Tämä on vieraspostaus, jonka ovat kirjoittaneet Nafi Ahmet Turgut, Mehmet İkbal Özmen, Hasan Burak Yel, Fatma Nur Dumlupınar Keşir, Mutlu Polatcan ja Emre Uzel Getiristä.
toi on ultranopean päivittäistavaratoimituksen edelläkävijä. Teknologiayritys on mullistanut viime mailin toimituksen päivittäistavarakaupan hetkessä toimitetulla toimitusehdotuksellaan. Getir perustettiin vuonna 2015, ja se toimii Turkissa, Isossa-Britanniassa, Hollannissa, Saksassa ja Yhdysvalloissa. Nykyään Getir on monialayhtiö, johon kuuluu yhdeksän vertikaalia saman tuotemerkin alla.
Tässä postauksessa kuvataan päästä päähän -työvoimanhallintajärjestelmää, joka alkaa paikkakohtaisella kysyntäennusteella, jota seuraa kuriirityövoiman suunnittelu ja vuorojako Amazonin sääennuste ja AWS-vaihetoiminnot.
Aiemmin operatiiviset tiimit harjoittivat manuaalista työvoiman hallintaa, mikä johti huomattavaan ajan- ja vaivanhukkaan. Kattavan, kokonaisvaltaisen työvoimanhallintaprojektimme toteuttamisen myötä he pystyvät kuitenkin nyt tehokkaasti luomaan tarvittavat kuriirisuunnitelmat varastoihin yksinkertaistetun, yhden napsautuksen prosessin avulla, joka on käytettävissä verkkokäyttöliittymän kautta. Ennen tämän projektin aloittamista yritystiimit luottivat intuitiivisempiin menetelmiin kysynnän ennustamisessa, mikä vaati tarkkuuden parantamista.
Amazonin sääennuste on täysin hallittu palvelu, joka käyttää koneoppimisalgoritmeja (ML) tuottaakseen erittäin tarkkoja aikasarjaennusteita. Tässä viestissä kuvailemme, kuinka lyhensimme mallinnusaikaa 70 % tekemällä ominaisuussuunnittelun ja mallinnuksen Amazon Forecastin avulla. Saimme 90 % vähennyksen kuluneessa ajassa, kun suoritimme aikataulutusalgoritmeja kaikille varastoille, joissa AWS-vaihetoiminnot, joka on täysin hallittu palvelu, joka helpottaa hajautettujen sovellusten ja mikropalvelujen komponenttien koordinointia visuaalisten työnkulkujen avulla. Tämä ratkaisu johti myös 90 prosentin parannukseen ennusteen tarkkuudessa Turkissa ja useissa Euroopan maissa.
Ratkaisun yleiskatsaus
End-to-end Workforce Management Project (E2E Project) on laajamittainen projekti ja se voidaan kuvata kolmella aiheella:
1. Kuriirivaatimusten laskeminen
Ensimmäinen vaihe on arvioida jokaisen varaston tuntikohtainen kysyntä Algoritmin valinta -osiossa kuvatulla tavalla. Nämä Amazon Forecastin avulla tuotetut ennusteet auttavat määrittämään, milloin ja kuinka monta kuriiria kukin varasto tarvitsee.
Varastoissa olevien kuriirien läpimenosuhteen perusteella lasketaan kullekin varastolle tarvittava kuriirien määrä tunnin välein. Nämä laskelmat auttavat määrittämään mahdolliset kuriirimäärät ottaen huomioon lailliset työajat, mikä edellyttää matemaattista mallintamista.
2. Vuorotehtävän ratkaiseminen
Kun meillä on kuriirin tarpeet ja tiedämme muut kuriirien ja varastojen rajoitukset, voimme ratkaista vuorojakoongelman. Ongelma on mallinnettu päätösmuuttujilla, jotka määrittävät määrättävät kuriirit ja luovat vuoroaikatauluja, minimoiden yli- ja pulaa, joka voi aiheuttaa tilausten menettämistä. Tämä on tyypillisesti mix-integer programming (MIP) -ongelma.
