสินค้าได้ในกล่องโต้ตอบ การสร้างการคาดการณ์พื้นฐานทางสถิติ (การวางแผน>>หลักการคาดการณ์ความต้องการ>พื้นฐานทางสถิติ) เมื่อต้องการกําหนดคีย์การปันส่วนสินค้าให้กับบริษัทในกลุ่มการวางแผนระหว่างบริษัทที่เลือก ให้เลือกบริษัท จากนั้นบนแท็บด่วน สมาชิกกลุ่มการวางแผนระหว่างบริษัท ให้เลือก คีย์การปันส่วนสินค้า บนแถบเครื่องมือ

เรียนรู้เพิ่มเติมในกลุ่มการวางแผนระหว่างบริษัทสําหรับการคาดการณ์ความต้องการ

Important

รวมเฉพาะคีย์การปันส่วนสินค้าที่เกี่ยวข้องในกลุ่มการวางแผนระหว่างบริษัทแต่ละกลุ่มเท่านั้น สินค้าที่ไม่จำเป็นอาจทำให้เกิดต้นทุนที่เพิ่มขึ้น เมื่อคุณใช้ Azure Machine Learning

ตั้งค่าพารามิเตอร์การคาดการณ์ความต้องการ

ใช้หน้า พารามิเตอร์การคาดการณ์ความต้องการ เพื่อตั้งค่าตัวเลือกที่ควบคุมวิธีการทํางานของการคาดการณ์ความต้องการในระบบของคุณ

เปิดหน้าพารามิเตอร์การคาดการณ์ความต้องการ

เมื่อต้องการตั้งค่าพารามิเตอร์การคาดการณ์ความต้องการ ให้ไปที่ แผนหลัก>การตั้งค่า>การคาดการณ์ความต้องการ>พารามิเตอร์การคาดการณ์ความต้องการ เนื่องจากการคาดการณ์ความต้องการดำเนินงานระหว่างบริษัท การตั้งค่าเป็นแบบสากล ซึ่งมีผลกับนิติบุคคลทั้งหมด (บริษัท)

การตั้งค่าทั่วไป

ใช้แท็บ ทั่วไป ของหน้า พารามิเตอร์การคาดการณ์ความต้องการ เพื่อกําหนดการตั้งค่าทั่วไปเกี่ยวกับการคาดการณ์ความต้องการ

หน่วยการคาดการณ์ความต้องการ

การคาดการณ์ความต้องสร้างการคาดการณ์ในปริมาณ ดังนั้น คุณต้องระบุหน่วยวัดสําหรับปริมาณในฟิลด์ หน่วยการคาดการณ์ความต้องการ ฟิลด์นี้จะกำหนดหน่วยที่ระบบใช้สำหรับการคาดการณ์ความต้องการทั้งหมด โดยไม่คำนึงถึงหน่วยสินค้าคงคลังปกติของแต่ละผลิตภัณฑ์ การใช้หน่วยการคาดการณ์ที่สอดคล้องกัน ช่วยทำให้คุณมั่นใจว่าการรวมและการกระจายเปอร์เซ็นต์นั้นเหมาะสม สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการรวมและการกระจายเปอร์เซ็นต์ ให้ดู ทำการปรับปรุงด้วยตนเองไปยังการคาดการณ์พื้นฐาน

สําหรับหน่วยวัดทั้งหมดที่คุณใช้สําหรับ SKU ที่รวมอยู่ในการคาดการณ์ความต้องการ ตรวจสอบให้แน่ใจว่ามีกฎการแปลงสําหรับหน่วยวัดและหน่วยวัดการคาดการณ์ทั่วไปที่คุณเลือกที่นี่ เมื่อคุณสร้างการคาดการณ์ ระบบจะบันทึกรายการสินค้าที่ไม่มีการแปลงหน่วยวัด ดังนั้นคุณจึงสามารถแก้ไขการตั้งค่าได้อย่างง่ายดาย สำหรับข้อมูลเพิ่มเติมเกี่ยวกับหน่วยวัดและวิธีแปลงหน่วยวัด ดูที่ จัดการหน่วยวัด

ชนิดธุรกรรม

ใช้ฟิลด์บนแท็บด่วน ชนิดธุรกรรม เพื่อเลือกชนิดธุรกรรมที่ระบบใช้เมื่อสร้างการคาดการณ์พื้นฐานทางสถิติ

คุณสามารถใช้การคาดการณ์ความต้องการเพื่อคาดการณ์ทั้งความต้องการที่ไม่เป็นอิสระและความต้องการแบบอิสระ ตัวอย่างเช่น ถ้าคุณตั้งค่าเฉพาะตัวเลือก ใบสั่งขาย เป็น ใช่ และสินค้าทั้งหมดที่คุณพิจารณาสำหรับการคาดการณ์ความต้องการคือสินค้าที่ขาย ระบบจะคำนวณความต้องการที่เป็นอิสระ อย่างไรก็ตาม คุณสามารถเพิ่มส่วนประกอบย่อยที่สําคัญลงในคีย์การปันส่วนสินค้าและรวมไว้ในการคาดการณ์ความต้องการได้ ในกรณีนี้ ถ้าคุณตั้งค่าตัวเลือก บรรทัดการผลิต เป็น ใช่ ระบบจะคํานวณการคาดการณ์ที่ขึ้นต่อกัน

คุณสามารถแทนที่ชนิดของธุรกรรมในคีย์การปันส่วนสินค้าเฉพาะหนึ่งคีย์หรือมากกว่าได้โดยใช้แท็บ คีย์การปันส่วนสินค้า แท็บนี้จะมีฟิลด์ที่คล้ายกัน

เลือกวิธีการสร้างการคาดการณ์พื้นฐาน

ใช้ฟิลด์ กลยุทธ์การสร้างการคาดการณ์ เพื่อเลือกวิธีการที่ระบบใช้เพื่อสร้างการคาดการณ์พื้นฐาน โดยมีอยู่ด้วยกันสามวิธีดังนี้

  • คัดลอกความต้องการในอดีต – สร้างการคาดการณ์โดยการคัดลอกข้อมูลในอดีต
  • Azure Machine Learning Service – ใช้โมเดลการคาดการณ์ที่ใช้ Azure Machine Learning Service Azure Machine Learning Service คือโซลูชันการเรียนรู้ของเครื่องปัจจุบันของ Azure ดังนั้น ให้ใช้ข้อมูลนี้ถ้าคุณต้องการใช้แบบจําลองการคาดการณ์
  • Azure Machine Learning – ใช้โมเดลการคาดการณ์ที่ใช้ Azure Machine Learning Studio (คลาสสิก) Azure Machine Learning Studio (คลาสสิก) ไม่ได้รับการสนับสนุนและจะถูกนําออกจาก Azure ในไม่ช้า ดังนั้น เลือก บริการ Azure Machine Learning ถ้าคุณกําลังตั้งค่าการคาดการณ์ความต้องการเป็นครั้งแรก ถ้าคุณยังใช้ Azure Machine Learning Studio (คลาสสิก) อยู่ คุณควรวางแผนเปลี่ยนไปใช้ Azure Machine Learning Service ทันทีที่เป็นไปได้

คุณสามารถแทนที่วิธีการสร้างการคาดการณ์ในคีย์การปันส่วนสินค้าเฉพาะหนึ่งคีย์หรือมากกว่าได้โดยใช้แท็บ คีย์การปันส่วนสินค้า แท็บนี้จะมีฟิลด์ที่คล้ายกัน

