หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
Tip
บทความนี้จะอธิบายฟังก์ชันการคาดการณ์ความต้องการที่สร้างขึ้น Microsoft Dynamics 365 Supply Chain Management เพื่อการวางแผนและประสบการณ์การคาดการณ์ที่ยิ่งดี Microsoft Dynamics 365 Supply Chain Managementยิ่งขึ้น เราขอแนะนาว่าคุณควรลองการวางแผนความต้องการ ซึ่งเป็นโซลูชันการวางแผนความต้องการที่มีประสิทธิภาพในการสร้าง Microsoft ถัดไป สำหรับรายละเอียด ดูที่ โฮมเพจการวางแผนความต้องการ
ใช้การคาดการณ์ความต้องการเพื่อคาดการณ์ความต้องการอิสระจากคําสั่งขายและความต้องการที่ไม่เป็นอิสระณ จุดที่แยกส่วนใด ๆ สําหรับคําสั่งซื้อของลูกค้า กฎการลดการคาดการณ์ความต้องการขั้นสูงให้โซลูชันที่เหมาะสมที่สุดสำหรับการกำหนดเองโดยรวม
หากต้องการสร้างการคาดการณ์พื้นฐาน สรุปของธุรกรรมในอดีตจะถูกส่งผ่านไปยัง Microsoft Azure Machine Learning ที่โฮสต์บน Azure เนื่องจากบริการนี้ไม่ได้แชร์ระหว่างผู้ใช้ คุณสามารถปรับแต่งให้ตรงกับข้อกําหนดเฉพาะของอุตสาหกรรมได้อย่างง่ายดาย ใช้ Supply Chain Management เพื่อแสดงภาพการคาดการณ์ ปรับการคาดการณ์ และดูตัวบ่งชี้ประสิทธิภาพหลัก (KPI) เกี่ยวกับความแม่นยําในการคาดการณ์
Note
จําเป็นต้องมี Microsoft Azure Machine Learning Studio (คลาสสิก) สําหรับการสร้างการคาดการณ์ด้วยการเรียนรู้ของเครื่อง ณ วันที่ 1 ธันวาคม 2021 คุณไม่สามารถสร้างทรัพยากร Machine Learning Studio (คลาสสิก) ใหม่ได้ อย่างไรก็ตาม คุณยังสามารถใช้ทรัพยากร Machine Learning Studio (คลาสสิก) ที่มีอยู่ของคุณต่อไปได้จนถึงวันที่ 31 สิงหาคม 2024 สำหรับข้อมูลที่อัปเดต โปรดดูที่ Azure Machine Learning Studio
Dynamics 365 Supply Chain Management เวอร์ชัน 10.0.23 และใหม่กว่ารองรับ Machine Learning Studio Azure ใหม่
ลักษณะการทำงานหลักของการคาดการณ์ความต้องการ
นี่คือคุณลักษณะหลักบางประการของการคาดการณ์ความต้องการ:
- สร้างการคาดการณ์พื้นฐานทางสถิติที่ยึดตามข้อมูลในอดีต
- ใช้ชุดไดนามิกของมิติการคาดการณ์
- แสดงให้เห็นแนวโน้มความต้องการ ช่วงเวลาของความเชื่อมั่น และการปรับปรุงของการคาดการณ์
- อนุมัติการคาดการณ์ที่ปรับปรุงแล้วสําหรับใช้ในกระบวนการวางแผน
- ลบจุดนอกขอบเขต
- สร้างการวัดความถูกต้องของการคาดการณ์
ชุดรูปแบบหลักในการคาดการณ์ความต้องการ
การคาดการณ์ความต้องการใช้ธีมหลักสามแบบ:
- Modularity – การคาดการณ์ความต้องการเป็นส่วนย่อยๆและง่ายต่อการตั้งค่าคอนฟิก คุณสามารถเปิดและปิดฟังก์ชันด้วยการเปลี่ยนคีย์การตั้งค่าคอนฟิกที่ การค้า > การคาดการณ์สินค้าคงคลัง > การคาดการณ์ความต้องการ