3. AWS-vaihetoimintojen käyttäminen
Käytämme AWS Step Functions -toimintoja työnkulkujen koordinointiin ja hallintaan, ja se pystyy suorittamaan töitä rinnakkain. Kunkin varaston vuoromääräysprosessi on määritelty erilliseksi työnkuluksi. AWS Step Functions käynnistää ja valvoo näitä työnkulkuja automaattisesti yksinkertaistamalla virheiden käsittelyä.
Koska tämä prosessi vaatii laajaa dataa ja monimutkaisia laskelmia, palvelut, kuten AWS Step Functions, tarjoavat merkittävän edun tehtävien organisoinnissa ja optimoinnissa. Se mahdollistaa paremman hallinnan ja tehokkaan resurssienhallinnan.
Ratkaisuarkkitehtuurissa hyödynnämme myös muita AWS-palveluita integroimalla ne AWS Step Functions -toimintoihin:
Seuraavat kaaviot esittävät AWS Step Functions -työnkulkuja ja siirtotyökalun arkkitehtuuria:
Algoritmin valinta
Paikallisen kysynnän ennustaminen on E2E-projektin alkuvaihe. E2E:n yleisenä tavoitteena on määrittää tiettyyn varastoon allokoitavien kuriirien määrä aloittaen kyseisen varaston kysynnän ennusteesta.
Tämä ennustekomponentti on keskeinen E2E-kehyksessä, koska seuraavat vaiheet perustuvat näihin ennustetuloksiin. Näin ollen kaikki ennusteiden epätarkkuudet voivat vaikuttaa haitallisesti koko projektin tehokkuuteen.
Paikallisen kysynnän ennustevaiheen tavoitteena on tuottaa maakohtaisia ennusteita jokaiselle varastolle tunneittain segmentoituna seuraavan kahden viikon aikana. Aluksi kullekin maalle laaditaan päivittäiset ennusteet ML-mallien avulla. Nämä päivittäiset ennusteet jaetaan myöhemmin tunneittain seuraavan kaavion mukaisesti. Historialliset tapahtuman kysyntätiedot, sijaintiin perustuvat säätiedot, lomapäivät, tarjoukset ja markkinointikampanjatiedot ovat mallissa käytettyjä ominaisuuksia alla olevan kaavion mukaisesti.
Ryhmä tutki alun perin perinteisiä ennustustekniikoita, kuten avoimen lähdekoodin SARIMA (Kausittainen automaattinen regressiivinen integroitu liukuva keskiarvo), ARIMAX (Automaattisesti regressiivinen integroitu liikkuva keskiarvo käyttämällä eksogeenisiä muuttujia) ja eksponentiaalinen tasoitus.
ARIMA (Auto-Regressive Integrated Moving Average) on aikasarjan ennustamismenetelmä, joka yhdistää autoregressiiviset (AR) ja liukuvat keskiarvot (MA) komponenttien kanssa erotuksen kanssa tehdäkseen aikasarjasta paikallaan.
SARIMA laajentaa ARIMAa sisällyttämällä siihen lisäparametreja, jotka ottavat huomioon aikasarjan kausivaihtelun. Se sisältää kausiluonteisia autoregressiivisiä ja kausiluonteisia liukuvan keskiarvon termejä toistuvien kuvioiden tallentamiseksi tietyin aikavälein, mikä tekee siitä sopivan aikasarjoille, joissa on kausikomponentti.
ARIMAX rakentuu ARIMAlle ottamalla käyttöön eksogeenisiä muuttujia, jotka ovat ulkoisia tekijöitä, jotka voivat vaikuttaa aikasarjoihin. Nämä lisämuuttujat otetaan mallissa huomioon parantamaan ennusteen tarkkuutta ottamalla huomioon ulkoiset vaikutukset aikasarjan historiallisten arvojen ulkopuolella.
Eksponentiaalinen tasoitus on toinen aikasarjaennustemenetelmä, joka, toisin kuin ARIMA, perustuu aikaisempien havaintojen painotettuihin keskiarvoihin. Se on erityisen tehokas tietojen trendien ja kausivaihteluiden tallentamiseen. Menetelmä antaa eksponentiaalisesti pieneneviä painoja aiemmille havainnoille, kun uusimmat havainnot saavat suurempia painoja.
