サプライ チェーンの予測は非常に複雑で、予測が本質的に正確であることは決してありません。すべての製品、場所、および期間にわたって一貫して最良の結果をもたらす単一のモデルは存在しないため、1 つのサイズがすべてのユースケースに適合するわけではありません。一部のモデルは季節性に優れ、他のモデルはノイズの多いデータをより適切に処理し、高度なディープラーニング モデルは非線形パターンを明らかにしますが、それはデータが堅牢な場合に限られます。では、企業はどのようにして、何度も手動で調整することなく適切なモデルを選択すればよいのでしょうか?答えは、組み合わせ予測法にあります。
概念を理解する
ミックスアンドマッチ予測により、プランナーはモデルの選択を調整でき、場合によっては複数のアルゴリズムを評価して各予測実行/サイクルに最もパフォーマンスの高いものを割り当てることでモデルの選択を自動化できます。チャンピオンチームを作るのと同じように考えてください。さまざまな選手がさまざまな強みを持ち寄り、適切な組み合わせで勝利を収めます。同様に、ミックス アンド マッチは、ビジネスの優先順位と時間的範囲を考慮して、ジョブに最も適したモデルを選択できる、専用モデルのリポジトリです。
ミックス＆マッチがなぜ、どのように機能するのか
正確な予測の重要性はかつてないほど高まっています。人工知能 (AI) と機械学習 (ML) の加速により、不適切なモデルを導入するとすぐに予測精度が低下します。予測精度が低いと、在庫不足、キャパシティ プランニングのずれ、顧客の不満につながる可能性があります。ミックス アンド マッチは、専門的なデータ サイエンスのスキルを必要とせずに、モデル評価を自動化し、プランナーの作業負荷を軽減し、精度を向上させることで、この問題に対処します。
ミックス アンド マッチは、本質的に、インテリジェントで遍在するセマンティック ネットワーク アーキテクチャを活用します。ここでは、平均二乗誤差 (MSE) などの KPI を使用したモデルのコア評価に加えて、予測構成 (入力、出力、期間) が定義されます。各実行では、ノードおよび計画期間ごとに 1 つのモデルが使用されます。その後の予測実行では、データ条件の変化に応じてモデルが再評価され、異なるモデルが選択される場合があります。