-
Reuse ของสแตก Microsoft – Machine Learning ช่วยให้คุณสร้างการทดลองการวิเคราะห์เชิงทํานายได้อย่างรวดเร็วและง่ายดาย เช่น การทดลองการประมาณความต้องการ โดยใช้อัลกอริทึม R หรือ Python ภาษาการเขียนโปรแกรมและอินเทอร์เฟซแบบลากแล้วปล่อยอย่างง่าย
- คุณสามารถดาวน์โหลดการทดลองการคาดการณ์ความต้องการ เปลี่ยนแปลงเพื่อให้ตรงกับความต้องการทางธุรกิจของคุณ เผยแพร่เป็นบริการทางเว็บใน Azure และใช้ในการสร้างการคาดการณ์ความต้องการ คุณสามารถดาวน์โหลดการทดลองได้หากคุณซื้อการสมัครใช้งาน Supply Chain Management สําหรับผู้วางแผนการผลิตในฐานะผู้ใช้ระดับองค์กร
- คุณสามารถสร้างการทดลองของคุณเองใน Microsoft Azure Machine Learning studio (คลาสสิก) เผยแพร่เป็นบริการบน Azure และใช้เพื่อสร้างการคาดการณ์ความต้องการ
- ถ้าคุณไม่ต้องการประสิทธิภาพสูง หรือถ้าคุณไม่ต้องการให้มีการประมวลผลข้อมูลจำนวนมาก คุณสามารถใช้ระดับอิสระของ Machine Learning เริ่มต้นจากระดับนี้เสมอ โดยเฉพาะอย่างยิ่งในระหว่างขั้นตอนการใช้งานและการทดสอบ หากคุณต้องการประสิทธิภาพที่สูงขึ้นและที่จัดเก็บข้อมูลเพิ่มเติม คุณสามารถใช้ระดับมาตรฐานของ Machine Learning ได้ ระดับนี้จำเป็นต้องมีการบอกรับเป็นสมาชิกของ Azure และเกี่ยวข้องกับต้นทุนเพิ่มเติม สำหรับรายละเอียดเกี่ยวกับการกำหนดราคาของ Machine Learning ให้ดู การกำหนดราคาของ Machine Learning Studio
- คาดการณ์การลดณจุดแยกใด ๆ – การคาดการณ์ความต้องการเกิดจากฟังก์ชันนี้ ซึ่งช่วยให้คุณคาดการณ์ความต้องการทั้งที่มีความสัมพันธ์และอิสระที่จุดแยกได้ทุกจุด
ขั้นตอนพื้นฐานในการคาดการณ์ความต้องการ
แผนภาพต่อไปนี้แสดงขั้นตอนพื้นฐานสำหรับการคาดการณ์ความต้องการ
การสร้างการคาดการณ์ความต้องการเริ่มต้นใน Supply Chain Management ข้อมูลธุรกรรมในอดีตจากฐานข้อมูลธุรกรรม Supply Chain Management ได้มีการรวบรวมและเติมข้อมูลตารางการแบ่งระยะ ตารางการแบ่งระยะนี้ถูกป้อนให้กับการบริการ Machine Learning ในภายหลัง โดยการดำเนินการเลือกกำหนดระดับต่ำสุด คุณสามารถเชื่อมต่อแหล่งข้อมูลต่างๆลงในตารางการแบ่งระยะ แหล่งข้อมูลสามารถรวมไฟล์ Microsoft Excel ไฟล์ค่าที่คั่นด้วยเครื่องหมายจุลภาค (CSV) และข้อมูลจาก Microsoft Dynamics AX 2009 และ Microsoft Dynamics AX 2012 ดังนั้นคุณสามารถสร้างการคาดการณ์ความต้องการที่พิจารณาข้อมูลในอดีตที่ครอบคลุมระหว่างระบบหลายระบบ อย่างไรก็ตาม ข้อมูลหลักเช่น ชื่อสินค้าและหน่วยของการวัด ต้องเหมือนกันระหว่างแหล่งข้อมูลต่างๆ