Amazon Forecast -mallit valittiin lopulta algoritmisen mallinnuksen segmenttiin. AWS Forecastin tarjoama laaja mallisto ja kehittyneet ominaisuussuunnitteluominaisuudet osoittautuivat edullisemmiksi ja optimoivat resurssien käyttömme.
Kuusi Forecastissa saatavilla olevaa algoritmia testattiin: Konvoluutiohermoverkko – kvantiiliregressio (CNN-QR), DeepAR +, profeetta, Ei-parametrinen aikasarja (NPTS), Autoregressiivinen integroitu liukuva keskiarvo (ARIMA) ja Eksponentiaalinen tasoitus (ETS). Ennustetulosten analysoinnin perusteella päätimme, että CNN-QR ylitti muut tehokkuudessaan. CNN-QR on Amazonin kehittämä patentoitu ML-algoritmi skalaarien (yksiulotteisten) aikasarjojen ennustamiseen käyttämällä kausaalisia konvoluutiohermoverkkoja (CNN). Kun otetaan huomioon erilaisten tietolähteiden saatavuus tässä vaiheessa, CNN-QR-algoritmin käyttäminen helpotti erilaisten ominaisuuksien integrointia, jotka toimivat valvotussa oppimiskehyksessä. Tämä ero erotti sen yksimuuttujaisista aikasarjaennustemalleista ja paransi suorituskykyä huomattavasti.
Ennusteen hyödyntäminen osoittautui tehokkaaksi, koska tarvittavat tiedot ja ennusteen keston määrittäminen oli yksinkertaista. Tämän jälkeen Forecast käyttää CNN-QR-algoritmia ennusteiden luomiseen. Tämä työkalu nopeuttai merkittävästi tiimimme prosessia, erityisesti algoritmisessa mallintamisessa. Lisäksi hyödyntämällä Amazonin yksinkertainen tallennuspalvelu (Amazon S3) -ämpärit syöttötietovarastoihin ja Amazon Redshift tulosten tallentamiseen ovat helpottaneet koko prosessin keskitettyä hallintaa.
Yhteenveto
Tässä viestissä näytimme sinulle, kuinka Getirin E2E-projekti osoitti, kuinka Amazon Forecast- ja AWS Step Functions -palvelujen yhdistäminen virtaviivaistaa monimutkaisia prosesseja tehokkaasti. Saavutimme vaikuttavan, noin 90 %:n ennustetarkkuuden Euroopan ja Turkin maissa, ja Forecastin käyttö lyhensi mallinnusaikaa 70 % tehokkaan ominaisuussuunnittelun ja mallinnuksen ansiosta.
AWS Step Functions -palvelun käyttö on tuonut käytännön etuja, erityisesti lyhentänyt aikataulutusaikaa 90 % kaikissa varastoissa. Lisäksi alan vaatimuksia huomioiden paransimme vaatimustenmukaisuusastetta 3 %, mikä auttoi työvoiman kohdentamista tehokkaammin. Tämä puolestaan korostaa hankkeen onnistumista toiminnan ja palvelutoimituksen optimoinnissa.
Saat lisätietoja matkasi aloittamisesta Forecastin avulla saatavilla olevista artikkeleista Amazon Forecast -resurssit. Lisäksi voit tutustua automatisoitujen työnkulkujen luomiseen ja koneoppimisputkien luomiseen. AWS-vaihetoiminnot kattavaa opastusta varten.
Tietoja Tekijät
Nafi Ahmet Turgut valmistui sähkö- ja elektroniikkatekniikan maisteriksi ja työskenteli tutkijana. Hän keskittyi koneoppimisalgoritmien rakentamiseen hermostuneiden verkkopoikkeamien simuloimiseksi. Hän tuli Getirille vuonna 2019 ja työskentelee tällä hetkellä Senior Data Science & Analytics Managerina. Hänen tiiminsä on vastuussa Getirin kokonaisvaltaisten koneoppimisalgoritmien ja dataohjattujen ratkaisujen suunnittelusta, toteutuksesta ja ylläpidosta.
