制造业中的数据分析和机器学习

近年におけるeコマースの成長,サプライヤーとのボラティリティ,世界的パンデミックのリスクは,サプライチェーンに衝撃を与えると同時に需要の拡大をもたらしています。小売業界におけるニューノーマルに対応する需要予測とインベントリ管理には,既存のモデルとアプローチでは不十分であることに,多くの企業が気づき始めています。従来のように,限られたデータセットを用いた週次または月次の累計予測では,消費者が店舗を容易に選べるeコマースの時代に優位性を確保することはできません。企業には，日次および店舗レベルでskuの需要予測ができる能力が求められています。

製品やサービスの需要予測精度を改善するための,時系列分析の速度と精度の向上は小売業者の成功に不可欠です。このノートブックでは,時系列予測の重要性について説明し,いくつかのサンプル時系列データを視覚化してから,Facebook先知の使用例としてシンプルなモデルを構築します。単一モデルの構築に慣れた後は,先知にApache火花™のテクノロジーを組み合わせて,数百規模のモデルを一度にトレーニングする方法を紹介します。これにより,これまでほとんど達成されなかった粒度で,SKUと店舗の組み合わせごとの正確な予測が作成できます。

近年の自然災害，パンデミック，社会不安などは，グロバルサプラチェンに混乱をもたらしています。余剰在庫を抱えることなく需要を満たす在庫の最適化は，多くの企業にとって重要な課題です。このソリューションは,小売業者や製造業者が運用に最適な安全在庫を特定するための,最新の方法を提供します。安全在庫の最適化によりビジネスの中断を防ぎ，運転資金の有効活用が可能になります。

制造商如何了解他们在全球范围内数十万甚至数百万个零件的库存，而本地团队可能在内部系统中有不同的项目描述?或者，制造商如何解决他们的产品定义和数十个零售合作伙伴之间的产品描述之间的差异?bob体育外网下载该解决方案使用机器学习来进化基于规则和概率(模糊)匹配技术，以在不完美的数据上进行有效的产品匹配。

为了在来自物联网传感器的实时数据上训练机器学习模型，一些用例要求每个连接的设备都有自己的单独模型，因为许多基本的机器学习算法通常优于单个复杂模型。然而，这可能导致物联网和单设备数据如此之大，以至于它不适合任何一台机器，单设备数据适合一台机器。此外，数据科学团队正在使用sklearn和pandas等单节点库来实现，因此他们在分发他们的单机概念证明时需要低摩擦。在本博客中，我们将演示如何通过针对每个物联网设备的两种不同方案来解决这个问题:模型训练和模型评分。

维护压缩机等资产是一项极其复杂的工作:它们被用于从小型钻井平台到深水平台的所有领域，资产分布在全球各地，每天产生tb级的数据。bob体育客户端下载这些压缩机中只要有一台出现故障，每天就会造成数百万美元的生产损失。在这个解决方案中，我们将教您如何构建端到端预测数据管道，该管道可以提供实时数据库来维护资产部件和传感器映射，支持处理大量遥测数据的连续应用程序，并允许您根据这些数据集预测压缩机故障。