แทนที่พารามิเตอร์อัลกอริทึมการคาดการณ์เริ่มต้นทั้งหมด

พารามิเตอร์อัลกอริทึมการคาดการณ์ค่าเริ่มต้นและค่าได้รับการกําหนดในหน้าพารามิเตอร์การคาดการณ์ความต้องการ (การตั้งค่า>การวางแผน>หลักพารามิเตอร์การคาดการณ์>ความต้องการ) อย่างไรก็ตาม คุณสามารถแทนที่ค่าดังกล่าวทั้งหมดได้โดยใช้แท็บด่วน พารามิเตอร์อัลกอริทึมการคาดการณ์ บนแท็บ ทั่วไป ของหน้า พารามิเตอร์การคาดการณ์ความต้องการ (คุณยังสามารถแทนที่คีย์การปันส่วนเฉพาะโดยใช้แท็บ คีย์การปันส่วนสินค้า บนหน้า พารามิเตอร์การคาดการณ์ความต้องการ)

ใช้ปุ่ม เพิ่ม และ ลบ บนแถบเครื่องมือเพื่อสร้างชุดพารามิเตอร์ที่กําหนดของการแทนที่พารามิเตอร์ สำหรับแต่ละพารามิเตอร์ในรายการ เลือกค่าในฟิลด์ ชื่อ แล้วป้อนค่าที่ถูกต้องในฟิลด์ ค่า พารามิเตอร์ทั้งหมดที่ไม่ได้แสดงในที่นี้จะใช้ค่าจากการตั้งค่าบนหน้าพารามิเตอร์การคาดการณ์ความต้องการ หากต้องการทราบข้อมูลเพิ่มเติมเกี่ยวกับวิธีการใช้ชุดพารามิเตอร์มาตรฐาน และเลือกค่าต่างๆ โปรดดูที่ส่วน พารามิเตอร์และค่าเริ่มต้นของโมเดลการคาดการณ์ความต้องการ

ตั้งค่ามิติการคาดการณ์

มิติการคาดการณ์แสดงระดับของรายละเอียดสําหรับการคาดการณ์ บริษัท ไซต์ และคีย์การปันส่วนสินค้าต้องใช้มิติการคาดการณ์ คุณยังสามารถสร้างการคาดการณ์ที่คลังสินค้า สถานะสินค้าคงคลัง กลุ่มลูกค้า รหัสลูกค้า ประเทศ/ภูมิภาค รัฐ และระดับสินค้า และที่ระดับมิติสินค้าทั้งหมด ใช้แท็บ มิติการคาดการณ์ ในหน้า พารามิเตอร์การคาดการณ์ความต้องการ เพื่อเลือกชุดของมิติการคาดการณ์ที่จะใช้เมื่อมีการสร้างการคาดการณ์ความต้องการ

คุณสามารถเพิ่มมิติการคาดการณ์ไปยังรายการของมิติที่ใช้สำหรับการคาดการณ์ความต้องการได้ทุกเมื่อ คุณยังสามารถลบมิติการคาดการณ์ออกจากรายการได้อีกด้วย อย่างไรก็ตาม การปรับปรุงด้วยตนเองจะสูญหายไปถ้าคุณเพิ่มหรือลบมิติการคาดการณ์

ตั้งค่าการแทนที่สำหรับคีย์การปันส่วนสินค้าเฉพาะ

ไม่ใช่สินค้าทั้งหมดจะทำงานในลักษณะเดียวกันจากมุมมองการคาดการณ์ความต้องการ ดังนั้น คุณสามารถสร้างคีย์การปันส่วนการแทนที่เฉพาะสําหรับการตั้งค่าส่วนใหญ่ที่พร้อมใช้งานบนแท็บ ทั่วไป ข้อยกเว้นคือหน่วยการคาดการณ์ความต้องการ เมื่อต้องการตั้งค่าการแทนที่สําหรับคีย์การปันส่วนสินค้าเฉพาะ ให้ทําตามขั้นตอนเหล่านี้:

  1. บนหน้า พารามิเตอร์การคาดการณ์ความต้องการ บนแท็บ คีย์การปันส่วนสินค้า ให้ใช้ปุ่มบนแถบเครื่องมือเพื่อเพิ่มคีย์การปันส่วนสินค้าลงในตารางทางด้านซ้าย หรือลบคีย์เหล่านั้นออกตามต้องการ จากนั้นเลือกคีย์การปันส่วนที่คุณต้องการตั้งค่าการแทนที่
  2. บนแท็บด่วน ชนิดธุรกรรม ให้เปิดใช้งานชนิดของธุรกรรมที่คุณต้องการใช้เพื่อสร้างการคาดการณ์พื้นฐานทางสถิติเกี่ยวกับผลิตภัณฑ์ที่เป็นของคีย์การปันส่วนที่เลือก การตั้งค่าจะทำงานเหมือนกับที่ทำบนแท็บ ทั่วไป แต่จะใช้กับคีย์การปันส่วนสินค้าที่เลือกเท่านั้น การตั้งค่าทั้งหมดที่นี่ (ทั้งค่า ใช่ และค่า ไม่) จะแทนที่การตั้งค่า ชนิดธุรกรรม ทั้งหมดบนแท็บ ทั่วไป
  3. บนแท็บด่วน พารามิเตอร์อัลกอริทึมการคาดการณ์ ให้เลือกกลยุทธ์การสร้างการคาดการณ์และการแทนที่พารามิเตอร์อัลกอริทึมการคาดการณ์ให้กับผลิตภัณฑ์ที่เป็นของคีย์การปันส่วนที่เลือก การตั้งค่าเหล่านี้จะทำงานเหมือนกับที่ทำบนแท็บ ทั่วไป แต่จะใช้กับคีย์การปันส่วนสินค้าที่เลือกเท่านั้น ใช้ปุ่ม เพิ่ม และ ลบ บนแถบเครื่องมือเพื่อสร้างชุดพารามิเตอร์ที่กําหนดของการแทนที่พารามิเตอร์ สำหรับแต่ละพารามิเตอร์ในรายการ เลือกค่าในฟิลด์ ชื่อ แล้วป้อนค่าที่ถูกต้องในฟิลด์ ค่า หากต้องการทราบข้อมูลเพิ่มเติมเกี่ยวกับวิธีการใช้ชุดพารามิเตอร์มาตรฐาน และเลือกค่าต่างๆ โปรดดูที่ส่วน พารามิเตอร์และค่าเริ่มต้นของโมเดลการคาดการณ์ความต้องการ

ตั้งค่าการเชื่อมต่อกับ Azure Machine Learning Service

ใช้แท็บ Azure Machine Learning Service เพื่อตั้งค่าการเชื่อมต่อกับ Azure Machine Learning Service โซลูชันนี้เป็นหนึ่งในตัวเลือกสำหรับการสร้างการคาดการณ์พื้นฐาน การตั้งค่าเหล่านี้บนแท็บนี้จะมีผลเฉพาะเมื่อเขตข้อมูลกลยุทธ์การสร้างการคาดการณ์ถูกตั้งค่าเป็นบริการ Azure Machine Learning

หากต้องการทราบข้อมูลเพิ่มเติมเกี่ยวกับวิธีการตั้งค่า Azure Machine Learning Service และใช้การตั้งค่าที่นี่เพื่อเชื่อมต่อกับบริการดังกล่าว โปรดดูส่วน ตั้งค่า Azure Machine Learning Service

ตั้งค่าการเชื่อมต่อกับ Azure Machine Learning Studio (คลาสสิก)