Mehmet İkbal Özmen suoritti kauppatieteiden maisterin tutkinnon ja työskenteli tutkija-assistenttina. Hänen tutkimusalueenaan olivat pääasiassa taloudelliset aikasarjamallit, Markovin simulaatiot ja taantuman ennustaminen. Sitten hän liittyi Getirille vuonna 2019 ja työskentelee tällä hetkellä Data Science & Analytics Managerina. Hänen tiiminsä on vastuussa optimointi- ja ennustealgoritmeista, jotka ratkaisevat toiminnan ja toimitusketjun yritysten kohtaamia monimutkaisia ongelmia.
Hasan Burak Yel suoritti sähkö- ja elektroniikkatekniikan kandidaatin tutkinnon Boğaziçin yliopistossa. Hän työskenteli Turkcellissa keskittyen pääasiassa aikasarjaennusteisiin, datan visualisointiin ja verkkoautomaatioon. Hän tuli Getirille vuonna 2021 ja työskentelee tällä hetkellä Data Science & Analytics Managerina ja vastaa haku-, suositus- ja kasvuverkkotunnuksista.
Fatma Nur Dumlupınar Keşir suoritti kandidaatin tutkinnon Boğaziçi-yliopiston teollisuustekniikan osastolta. Hän työskenteli TUBITAKissa tutkijana keskittyen aikasarjojen ennustamiseen ja visualisointiin. Sitten hän liittyi Getiriin vuonna 2022 datatutkijana ja on työskennellyt Recommendation Engine -projekteissa, Matemaattinen ohjelmointi työvoiman suunnitteluun.
Emre Uzel suoritti tietotekniikan maisterin tutkinnon Koçin yliopistosta. Hän työskenteli datatieteen konsulttina Eczacıbaşı Bilişimissä, jossa hän keskittyi pääasiassa suositusmoottorien algoritmeihin. Hän liittyi Getiriin vuonna 2022 tietotutkijana ja aloitti työskentelyn aikasarjaennusteiden ja matemaattisten optimointiprojektien parissa.
Mutlu Polatcan on Getirin henkilöstötietoinsinööri, joka on erikoistunut pilvipohjaisten tietoalustojen suunnitteluun ja rakentamiseen. Hän rakastaa avoimen lähdekoodin projektien yhdistämistä pilvipalveluihin.
Esra Kayabalı on AWS:n vanhempi ratkaisuarkkitehti, joka on erikoistunut analytiikka-alueisiin, mukaan lukien tietovarastointi, datajärvet, big data-analytiikka, erä- ja reaaliaikainen datan suoratoisto ja tietojen integrointi. Hänellä on 12 vuoden kokemus ohjelmistokehityksestä ja arkkitehtuurista. Hän on intohimoinen pilviteknologioiden oppimiseen ja opettamiseen.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/getir-end-to-end-workforce-management-amazon-forecast-and-aws-step-functions/
- :on
- :On
- :missä
- 1
- 100
- 12
- 2015
- 2019
- 2021
- 2022
- 32
- 7
- 91
- a
- pystyy
- Meistä
- pääsy
- saatavilla
- Tili
- kirjanpito
- tarkkuus
- tarkka
- saavutettu
- poikki
- lisä-
- Lisäksi
- Etu
- edullinen
- etuja
- algoritmi
- algoritmi
- algoritmit
- Kaikki
- jakaa
- mahdollistaa
- pitkin
- Myös
- Amazon
- Amazonin sääennuste
- Amazonin punainen siirto
- Amazon Web Services
- an
- analyysi
- Analytics
- ja
- poikkeavuuksia
- Toinen
- Kaikki
- sovellukset
- AR
- arkkitehtuuri
- OVAT
- ALUE
- noin
- Ryhmä
- AS
- osoitettu
- auttaa