ถ้าคุณใช้การทดลอง Machine Learning ของการคาดการณ์ความต้องการ จะมีการค้นหาสิ่งที่เหมาะสมที่สุดจากวิธีการคาดการณ์อนุกรมเวลาห้าวิธีเพื่อคำนวณการคาดการณ์พื้นฐาน พารามิเตอร์สำหรับวิธีการคาดการณ์เหล่านี้มีการจัดการใน Supply Chain Management
จากนั้น การคาดการณ์ ข้อมูลในอดีต และการเปลี่ยนแปลงใดๆ ที่ถูกทำไว้กับการคาดการณ์ความต้องการในการเกิดซ้ำก่อนหน้านี้จะสามารถใช้งานได้ใน Supply Chain Management
คุณสามารถใช้ Supply Chain Management เพื่อแสดงภาพและปรับเปลี่ยนการคาดการณ์พื้นฐาน การปรับปรุงด้วยตนเองต้องได้รับการอนุญาต ก่อนที่จะสามารถใช้การคาดการณ์สำหรับการวางแผน
Limitations
การคาดการณ์ความต้องการคือเครื่องมือที่ช่วยให้ลูกค้าในอุตสาหกรรมการผลิตสร้างกระบวนการคาดการณ์ มีการเสนอฟังก์ชันหลักของโซลูชันการคาดการณ์ความต้องการ และมีการออกแบบมาเพื่อที่จะสามารถมีการขยายได้โดยง่าย การคาดการณ์ความต้องการอาจไม่ใช่สิ่งที่เหมาะสมที่สุดสำหรับลูกค้าในอุตสาหกรรมเช่น การค้า การขายส่ง งานคลังสินค้า การขนส่ง หรือบริการวิชาชีพอื่นๆ
ข้อจำกัดการแปลงตัวแปรการคาดการณ์ความต้องการ
หน่วยวัด (UOM) ต่อการแปลงตัวแปร ไม่ได้รับการสนับสนุนอย่างสมบูรณ์ เมื่อสร้างการคาดการณ์ความต้องการ ถ้าหน่วยวัดสินค้าคงคลังแตกต่างจากหน่วยวัดของการคาดการณ์ความต้องการ
การสร้างการคาดการณ์ (สินค้าคงคลัง UOM > การคาดการณ์ความต้องการ UOM) ใช้การแปลงผลิตภัณฑ์ UOM เมื่อโหลดข้อมูลในอดีตสําหรับการสร้างการคาดการณ์ความต้องการ การแปลงระดับผลิตภัณฑ์ UOM จะถูกนํามาใช้เสมอเมื่อแปลงจากสินค้าคงคลัง UOM เป็นการคาดการณ์ความต้องการ UOM แม้ว่าจะมีการแปลงที่กําหนดไว้ในระดับตัวแปรก็ตาม
ส่วนแรกของการอนุมัติการคาดการณ์ (การคาดการณ์ความต้องการ UOM > สินค้าคงคลัง UOM) ใช้การแปลง UOM ผลิตภัณฑ์ ส่วนที่สองของการอนุมัติการคาดการณ์ (สินค้าคงคลัง UOM > การขาย UOM) ใช้การแปลง UOM ตัวแปร เมื่อได้รับอนุญาตการคาดการณ์ความต้องการที่สร้างขึ้นแล้ว การแปลงเป็น UOM ของสินค้าคงคลังจากการคาดการณ์ความต้องการ UOM จะใช้การแปลง UOM ระดับผลิตภัณฑ์ ในเวลาเดียวกัน การแปลงระหว่างหน่วยสินค้าคงคลังและหน่วยวัดยอดขายจะคำนึงถึงการแปลงที่กำหนดในระดับตัวแปร
Note
การคาดการณ์ความต้องการหน่วยวัด ไม่จำเป็นต้องมีความหมายที่เฉพาะเจาะจง คุณสามารถกำหนดเป็น หน่วยการคาดการณ์ความต้องการ สำหรับผลิตภัณฑ์แต่ละรายการ คุณสามารถกำหนดการแปลงให้เป็น 1:1 ที่มีสินค้าคงคลัง UOM
แก้ไขปัญหาการคาดการณ์ความต้องการ
หากคุณประสบปัญหาเกี่ยวกับการคาดการณ์ความต้องการ ให้ตรวจสอบตารางต่อไปนี้สําหรับคําแนะนําเกี่ยวกับงานและสถานการณ์ทั่วไปก่อนที่คุณจะติดต่อฝ่ายสนับสนุน