Important

Azure Machine Learning Studio (คลาสสิก) ไม่ได้รับการสนับสนุน ดังนั้น คุณไม่สามารถสร้างพื้นที่ทํางานใหม่สําหรับพื้นที่ทํางานใน Azure ได้ Azure Machine Learning Studio (คลาสสิก) จะถูกแทนที่ด้วยบริการ Azure Machine Learning ซึ่งมีฟังก์ชันการทํางานที่คล้ายกันและอื่น ๆ ถ้าคุณยังไม่ได้ใช้ Azure Machine Learning ให้เริ่มใช้บริการ Azure Machine Learning ถ้าคุณมีพื้นที่ทํางานที่คุณสร้างสําหรับ Azure Machine Learning Studio (คลาสสิก) แล้ว คุณสามารถใช้งานต่อได้จนกว่าคุณลักษณะจะถูกนําออกจาก Azure อย่างไรก็ตาม อัปเดตไปยังบริการ Azure Machine Learning โดยเร็วที่สุดเท่าที่เป็นไปได้ แม้ว่าแอปพลิเคชันจะยังคงเตือนคุณว่า Azure Machine Learning Studio (คลาสสิก) ไม่ได้รับการสนับสนุน แต่ผลลัพธ์การคาดการณ์จะไม่ได้รับผลกระทบ สําหรับข้อมูลเพิ่มเติมเกี่ยวกับบริการ Azure Machine Learning ใหม่และวิธีการตั้งค่า ให้ไปที่ส่วน ตั้งค่าบริการ Azure Machine Learning

คุณสามารถสลับไปมาได้อย่างอิสระระหว่างการใช้โซลูชันการเรียนรู้ของเครื่องใหม่และเก่ากับ Supply Chain Management ตราบเท่าที่พื้นที่ทำงาน Azure Machine Learning Studio (คลาสสิก) ของเก่ายังคงสามารถใช้งานได้

ถ้าคุณมีพื้นที่ทำงาน Azure Machine Learning Studio (คลาสสิก) อยู่แล้ว คุณสามารถใช้เพื่อสร้างการคาดการณ์ได้โดยเชื่อมต่อกับ Supply Chain Management คุณสามารถสร้างการเชื่อมต่อนี้โดยใช้แท็บ Azure Machine Learning บนหน้า พารามิเตอร์การคาดการณ์ความต้องการ (การตั้งค่าบนแท็บนี้จะมีผลเฉพาะเมื่อเขตข้อมูล กลยุทธ์การสร้างการคาดการณ์ ถูกตั้งค่าเป็น Azure Machine Learning) ป้อนรายละเอียดต่อไปนี้สําหรับพื้นที่ทํางาน Azure Machine Learning Studio (คลาสสิก)ของคุณ:

  • คีย์ Application Programming Interface (API) ของบริการเว็บ
  • URL ปลายทางของบริการเว็บ
  • ชื่อบัญชีการจัดเก็บของ Azure
  • คีย์บัญชีการจัดเก็บของ Azure

Note

คุณจําเป็นต้องมีชื่อบัญชีที่เก็บข้อมูล Azure และคีย์เฉพาะเมื่อคุณใช้บัญชีเก็บข้อมูลแบบกําหนดเองเท่านั้น ถ้าคุณปรับใช้รุ่นภายในสถานที่ คุณต้องมีบัญชีการจัดเก็บข้อมูลที่กำหนดเองใน Azure เพื่อให้ Machine Learning สามารถเข้าถึงข้อมูลในอดีตได้

พารามิเตอร์และค่าเริ่มต้นของโมเดลการคาดการณ์ความต้องการ

เมื่อคุณใช้การเรียนรู้ของเครื่องเพื่อสร้างแบบโมเดลการวางแผนการคาดการณ์ คุณสามารถควบคุมตัวเลือกการเรียนรู้ของเครื่องโดยตั้งค่าสำหรับ พารามิเตอร์อัลกอริทึมการคาดการณ์ Supply Chain Management ส่งค่าเหล่านี้ไปยัง Azure Machine Learning ใช้หน้า พารามิเตอร์อัลกอริทึมการคาดการณ์ เพื่อควบคุมชนิดของค่าที่จะระบุ และค่าที่แต่ละรายการควรมี

เมื่อต้องการตั้งค่าพารามิเตอร์และค่าเริ่มต้นสําหรับแบบจําลองการคาดการณ์ความต้องการ ให้ไปที่พารามิเตอร์อัลกอริทึม>การคาดการณ์ความต้องการและ>>หลัก ซึ่งจะแสดงชุดพารามิเตอร์มาตรฐาน พารามิเตอร์แต่ละรายการจะมีฟิลด์ต่อไปนี้

  • ชื่อ – ชื่อของพารามิเตอร์ตามที่ Azure ใช้ โดยปกติแล้ว คุณไม่ควรเปลี่ยนชื่อนี้ยกเว้นว่าคุณได้ปรับแต่งการทดลองใน Azure Machine Learning
  • คำอธิบาย – ชื่อทั่วไปสำหรับพารามิเตอร์ ใช้ชื่อนี้เพื่อระบุพารามิเตอร์ในสถานที่อื่นๆ ในระบบ (ตัวอย่างเช่น บนหน้า พารามิเตอร์การคาดการณ์ความต้องการ )
  • ค่า – ค่าเริ่มต้นสำหรับพารามิเตอร์ ค่าที่คุณใส่จะขึ้นอยู่กับพารามิเตอร์ที่คุณกําลังแก้ไข
  • คำอธิบาย – คําอธิบายสั้นๆ เกี่ยวกับพารามิเตอร์และวิธีการใช้ โดยทั่วไป คำอธิบายนี้จะมีคำแนะนําเกี่ยวกับค่าที่ถูกต้องสำหรับฟิลด์ ค่า

พารามิเตอร์ต่อไปนี้มีอยู่ตามค่าเริ่มต้น (เมื่อต้องการแปลงกลับเป็นรายการมาตรฐานนี้ ให้เลือก คืนค่า ในบานหน้าต่างการดําเนินการ)

  • เปอร์เซ็นต์ระดับความเชื่อมั่น – ช่วงเวลาความเชื่อมั่น ประกอบไปด้วยช่วงของค่าที่ทำหน้าที่เป็นการประมาณการที่ดีสำหรับการคาดการณ์ความต้องการ เปอร์เซ็นต์ระดับความเชื่อมั่น 95% บ่งชี้ว่ามีความเสี่ยง 5% ที่การคาดการณ์ความต้องการจะอยู่นอกช่วงเวลาความเชื่อมั่น

  • ช่วงเวลาการบังคับ – ระบุว่าจะบังคับให้โมเดลใช้ช่วงเวลาแบบใด พารามิเตอร์นี้ใช้กับ ARIMA และ ETS เท่านั้น ตัวเลือก: AUTO (ค่าเริ่มต้น), NONE, ADDITIVE, MULTIPLICATIVE

  • โมเดลการคาดการณ์ – ระบุโมเดลการคาดการณ์ที่จะใช้ ตัวลือก: ARIMA, ETS, STL, ETS+ARIMA, ETS+STL, ALL เมื่อต้องการเลือกโมเดลที่ดีที่สุด ให้ใช้ ALL

  • ค่าสูงสุดที่คาดการณ์ – ระบุค่าสูงสุดที่จะใช้สำหรับการคาดการณ์ รูปแบบ: + 1E [n] หรือค่าคงที่ของตัวเลข

  • ค่าต่ำสุดที่คาดการณ์ – ระบุค่าต่ำสุดที่จะใช้สำหรับการคาดการณ์ รูปแบบ: -1E [n] หรือค่าคงที่ของตัวเลข

  • การแทนที่ค่าที่ขาดหายไป – ระบุวิธีการเติมช่องว่างในข้อมูลในอดีต ตัวเลือก: (ค่าตัวเลข), MEAN, PREVIOUS, INTERPOLATE LINEAR, INTERPOLATE POLYNOMIAL

  • ขอบเขตการแทนที่ค่าที่ขาดหายไป – ระบุว่าการแทนที่ค่าจะใช้เฉพาะกับช่วงวันที่ของแต่ละแอตทริบิวต์ส่วนประกอบหรือกับชุดข้อมูลทั้งหมด มีตัวเลือกดังต่อไปนี้เพื่อสร้างช่วงวันที่ที่ระบบจะใช้เมื่อกรอกข้อมูลช่องว่างในข้อมูลในอดีต:

    • GLOBAL – ระบบใช้ช่วงวันที่แบบเต็มของแอททริบิวต์ความละเอียดทั้งหมด
    • HISTORY_DATE_RANGE – ระบบใช้ช่วงวันที่เฉพาะที่กําหนดโดยเขตข้อมูลจากวันที่และวันที่สิ้นสุดในส่วนขอบเขตอดีตในกล่องโต้ตอบสร้างการคาดการณ์พื้นฐานทางสถิติ
    • GRANULARITY_ATTRIBUTE – ระบบใช้ช่วงวันที่ของแอททริบิวต์ความละเอียดที่ประมวลผลในปัจจุบัน

    Note

    แอททริบิวต์แบบความละเอียดคือชุดมิติการคาดการณ์ที่ทำการคาดการณ์ คุณสามารถกำหนดมิติการคาดการณ์ในหน้า พารามิเตอร์การคาดการณ์ความต้องการ ได้

  • คำแนะนำช่วงเวลา – สำหรับข้อมูลตามฤดูกาล ให้คำแนะนำกับแบบจำลองการคาดการณ์เพื่อปรับปรุงความถูกต้องของการคาดการณ์ รูปแบบ: หมายเลขจำนวนเต็มที่แสดงถึงจำนวนของกลุ่มรูปแแบบความต้องการที่มีการทำซ้ำด้วยตัวเอง ตัวอย่างเช่น ป้อน 6 ให้กับข้อมูลที่ซ้ำกันทุกหกเดือน

  • เปอร์เซ็นต์ขนาดชุดทดสอบ – เปอร์เซ็นต์ของข้อมูลในอดีตที่จะใช้เป็นชุดการทดสอบสําหรับการคํานวณความแม่นยําในการคาดการณ์

เปลี่ยนแปลงค่าสำหรับพารามิเตอร์เหล่านี้โดยไปที่ การวางแผนหลัก>การตั้งค่า>การคาดการณ์ความต้องการ>พารามิเตอร์การคาดการณ์ความต้องการ บนหน้า พารามิเตอร์การคาดการณ์ความต้องการ คุณสามารถแทนที่พารามิเตอร์ในลักษณะต่อไปนี้

  • ใช้แท็บ ทั่วไป เพื่อแทนที่พารามิเตอร์ทั้งหมด
  • ใช้แท็บ คีย์การปันส่วนสินค้า เพื่อแทนที่พารามิเตอร์สำหรับคีย์การปันส่วนสินค้าเฉพาะ พารามิเตอร์ที่คุณแทนที่สําหรับคีย์การปันส่วนสินค้าหนึ่งๆ จะมีผลเฉพาะกับการคาดการณ์สินค้าที่เชื่อมโยงกับคีย์การปันส่วนสินค้านั้นเท่านั้น

Note

ในหน้า พารามิเตอร์อัลกอริทึมการคาดการณ์ ให้ใช้ปุ่มบนบานหน้าต่างการดําเนินการเพื่อเพิ่มพารามิเตอร์ไปยังรายการหรือลบพารามิเตอร์ออกจากรายการ อย่างไรก็ตาม อย่าใช้วิธีนี้ เว้นแต่ว่าคุณกําหนดค่าการทดลองใน Azure Machine Learning

ตั้งค่า Azure Machine Learning Service

การจัดการห่วงโซ่อุปทานจะคํานวณการคาดการณ์ความต้องการโดยใช้บริการ Azure Machine Learning คุณต้องตั้งค่าและเรียกใช้บริการนี้ในการสมัครใช้งาน Azure ของคุณเอง ในหัวข้อนี้จะอธิบายวิธีตั้งค่า Azure Machine Learning Service ใน Azure แล้วเชื่อมต่อกับสภาพแวดล้อม Supply Chain Management ของคุณ

เปิดใช้งาน Azure Machine Learning Service ในการจัดการคุณลักษณะ

การใช้คุณลักษณะนี้ ต้องเปิดคุณลักษณะนี้ในระบบของคุณก่อน เริ่มจาก Supply Chain Management รุ่น 10.0.32 คุณลักษณะนี้จะเปิดตามค่าเริ่มต้น เริ่มจาก Supply Chain Management รุ่น 10.0.36 คุณลักษณะนี้เป็นแบบบังคับ และไม่สามารถปิดได้ ถ้าคุณเรียกใช้รุ่นที่เก่ากว่า 10.0.36 ผู้ดูแลระบบสามารถเปิดหรือปิดฟังก์ชันนี้ได้โดยค้นหาคุณลักษณะ บริการ Azure Machine Learning สำหรับการคาดการณ์ความต้องการ ในพื้นที่ทำงาน การจัดการคุณลักษณะ

ตั้งค่าการเรียนรู้ของเครื่องใน Azure

Important

Azure Machine Learning SDK v1 (azureml-core) จะถูกยกเลิก ดังนั้นเทมเพลตการคาดการณ์ความต้องการจะได้รับการอัปเดตเพื่อใช้ Azure Machine Learning SDK v2 (azure-ai-ml) เนื่องจากตัวเชื่อมต่อ Supply Chain Management เรียกใช้สัญญา REST ของ Azure Machine Learning v1 ที่เผยแพร่ซึ่ง SDK v2 ไม่แสดง เทมเพลตที่อัปเดตแล้วจะเพิ่มรีเลย์ขนาดเล็ก (ฟังก์ชัน Azure) ที่รับการโทรเหล่านั้นและส่งงานไปป์ไลน์ SDK v2 สคริปต์ quick_setup.ps1 จะเตรียมใช้งานและปรับใช้รีเลย์ให้คุณ การตั้งค่าที่ยังคงใช้เทมเพลต v1 ยังคงใช้งานได้ แต่สลับไปยังเทมเพลตที่อัปเดตแล้วทันทีที่สะดวก เรียนรู้เพิ่มเติมใน เกี่ยวกับรีเลย์

เมื่อต้องการเปิดใช้งาน Azure เพื่อใช้การเรียนรู้ของเครื่องเพื่อประมวลผลการคาดการณ์ของคุณ คุณต้องตั้งค่าพื้นที่ทํางาน Azure Machine Learning สําหรับวัตถุประสงค์นี้ คุณมีสองตัวเลือก ดังนี้

เกี่ยวกับรีเลย์

ตัวเชื่อมต่อการคาดการณ์ความต้องการ Supply Chain Management สื่อสารกับ Azure Machine Learning ผ่านสัญญา REST ของไปป์ไลน์ที่เผยแพร่ v1 ซึ่งจะส่งการเรียกใช้ ทําการสํารวจสถานะการเรียกใช้ ยกเลิกการเรียกใช้ และคิวรีที่ใช้งานอยู่ Azure Machine Learning SDK v2 ไม่เปิดเผยสัญญานั้น ดังนั้นเทมเพลตที่อัปเดตแล้วจึงมีรีเลย์ซึ่งเป็นฟังก์ชัน Azure น้ําหนักเบาที่ยอมรับการเรียกทั้งสี่นั้นและส่งงานไปป์ไลน์ SDK v2 ที่เทียบเท่า ข้อมูลอินพุตและเอาท์พุทยังคงไหลผ่านคอนเทนเนอร์ blob demplan-azureml เหมือนกับในเทมเพลต v1