- Avustaja
- At
- Automatisoitu
- automaattisesti
- Automaatio
- saatavuus
- saatavissa
- keskimäärin
- AWS
- AWS-vaihetoiminnot
- perustua
- perusta
- BE
- ennen
- alle
- Paremmin
- Jälkeen
- Iso
- Big Data
- merkki
- Rikki
- Rakentaminen
- rakentaa
- liiketoiminta
- yritykset
- by
- laskettu
- laskettaessa
- laskelmat
- Kampanja
- CAN
- kyvyt
- valmiudet
- kaapata
- Kaappaaminen
- Aiheuttaa
- keskitetty
- ketju
- pilvi
- pilvipalvelut
- yhdistää
- yhdistely
- alkaa
- yritys
- monimutkainen
- noudattaminen
- komponentti
- osat
- kattava
- laskelmat
- monialayritys
- harkittu
- ottaen huomioon
- rajoitteet
- rakentamalla
- konsultti
- ohjaus
- koordinoida
- maahan
- maa
- maakohtaiset
- Luominen
- Tällä hetkellä
- päivittäin
- tiedot
- Data Analytics
- tietojenkäsittely
- tietojen tutkija
- datan visualisointi
- data-driven
- Päivämäärät
- päätös
- määritelty
- Aste
- toimittaa
- toimitus
- Kysyntä
- Kysynnän ennustaminen
- osoittivat
- osasto
- kuvata
- on kuvattu
- suunnittelu
- yksityiskohdat
- Määrittää
- määritetty
- määritetään
- kehitetty
- Kehitys
- kaaviot
- ero
- jaettu
- useat
- tekee
- verkkotunnuksen
- verkkotunnuksia
- alas
- kaksi
- kesto
- kukin
- helpompaa
- Taloudellinen
- Taloustiede
- Tehokas
- tehokkaasti
- tehokkuus
- tehokas
- tehokkaasti
- vaivaa
- Elektroniikka
- käyttämällä
- työllistää
- päittäin
- kihloissa
- Moottori
- insinööri
- Tekniikka
- tehostettu
- Koko
- virhe
- arvio
- Eurooppa
- Eurooppalainen
- Eurooppalaiset maat
- lopulta
- Joka
- suorittaa
- experience
- kokenut
- selitti
- tutkia
- tutkitaan
- räjähdysmäinen
- eksponentiaalisesti
- ulottuu
- laaja
- ulkoinen
- helpotettava
- tekijät
- mahdollinen
- Ominaisuus
- Ominaisuudet
- ala
- Etunimi
- Keskittää
- keskityttiin
- tarkennus
- seurannut
- jälkeen
- varten
- Ennuste
- ennusteet
- tuleva
- Perustettu
- Puitteet
- alkaen
- täysin
- tehtävät
- edelleen
- Lisäksi
- tuottaa
- Saksa
- tietty
- tavoite
- valmistua
- kaavio
- Kasvu
- vieras
- vieras Lähetä
- ohjaus
- Käsittely
- Olla
- he
- auttaa
- auttaa
- hänen
- korkeampi
- raidat
- erittäin
- hänen
- historiallinen
- historiallinen
- Loma
- TUNTIA
- Miten
- Kuitenkin
- HTML
- http
- HTTPS
- Vaikutus
- täytäntöönpano
- täytäntöönpanosta
- vaikuttava
- parantaa
- parani
- parannus
- in
- sisältää
- Mukaan lukien
- sisältävät
- teollinen
- vaikutus
- tiedot
- ensimmäinen
- ensin
- aloittaa
- panos
- oivalluksia
- integroitu
- Integrointi
- integraatio
- liitäntä
- tulee
- käyttöön
- intuitiivinen
- IT
- SEN
- Työpaikat
- liittyi
- matka
- jpg
- liitos
- Tietää
- järvet
- laaja
- oppiminen
- Led
- juridinen
- pitää
- Sijaintiperusteinen
- rakastaa
- kone
- koneoppiminen
- pääasiallisesti
- ylläpitäminen
- tehdä
- TEE
- Tekeminen
- hoitaa
- onnistui
- johto
- johtaja
- manuaalinen
- monet
- Marketing
- maisterin
- matemaattinen
- Saattaa..