| พื้นที่ | คำอธิบาย | เรียนรู้เพิ่มเติม |
|---|---|---|
| การตั้งค่าและการตั้งค่าคอนฟิก | ตั้งค่าคอนฟิกพารามิเตอร์การคาดการณ์ความต้องการ คีย์การปันส่วน Machine Learning การเชื่อมต่อ และกลุ่มการวางแผนระหว่างบริษัท | การตั้งค่าการคาดการณ์ความต้องการ |
| การสร้างการคาดการณ์พื้นฐาน | สร้างการคาดการณ์พื้นฐานทางสถิติจากข้อมูลธุรกรรมในอดีตโดยใช้ Azure Machine Learning | สร้างการคาดการณ์พื้นฐานทางสถิติ |
| การปรับปรุงการคาดการณ์ | ทําการปรับปรุงด้วยตนเองสําหรับการคาดการณ์พื้นฐานก่อนที่จะอนุญาตสําหรับใช้ในการวางแผนหลัก | ทำการปรับปรุงด้วยตนเองไปยังการคาดการณ์พื้นฐาน |
| การอนุญาตการคาดการณ์ | อนุมัติการคาดการณ์ความต้องการที่ปรับปรุงแล้ว เพื่อให้กระบวนการวางแผนหลักสามารถใช้ได้ | อนุมัติการคาดการณ์ที่ปรับปรุง |
| คาดการณ์ความแม่นยํา | ตรวจสอบและวัดความแม่นยําของการคาดการณ์ความต้องการเพื่อปรับปรุงการคาดการณ์ในอนาคต | ตรวจสอบความถูกต้องของการคาดการณ์ |
| การลบจุดนอกขอบเขต | ระบุและลบค่าผิดปกติจากข้อมูลธุรกรรมในอดีตเพื่อปรับปรุงคุณภาพการคาดการณ์ | ลบจุดนอกขอบเขตออกจากข้อมูลในอดีตเกี่ยวกับธุรกรรมเมื่อคำนวณความต้องการการคาดการณ์ |
| การปรับลดการคาดการณ์ | ทําความเข้าใจว่าการคาดการณ์ความต้องการจะลดลงอย่างไรตามธุรกรรมจริงในระหว่างการวางแผนหลัก รวมถึงความแตกต่างระหว่างการวางแผนการปรับให้เหมาะสมและโปรแกรมที่ไม่สนับสนุน | การวางแผนหลักที่มีการคาดการณ์ความต้องการ |
| คําแนะนํากระบวนการทางธุรกิจ | ตรวจทานกระบวนการทางธุรกิจแบบครบวงจรสำหรับการคาดการณ์ความต้องการภายในสถานการณ์ที่ใช้การคาดการณ์เพื่อการวางแผน | คาดการณ์ความต้องการในอนาคตสําหรับผลิตภัณฑ์และบริการที่มีการคาดการณ์ความต้องการเพื่อผลักดันการตัดสินใจทางธุรกิจ |
ข้อมูลที่เกี่ยวข้อง
- การตั้งค่าการคาดการณ์ความต้องการ
- สร้างการคาดการณ์พื้นฐานทางสถิติ
- ทำการปรับปรุงด้วยตนเองไปยังการคาดการณ์พื้นฐาน
- อนุมัติการคาดการณ์ที่ปรับปรุง
- ตรวจสอบความถูกต้องของการคาดการณ์
- ลบจุดนอกขอบเขตออกจากข้อมูลในอดีตเกี่ยวกับธุรกรรมเมื่อคำนวณความต้องการการคาดการณ์
- กลุ่มการวางแผนระหว่างบริษัทสำหรับการคาดการณ์ความต้องการ
- การวางแผนหลักที่มีการคาดการณ์ความต้องการ
- คาดการณ์ความต้องการในอนาคตสําหรับผลิตภัณฑ์และบริการที่มีการคาดการณ์ความต้องการเพื่อผลักดันการตัดสินใจทางธุรกิจ
- วิดีโอ: ขยายฟังก์ชันการคาดการณ์ความต้องการ
- การสัมมนาผ่านเว็บ: การคาดการณ์ความต้องการด้วย Azure Machine Learning Series