รีเลย์จะตรวจสอบสิทธิ์ของผู้เรียกแต่ละรายโดยตรวจสอบโทเค็น Microsoft Entra ของ Service Principal เพื่อให้เฉพาะสภาพแวดล้อม Supply Chain Management ของคุณเท่านั้นที่สามารถเรียกใช้การคาดการณ์ได้ สคริปต์ quick_setup.ps1 จะสร้างแอปฟังก์ชัน กําหนดข้อมูลประจําตัวที่มีการจัดการซึ่งมีสิทธิ์เข้าถึงพื้นที่ทํางานและบัญชีเก็บข้อมูล กําหนดค่าและปรับใช้รหัสการถ่ายทอดข้อมูล ที่อยู่ปลายทางไปป์ไลน์ที่คุณป้อนใน Supply Chain Management คือ URL ของรีเลย์ซึ่งสคริปต์พิมพ์เมื่อเสร็จสิ้น

ตัวเลือกที่ 1: เรียกใช้สคริปต์เพื่อตั้งค่าพื้นที่ทำงานการเรียนรู้ของเครื่องโดยอัตโนมัติ

ในส่วนนี้จะอธิบายวิธีการตั้งค่าพื้นที่ทํางานการเรียนรู้ของเครื่องของคุณโดยใช้สคริปต์อัตโนมัติที่ Microsoft มี สคริปต์จัดเตรียมทรัพยากร Azure Machine Learning สร้างโครงร่างสําคัญของบริการ และการเตรียมใช้งานและปรับใช้รีเลย์ หากต้องการ คุณสามารถตั้งค่าทรัพยากรทั้งหมดด้วยตนเองโดยการปฏิบัติตามคําแนะนําในส่วน ตัวเลือกที่ 2: ตั้งค่าส่วนพื้นที่ทำงานการเรียนรู้ของเครื่องด้วยตนเอง คุณไม่มีสิทธิ์ดำเนินการด้วยทั้งสองตัวเลือก

สคริปต์ต้องการ Azure CLI และส่วนขยาย Azure CLI ml (v2)

  1. บน GitHub ให้เปิดเทมเพลตสําหรับการคาดการณ์ความต้องการ Dynamics 365 Supply Chain Management กับที่เก็บ Azure Machine Learning (repo) โคลน repo หรือดาวน์โหลดเป็นไฟล์ .zip เพื่อให้คุณมีโครงสร้างโฟลเดอร์ที่สมบูรณ์ รวมถึงรายการเหล่านี้:

    • quick_setup.ps1
    • sampleInput.csv
    • src/parameters.py
    • src/api_trigger.py
    • src/run.py
    • src/REntryScript/entry.py
    • src/REntryScript/forecast_entry.r
    • src/REntryScript/forecast.r
    • โฟลเดอร์relay
  2. เปิดหน้าต่าง PowerShell ในรากของ repo และเรียกใช้ quick_setup.ps1 สคริปต์ ระบุพารามิเตอร์ที่อธิบายไว้ในตารางต่อไปนี้ ทําตามคําแนะนําบนหน้าจอ รวมถึงพร้อมท์ลงชื่อเข้าใช้ Azure

    พารามิเตอร์ คำอธิบาย
    -subscriptionId การสมัครใช้งาน Azure ที่จะใช้สร้างทรัพยากร
    -resourceGroupName กลุ่มทรัพยากรเพื่อสร้างหรือนํากลับมาใช้ใหม่
    -location ภูมิภาค Azure เลือกภูมิภาคที่ตรงกับการปรับใช้ Supply Chain Management ของคุณ
    -storageAccountName บัญชีเก็บข้อมูลสําหรับการคาดการณ์ความต้องการ
    -workspaceName พื้นที่ทํางาน Azure Machine Learning เพื่อสร้างหรือนํากลับมาใช้ใหม่
    -AADApplicationName ชื่อของแอปพลิเคชัน Microsoft Entra (บริการหลัก) เพื่อสร้างหรือนํามาใช้ใหม่
    -functionAppName ชื่อของแอป Azure Function ที่โฮสต์รีเลย์
    -functionStorageAccountName บัญชีเก็บข้อมูลที่แอปฟังก์ชันใช้สําหรับรันไทม์
    -d365TenantId (ไม่บังคับ) ผู้เช่าที่ตัวเชื่อมต่อใช้ในการยืนยันตัวตน ถ้าคุณไม่ใช้พารามิเตอร์นี้ สคริปต์จะใช้ผู้เช่าปัจจุบัน
    -d365AppId (ไม่บังคับ) รหัสแอปพลิเคชันของบริการหลักของตัวเชื่อมต่อ หากคุณไม่ใช้พารามิเตอร์นี้ สคริปต์จะใช้แอปพลิเคชันที่สร้างขึ้น

    สคริปต์นี้สามารถรันซ้ำได้โดยให้ผลลัพธ์เหมือนเดิม ถ้าคุณเรียกใช้อีกครั้ง ทรัพยากรที่มีอยู่จะนํากลับมาใช้ใหม่ ทํางานต่อไปนี้:

    • สร้าง (หรือนํามาใช้ใหม่) พื้นที่ทํางาน บัญชีที่เก็บข้อมูล คอนเทนเนอร์ blob demplan-azureml พื้นที่เก็บข้อมูลของ workspaceblobdemplan อินสแตนซ์การคํานวณ และคลัสเตอร์การคํานวณ e2ecpucluster
    • สร้าง (หรือนํามาใช้ใหม่) Microsoft Entra แอปพลิเคชันและบริการหลัก และกําหนดบทบาทผู้สนับสนุนบนบัญชีพื้นที่ทํางานและที่เก็บข้อมูล และบทบาท ผู้สนับสนุน Blob Data Storage บนบัญชีเก็บข้อมูล
    • เตรียมใช้งานแอปฟังก์ชันสําหรับรีเลย์ กําหนดให้แอปเป็นข้อมูลประจําตัวที่มีการจัดการที่มีบทบาทที่จําเป็น กําหนดค่า และปรับใช้รหัสการถ่ายทอดข้อมูล
  3. ในส่วนใบรับรองและข้อมูลลับของแอปพลิเคชัน Microsoft Entra ที่สคริปต์สร้างขึ้น ให้สร้างข้อมูลลับของไคลเอ็นต์ ดูคำแนะนำที่ เพิ่มข้อมูลลับของไคลเอ็นต์ จดบันทึกค่าลับไว้ คุณจะใส่ข้อมูลใน Supply Chain Management ในภายหลัง

  4. เมื่อสคริปต์เสร็จสิ้น ระบบจะพิมพ์พารามิเตอร์การคาดการณ์ความต้องการที่คุณป้อนใน Supply Chain Management รวมถึงที่อยู่จุดสิ้นสุดไปป์ไลน์ (URL การถ่ายทอด) สร้างบันทึกย่อของค่าเหล่านี้

  5. ขณะนี้พื้นที่ทํางานและรีเลย์ของคุณได้รับการตั้งค่าแล้ว ข้ามไปที่ส่วน ตั้งค่าพารามิเตอร์การเชื่อมต่อ Azure Machine Learning Serviceใน Supply Chain Management

ตัวเลือกที่ 2: ตั้งค่าพื้นที่ทำงานการเรียนรู้ของเครื่องของคุณด้วยตนเอง

ส่วนนี้อธิบายวิธีการตั้งค่าพื้นที่ทำงานการเรียนรู้ของเครื่องของคุณด้วยตนเอง ทําตามขั้นตอนในส่วนนี้ให้เสร็จสมบูรณ์เฉพาะเมื่อคุณตัดสินใจที่จะไม่เรียกใช้สคริปต์การตั้งค่าอัตโนมัติ ตามที่อธิบายไว้ใน ตัวเลือกที่ 1: เรียกใช้สคริปต์เพื่อตั้งค่าส่วนพื้นที่ทํางานการเรียนรู้ของเครื่องของคุณ