- menetelmä
- menetelmät
- microservices
- minimointia
- hukata
- ML
- malli
- mallintaminen
- mallintaminen
- mallit
- monitori
- lisää
- liikkuvat
- liukuva keskiarvo
- välttämätön
- tarpeet
- Alankomaat
- verkko
- verkot
- hermo-
- neuroverkkomallien
- hermoverkkoihin
- yhdeksän
- etenkin
- nyt
- numero
- tavoite
- of
- kampanja
- tarjotaan
- on
- avoimen lähdekoodin
- toimii
- toiminta
- toiminta
- toiminta-
- Operations
- optimointi
- optimoitu
- optimoimalla
- määräys
- organisointi
- Muut
- Muuta
- meidän
- tuloksiin
- yli
- yleisenä
- Parallel
- parametrit
- erityisesti
- intohimoinen
- Ohi
- kuviot
- suorituskyky
- vaihe
- pioneeri
- keskeinen
- suunnittelu
- suunnitelmat
- Platforms
- Platon
- Platonin tietotieto
- PlatonData
- Ole hyvä
- Kirje
- Käytännön
- käytännöt
- Tarkkuus
- ennustus
- Ennusteet
- Ongelma
- ongelmia
- menettelyt
- prosessi
- Prosessit
- valmistettu
- Ohjelmointi
- projekti
- hankkeet
- Kampanjat
- ehdotus
- patentoitu
- osoittautui
- tarjoamalla
- Hinnat
- suhde
- reaaliaikainen
- reaaliaikainen data
- sai
- vastaanottava
- äskettäinen
- lama
- Suositus
- Vähentynyt
- vähentämällä
- vähentäminen
- katso
- luottaa
- tarvitaan
- vaatimukset
- Vaatii
- tarvittava
- tutkimus
- tutkija
- resurssi
- vastuu
- vastuullinen
- tulokset
- mullistanut
- juoksu
- sama
- aikataulutus
- tiede
- Tiedemies
- Haku
- kausiluonteinen
- Osa
- segmentti
- segmentit
- valittu
- valinta
- vanhempi
- erillinen
- Sarjat
- palvelu
- Palvelut
- useat
- hän
- siirtää
- VAIHTO
- puute
- näyttää
- osoittivat
- esitetty
- merkittävä
- merkittävästi
- Yksinkertainen
- yksinkertaisuus
- yksinkertaistettu
- yksinkertaistaminen
- Tuotteemme
- ohjelmistokehitys
- ratkaisu
- Ratkaisumme
- SOLVE
- Solving
- hienostunut
- Lähteet
- erikoistunut
- erityinen
- Henkilöstö
- alkoi
- Valtiot
- Vaihe
- Levytila
- tallentamiseksi
- streaming
- virtaviivaistaa
- myöhempi
- Myöhemmin
- menestys
- niin
- sopiva
- toimittaa
- toimitusketju
- ylitti
- ylijäämä
- järjestelmä
- ottaa
- tehtävät
- Opetus
- joukkue-
- tiimit
- tekniikat
- Technologies
- Elektroniikka
- ehdot
- testattu
- että
- -
- Kaavio
- Alankomaat
- UK
- Niitä
- sitten
- Nämä
- ne
- tätä
- kolmella
- Kautta
- suoritusteho
- Näin
- aika
- Aikasarja
- että
- tänään
- työkalu
- Aiheet
- perinteinen
- kaupallisen
- Trendit
- Turkki
- VUORO
- kaksi
- tyypillisesti
- Uk
- varten
- Yhtenäinen
- Yhdysvallat
- yliopisto
- toisin kuin
- päälle
- käyttää
- käytetty
- käyttötarkoituksiin
- käyttämällä
- Hyödyntämällä
- arvot
- eri
- valtava
- pystysuunnassa
- kautta
- visuaalinen
- visualisointi
- oli
- Jätteet
- we
- Sää
- verkko
- verkkopalvelut
- viikkoa
- olivat
- kun
- joka
- with
- sisällä
- työskenteli
- työnkulku
- työnkulkuja
- työvoima
- työskentely
- toimii
- vuotta
- Voit
- Sinun
- zephyrnet