ขั้นตอนที่ 1: สร้างพื้นที่ทำงานใหม่

ใช้กระบวนงานต่อไปนี้เพื่อสร้างพื้นที่ทำงานการเรียนรู้ของเครื่องใหม่

  1. ลงชื่อเข้าใช้พอร์ทัล Azure ของคุณ

  2. เปิดบริการ การเรียนรู้ของเครื่อง

  3. เลือก สร้าง บนแถบเครื่องมือเพื่อเปิดวิซาร์ด การสร้าง

  4. ทำตามวิซาร์ดให้เสร็จสมบูรณ์โดยปฏิบัติตามคําแนะนําบนหน้าจอ โปรดคำนึงถึงประเด็นต่อไปนี้เมื่อคุณทำงาน

    • ใช้การตั้งค่าเริ่มต้น ยกเว้นส่วนอื่นๆ ในรายการนี้แนะนำให้ใช้การตั้งค่าที่แตกต่างออกไป
    • ตรวจสอบให้แน่ใจว่าได้เลือกภูมิภาคทางภูมิศาสตร์ที่ตรงกับภูมิภาคที่ปรับใช้อินสแตนซ์ของ Supply Chain Management ของคุณ ไม่เช่นนั้น ข้อมูลบางอย่างของคุณอาจส่งข้ามผ่านเขตแดนภูมิภาค เรียนรู้เพิ่มเติมใน ประกาศความเป็นส่วนตัว ในภายหลังในบทความนี้
    • ใช้ทรัพยากรเฉพาะ เช่น กลุ่มทรัพยากร บัญชีเก็บข้อมูล การลงทะเบียนคอนเทนเนอร์ ชุดเก็บคีย์ของ Azure และทรัพยากรเครือข่าย
    • บนหน้า ตั้งค่าพารามิเตอร์การเชื่อมต่อ Azure Machine Learning Service ของวิซาร์ด คุณต้องระบุชื่อบัญชีการจัดเก็บ ใช้บัญชีที่อุทิศแด่การคาดการณ์ความต้องการ ข้อมูลการคาดการณ์ตามความต้องการและข้อมูลที่ส่งออกจะถูกเก็บไว้ในบัญชีเก็บข้อมูลนี้

เรียนรู้เพิ่มเติมใน สร้างพื้นที่ทํางาน

ขั้นตอนที่ 2: ตั้งค่าคอนฟิกการจัดเก็บ

ใช้กระบวนงานต่อไปนี้เพื่อตั้งค่าการจัดเก็บของคุณ

  1. บน GitHub เปิด เทมเพลตสําหรับการจัดการห่วงโซ่อุปทาน Dynamics 365 การคาดการณ์ความต้องการด้วยที่เก็บ Azure Machine Learning และดาวน์โหลด sampleInput.csv ไฟล์
  2. เปิดบัญชีการจัดเก็บที่คุณสร้างไว้ในส่วน ขั้นตอนที่1: สร้างพื้นที่ทำงานใหม่
  3. ทําตามคําแนะนําในสร้างคอนเทนเนอร์เพื่อสร้างคอนเทนเนอร์ที่ชื่อ demplan-azureml
  4. sampleInput.csvอัปโหลดไฟล์ที่คุณดาวน์โหลดในขั้นตอนที่ 1 ไปยังคอนเทนเนอร์ที่คุณเพิ่งสร้างขึ้น คุณต้องใช้ไฟล์นี้เพื่อเผยแพร่ไปป์ไลน์และสร้างการคาดการณ์การทดสอบ ดูคำแนะนำที่ อัปโหลด blob แบบบล็อก
ขั้นตอนที่ 3: ตั้งค่าคอนฟิกที่เก็บข้อมูลเริ่มต้น

หากต้องการตั้งค่าที่เก็บข้อมูลเริ่มต้นของคุณ ให้ทําตามขั้นตอนเหล่านี้:

  1. ใน Azure Machine Learning Studio ให้เลือก ที่เก็บข้อมูล ในการนําทาง
  2. สร้างที่เก็บข้อมูลใหม่ชนิด Azure Blob Storage ที่ชี้ไปยังคอนเทนเนอร์การจัดเก็บ Blob ที่ชื่อ demplan-azureml ที่คุณสร้างไว้ในส่วน ขั้นตอนที่ 2: ตั้งค่าคอนฟิกการจัดเก็บ ถ้าชนิดของการรับรองความถูกต้องของ datastore ใหม่คือ คีย์บัญชี ให้ใส่คีย์บัญชีสําหรับบัญชีเก็บข้อมูลที่สร้างขึ้น สําหรับคําแนะนํา ให้ดู จัดการคีย์การเข้าถึงบัญชีเก็บข้อมูล
  3. ทำให้ที่เก็บข้อมูลใหม่ของคุณเป็นที่เก็บข้อมูลเริ่มต้นโดยการเปิดรายละเอียดและเลือก ตั้งค่าเป็นที่เก็บข้อมูลเริ่มต้น
ขั้นตอนที่ 4: ตั้งค่าคอนฟิกทรัพยากรการคำนวณ

หากต้องการตั้งค่าทรัพยากรการคํานวณใน Azure Machine Learning studio เพื่อเรียกใช้สคริปต์การสร้างการคาดการณ์ของคุณ ให้ทําตามขั้นตอนเหล่านี้:

  1. เปิดหน้ารายละเอียดเกี่ยวกับพื้นที่ทำงานการเรียนรู้ของเครื่องที่คุณสร้างขึ้นในส่วน ขั้นตอนที่ 1: สร้างพื้นที่ทำงานใหม่ ค้นหาค่า URL เว็บ Studio และเลือกลิงก์เพื่อเปิด

  2. เลือก การคำนวณ ในบานหน้าต่างนำทาง

  3. บนแท็บ คํานวณอินสแตนซ์ ให้เลือก ใหม่ เพื่อเปิดตัวช่วยสร้างที่ช่วยให้คุณสร้างอินสแตนซ์การคํานวณใหม่ ทำตามคำแนะนำบนหน้าจอ ใช้การตั้งค่าเริ่มต้น อินสแตนซ์การคํานวณใช้เพื่อสร้างไปป์ไลน์การคาดการณ์ความต้องการ คุณสามารถลบออกได้หลังจากที่เผยแพร่ไปป์ไลน์แล้ว

  4. บนแท็บ คํานวณคลัสเตอร์ เลือก ใหม่ เพื่อเปิดตัวช่วยสร้างที่ช่วยให้คุณสร้างคลัสเตอร์คํานวณใหม่ ทำตามคำแนะนำบนหน้าจอ คลัสเตอร์คํานวณสร้างการคาดการณ์ความต้องการ การตั้งค่าจะมีผลต่อประสิทธิภาพการทำงานและระดับสูงสุดของการเรียกใช้พร้อมกัน ตั้งค่าฟิลด์ต่อไปนี้ แต่ใช้การตั้งค่าเริ่มต้นกับฟิลด์อื่นๆ ทั้งหมด

    • ชื่อ – ป้อน e2ecpucluster
    • ขนาดเครื่องเสมือน – ปรับปรุงการตั้งค่านี้ตามปริมาณข้อมูลที่คุณคาดว่าจะใช้เป็นข้อมูลที่ป้อนสำหรับการคาดการณ์ความต้องการ จํานวนโหนดไม่ควรเกิน 11 เนื่องจากต้องใช้โหนดหนึ่งโหนดเพื่อทริกเกอร์การสร้างการคาดการณ์ความต้องการและจํานวนโหนดสูงสุดที่สามารถใช้ในการสร้างการคาดการณ์ได้คือ 10 นอกจากนี้คุณยังจะตั้งค่าจํานวนโหนดในparameters.pyไฟล์ในขั้นตอนที่ 5: ปรับใช้ส่วนรีเลย์ ในแต่ละโหนด กระบวนการของผู้ปฏิบัติงานหลายรายการจะเรียกใช้สคริปต์การคาดการณ์แบบขนาน จํานวนรวมของกระบวนการของผู้ปฏิบัติงานในงานของคุณคือ จํานวนแกน ที่โหนดมี×จํานวนโหนด ตัวอย่างเช่น ถ้าคลัสเตอร์การคํานวณของคุณมีชนิดของ Standard_D4 (แปดแกน) และสูงสุด 11 โหนด และถ้า nodes_count ค่าถูกตั้งค่าเป็น 10 ใน parameters.py ไฟล์ ระดับที่มีประสิทธิภาพของแบบขนานคือ 80
ขั้นตอนที่ 5: ติดตั้งรีเลย์

ใน SDK v2 ตัวเชื่อมต่อเข้าถึง Azure Machine Learning ผ่านรีเลย์แทนผ่านไปป์ไลน์ที่เผยแพร่ v1 ทําตามขั้นตอนเหล่านี้เพื่อปรับใช้รีเลย์ด้วยตนเอง ขั้นตอนเหล่านี้ใช้ Azure CLI และส่วนขยาย Azure CLI ml (v2)

Tip

สคริปต์ quick_setup.ps1 ใน ตัวเลือก 1 ทําขั้นตอนเหล่านี้ทั้งหมดสําหรับคุณ คุณสามารถเรียกใช้ด้วย -RelayOnly สวิตช์เพื่อปรับใช้เฉพาะรีเลย์กับพื้นที่ทํางานที่คุณตั้งค่าด้วยตนเอง

  1. GitHub ให้เปิดเทมเพลตสําหรับการคาดการณ์ความต้องการ Dynamics 365 Supply Chain Management ด้วย Azure Machine Learning repo และโคลนหรือดาวน์โหลดเป็นไฟล์ .zip เพื่อให้คุณมีsrcโฟลเดอร์ และrelay

  2. เปิดไฟล์ src/parameters.py ตรวจสอบให้แน่ใจว่าnodes_countค่าไม่มากกว่าจํานวนโหนดที่คุณกําหนดค่าสําหรับคลัสเตอร์การคํานวณในขั้นตอนที่ 4: กําหนดค่าทรัพยากรการคํานวณ nodes_countถ้าค่ามากกว่าจํานวนของโหนดที่พร้อมใช้งานในคลัสเตอร์ การเรียกใช้อาจถูกจัดคิวจนกว่าทรัพยากรเพิ่มเติมจะพร้อมใช้งาน

  3. สร้างบัญชีเก็บข้อมูลสําหรับรันไทม์ของแอปฟังก์ชัน บัญชีนี้จะแยกต่างหากจากบัญชีที่เก็บข้อมูลการคาดการณ์ความต้องการ

    az storage account create --name <functionStorageAccountName> --resource-group <resourceGroupName> --location <location> --sku Standard_LRS
    
  4. สร้างแอปฟังก์ชัน Linux ที่ทํางาน Python 3.11 บนแผนการใช้และเปิดใช้งานรุ่นระยะไกล

    az functionapp create --name <functionAppName> --resource-group <resourceGroupName> --storage-account <functionStorageAccountName> --consumption-plan-location <location> --os-type Linux --runtime python --runtime-version 3.11 --functions-version 4
    az functionapp config appsettings set --name <functionAppName> --resource-group <resourceGroupName> --settings SCM_DO_BUILD_DURING_DEPLOYMENT=1 ENABLE_ORYX_BUILD=true
    
  5. กําหนดข้อมูลประจําตัวที่จัดการโดยระบบสําหรับแอปฟังก์ชัน

    az functionapp identity assign --name <functionAppName> --resource-group <resourceGroupName>
    

    กำหนดบทบาท Contributor ให้กับ Principal ID ที่ส่งกลับมาบนเวิร์กสเปซ Azure Machine Learning และกำหนดบทบาท Storage Blob Data Contributor บนบัญชีที่เก็บข้อมูลการคาดการณ์อุปสงค์ ดูคำแนะนำที่ กําหนดบทบาท Azure โดยใช้พอร์ทัล Azure

  6. กําหนดค่าการตั้งค่าแอปของรีเลย์ ตั้งค่า RELAY_EXPECTED_TENANT_ID และ RELAY_EXPECTED_APP_ID เป็น ID ผู้เช่าและ ID แอปพลิเคชันหลักบริการจากส่วน ตั้งค่าแอปพลิเคชัน Microsoft Entra ใหม่ การถ่ายทอดข้อมูลปฏิเสธผู้เรียกใด ๆ ที่ไม่แสดงโทเค็นจากผู้เช่าและแอปพลิเคชันนี้

    az functionapp config appsettings set --name <functionAppName> --resource-group <resourceGroupName> --settings AML_SUBSCRIPTION_ID=<subscriptionId> AML_RESOURCE_GROUP=<resourceGroupName> AML_WORKSPACE_NAME=<workspaceName> RELAY_DATASTORE=workspaceblobdemplan RELAY_EXPECTED_TENANT_ID=<tenantId> RELAY_EXPECTED_APP_ID=<servicePrincipalApplicationId>
    
  7. srcคัดลอกโฟลเดอร์ลงในrelayโฟลเดอร์ (รีเลย์นําเข้าตัวสร้างไปป์ไลน์จากโฟลเดอร์) จัดแพคเกจรีเลย์และปรับใช้กับรุ่นระยะไกล

    Copy-Item .\src .\relay\src -Recurse -Force
    Compress-Archive -Path .\relay\* -DestinationPath .\relay.zip -Force
    az functionapp deployment source config-zip --name <functionAppName> --resource-group <resourceGroupName> --src .\relay.zip --build-remote true
    

    Important

    ต้องระบุตัวเลือก --build-remote true หากไม่มีการติดตั้งแพคเกจใน relay/requirements.txt และรีเลย์ล้มเหลวในขณะทํางาน

  8. รีเลย์ถูกปรับใช้แล้ว ที่อยู่ปลายทางของไปป์ไลน์มีฟอร์มต่อไปนี้ คุณป้อน URL นี้เป็นที่อยู่จุดสิ้นสุดไปป์ไลน์ใน Supply Chain Management ตัวเชื่อมต่อใช้เฉพาะโฮสต์เท่านั้น เซกเมนต์เส้นทางจะจัดหาการสมัครใช้งาน กลุ่มทรัพยากร และพื้นที่ทํางาน

    https://<functionAppName>.azurewebsites.net/pipelines/v1.0/subscriptions/<subscriptionId>/resourceGroups/<resourceGroupName>/providers/Microsoft.MachineLearningServices/workspaces/<workspaceName>/PipelineRuns/PipelineEndpointSubmit/Id/relay
    

ตั้งค่าแอปพลิเคชัน Microsoft Entra ใหม่

Note

ถ้าคุณตั้งค่าพื้นที่ทํางานของคุณโดยการเรียกใช้สคริปต์ (ตัวเลือก 1) สคริปต์จะสร้างแอปพลิเคชัน Microsoft Entra นี้แล้ว และกําหนดบทบาทที่จําเป็น ในกรณีดังกล่าว คุณจะต้องสร้างข้อมูลลับไคลเอ็นต์ (ขั้นตอนที่ 5 ในส่วนนี้) ทําตามขั้นตอนอื่นๆ ในส่วนนี้ให้เสร็จสมบูรณ์เฉพาะเมื่อคุณตั้งค่าพื้นที่ทํางานของคุณด้วยตนเอง (ตัวเลือกที่ 2)

หากต้องการรับรองความถูกต้องโดยใช้บริการหลักกับทรัพยากรที่อุทิศแด่การคาดการณ์ความต้องการ คุณต้องมีแอปพลิเคชัน Microsoft Entra ดังนั้น แอปพลิเคชันควรมีระดับสิทธิ์ต่ำสุดที่ต้องใช้ในการสร้างการคาดการณ์

  1. ลงชื่อเข้าใช้พอร์ทัล Azure ของคุณ

  2. ลงทะเบียนแอปพลิเคชันใหม่ใน Microsoft Entra ID ของผู้เช่า สำหรับคำแนะนำ โปรดดู ใช้พอร์ทัลเพื่อสร้างแอปพลิเคชัน Microsoft Entra และบริการหลักที่สามารถเข้าถึงทรัพยากร

  3. ทำตามคําแนะนําบนหน้าจอเมื่อคุณดำเนินการตามวิซาร์ด ใช้การตั้งค่าเริ่มต้น

  4. ให้แอปพลิเคชัน Microsoft Entra ใหม่ของคุณเข้าถึงทรัพยากรต่อไปนี้ที่คุณสร้างขึ้นในส่วนตั้งค่า Machine Learning ใน Azure ดูคำแนะนำที่ กําหนดบทบาท Azure โดยใช้พอร์ทัล Azure ขั้นตอนนี้ช่วยให้ระบบสามารถนําเข้าและส่งออกข้อมูลการคาดการณ์ และทริกเกอร์การเรียกใช้ไปป์ไลน์การเรียนรู้ของเครื่องจาก Supply Chain Management

    • บทบาทผู้สนับสนุนสำหรับพื้นที่ทำงานการเรียนรู้ของเครื่อง
    • บทบาทผู้สนับสนุนสำหรับบัญชีการจัดเก็บเฉพาะ
    • บทบาทผู้สนับสนุนข้อมูล Blob การเก็บข้อมูลสำหรับบัญชีการจัดเก็บเฉพาะ
  5. ในส่วน ใบรับรองและข้อมูลลับ ของแอปพลิเคชันที่คุณสร้างขึ้น ให้สร้างข้อมูลลับของแอปพลิเคชัน ดูคำแนะนำที่ เพิ่มข้อมูลลับของไคลเอ็นต์

  6. จดบันทึกรหัสแอปพลิเคชันและข้อมูลลับ คุณจะต้องกำหนดรายละเอียดของแอปพลิเคชันนี้ในภายหลัง เมื่อคุณตั้งค่าหน้า พารามิเตอร์การคาดการณ์ความต้องการ ใน Supply Chain Management

ตั้งค่าพารามิเตอร์การเชื่อมต่อ Azure Machine Learning Service ใน Supply Chain Management

ใช้ขั้นตอนต่อไปนี้เพื่อเชื่อมต่อสภาพแวดล้อมการจัดการห่วงโซ่อุปทานของคุณกับบริการการเรียนรู้ของเครื่องที่คุณตั้งค่าใน Azure

  1. ลงชื่อเข้าใช้ Supply Chain Management

  2. ไปที่การวางแผนหลัก>การตั้งค่า>การคาดการณ์ความต้องการ>พารามิเตอร์การคาดการณ์ความต้องการ

  3. บนแท็บ ทั่วไป ตรวจสอบให้แน่ใจว่าได้ตั้งค่าฟิลด์ กลยุทธ์การสร้างการคาดการณ์ เป็น Azure Machine Learning Service

  4. บนแท็บ คีย์การปันส่วนสินค้า ตรวจสอบให้แน่ใจว่าฟิลด์ กลยุทธ์การสร้างการคาดการณ์ ตั้งค่าเป็น Azure Machine Learning Service ให้กับคีย์การปันส่วนแต่ละคีย์ที่ควรใช้ Azure Machine Learning Service สำหรับการคาดการณ์ความต้องการ

  5. บนแท็บ Azure Machine Learning Service ให้ตั้งค่าฟิลด์ต่อไปนี้

    • รหัสผู้เช่า – ป้อนรหัสสำหรับผู้เช่า Azure ของคุณ การจัดการห่วงโซ่อุปทานใช้ ID นี้เพื่อรับรองความถูกต้องกับบริการ Azure Machine Learning คุณสามารถค้นหารหัสผู้เช่าในหน้า ภาพรวม สำหรับ Microsoft Entra ID ในพอร์ทัล Azure
    • รหัสแอปพลิเคชันของบริการหลัก – ป้อนรหัสแอปพลิเคชันของแอปพลิเคชันที่คุณสร้างขึ้นในส่วน แอปพลิเคชัน Active Directory การจัดการห่วงโซ่อุปทานใช้ค่านี้เพื่ออนุญาตคําขอ API ไปยังบริการ Azure Machine Learning
    • ข้อมูลลับของบริการหลัก – ป้อนข้อมูลลับของแอปพลิเคชันบริการหลักสำหรับแอปพลิเคชันที่คุณสร้างขึ้นในส่วน แอปพลิเคชัน Active Directory การจัดการห่วงโซ่อุปทานใช้ค่านี้เพื่อรับโทเค็นการเข้าถึงสําหรับองค์ประกอบหลักของความปลอดภัยที่คุณสร้างขึ้นเพื่อดําเนินการที่ได้รับอนุญาตกับ Azure Storage และพื้นที่ทํางาน Azure Machine Language
    • ชื่อบัญชีการจัดเก็บ – ป้อนชื่อบัญชีการจัดเก็บ Azure ที่คุณระบุเมื่อคุณเรียกใช้วิซาร์ดการตั้งค่าในพื้นที่ทำงาน Azure ของคุณ (เรียนรู้เพิ่มเติมในส่วน ตั้งค่าการเรียนรู้ของเครื่องใน Azure )
    • ที่อยู่ปลายทางของไปป์ไลน์ – ป้อน URL ของรีเลย์ที่คุณปรับใช้เมื่อคุณตั้งค่าการเรียนรู้ของเครื่องใน Azure ถ้าคุณใช้สคริปต์ (ตัวเลือก 1) URL นี้คือ ที่อยู่ปลายทางไปป์ไลน์ ที่ quick_setup.ps1 สคริปต์พิมพ์เมื่อเสร็จแล้ว หากคุณตั้งค่ารีเลย์ด้วยตนเอง (ตัวเลือกที่ 2) ให้สร้าง URL ตามที่อธิบายไว้ในขั้นตอนที่ 5: ปรับใช้ส่วนรีเลย์

    พารามิเตอร์บนแท็บ Azure Machine Learning Service ของหน้าพารามิเตอร์การคาดการณ์ความต้องการ

ประกาศเกี่ยวกับความเป็นส่วนตัว

เมื่อคุณเลือก Azure Machine Learning Service เป็นกลยุทธ์การสร้างการคาดการณ์ของคุณ Supply Chain Management จะส่งข้อมูลความต้องการในอดีตของลูกค้าของคุณโดยอัตโนมัติ เช่น ปริมาณรวม ชื่อผลิตภัณฑ์ และมิติของผลิตภัณฑ์ สถานที่จัดส่งและรับสินค้า รหัสลูกค้า และพารามิเตอร์การคาดการณ์ ไปยังภูมิภาคทางภูมิศาสตร์ที่พื้นที่ทำงานการเรียนรู้ของเครื่องและบัญชีการจัดเก็บที่เชื่อมโยงตั้งอยู่ เพื่อวัตถุประสงค์ของการคาดการณ์ความต้องการในอนาคต Azure Machine Learning Service อาจอยู่ในภูมิภาคทางภูมิศาสตร์อื่นที่แตกต่างจากภูมิภาคทางภูมิศาสตร์ที่ปรับใช้ Supply Chain Management ผู้ใช้บางรายสามารถควบคุมว่าจะเปิดใช้งานฟังก์ชันนี้หรือไม่ได้โดยการเลือกกลยุทธ์การสร้างการคาดการณ์ในหน้า พารามิเตอร์การคาดการณ์ความต้องการ