Aceasta este o postare pentru invitați în colaborare cu Nafi Ahmet Turgut, Mehmet İkbal Özmen, Hasan Burak Yel, Fatma Nur Dumlupınar Keşir, Mutlu Polatcan și Emre Uzel din Getir.
adus este pionierul livrării ultrarapide de alimente. Compania de tehnologie a revoluționat livrarea pe ultimul kilometru cu propunerea sa de livrare a alimentelor în câteva minute. Getir a fost fondată în 2015 și operează în Turcia, Marea Britanie, Țările de Jos, Germania și Statele Unite. Astăzi, Getir este un conglomerat care încorporează nouă segmente verticale sub același brand.
În această postare, descriem sistemul de management al forței de muncă de la capăt la capăt, care începe cu prognoza cererii specifice locației, urmată de planificarea forței de muncă de curierat și repartizarea schimburilor folosind Prognoza Amazon și Funcții pas AWS.
În trecut, echipele operaționale s-au angajat în practici manuale de gestionare a forței de muncă, ceea ce a dus la o pierdere semnificativă de timp și efort. Cu toate acestea, odată cu implementarea proiectului nostru complet de management al forței de muncă de la capăt la capăt, aceștia sunt acum capabili să genereze eficient planurile de curierat necesare pentru depozite printr-un proces simplificat, cu un singur clic, accesibil printr-o interfață web. Înainte de inițierea acestui proiect, echipele de afaceri s-au bazat pe metode mai intuitive de prognoză a cererii, ceea ce necesita îmbunătățiri în ceea ce privește precizia.
Prognoza Amazon este un serviciu complet gestionat care utilizează algoritmi de învățare automată (ML) pentru a furniza previziuni foarte precise în serie de timp. În această postare, descriem modul în care am redus timpul de modelare cu 70% realizând ingineria și modelarea caracteristicilor folosind Amazon Forecast. Am obținut o reducere cu 90% a timpului scurs atunci când rulăm algoritmi de programare pentru toate depozitele care utilizează Funcții pas AWS, care este un serviciu complet gestionat care facilitează coordonarea componentelor aplicațiilor distribuite și ale microserviciilor folosind fluxuri de lucru vizuale. Această soluție a dus, de asemenea, la o îmbunătățire cu 90% a preciziei predicțiilor în Turcia și mai multe țări europene.
Prezentare generală a soluțiilor
Proiectul de management al forței de muncă de la capăt la capăt (Proiectul E2E) este un proiect la scară largă și poate fi descris în trei subiecte:
1. Calcularea cerințelor de curierat
Primul pas este estimarea cererii orare pentru fiecare depozit, așa cum este explicat în secțiunea de selecție a algoritmului. Aceste predicții, produse cu Amazon Forecast, ajută la determinarea când și de câți curieri are nevoie de fiecare depozit.
Pe baza raportului de transfer al curierilor din depozite, numărul de curieri necesari pentru fiecare depozit este calculat în intervale orare. Aceste calcule ajută la determinarea numărului de curieri fezabil având în vedere orele de lucru legale, ceea ce implică modelare matematică.
2. Rezolvarea problemei de atribuire a schimburilor
Odată ce avem nevoile de curier și cunoaștem celelalte constrângeri ale curierilor și depozitelor, putem rezolva problema de atribuire a schimburilor. Problema este modelată cu variabile de decizie care determină curierii care urmează să fie alocați și creează programe de schimb, minimizând surplusul și lipsa care poate cauza comenzi neîncetate. Aceasta este de obicei o problemă de programare cu numere întregi mixte (MIP).
3. Utilizarea AWS Step Functions
Folosim AWS Step Functions pentru a coordona și gestiona fluxurile de lucru cu capacitatea sa de a executa lucrări în paralel. Procesul de alocare a schimburilor din fiecare depozit este definit ca un flux de lucru separat. AWS Step Functions inițiază și monitorizează automat aceste fluxuri de lucru prin simplificarea gestionării erorilor.
Deoarece acest proces necesită date extinse și calcule complexe, servicii precum AWS Step Functions oferă un avantaj semnificativ în organizarea și optimizarea sarcinilor. Permite un control mai bun și un management eficient al resurselor.
În arhitectura soluției, profităm și de alte servicii AWS integrându-le în AWS Step Functions:
Următoarele diagrame arată fluxurile de lucru AWS Step Functions și arhitectura instrumentului de schimbare:
Selectarea algoritmului
Prognoza cererii de locație constituie faza inițială a proiectului E2E. Scopul general al E2E este de a determina numărul de curieri de alocat unui anumit depozit, începând cu o prognoză a cererii pentru acel depozit.
Această componentă de prognoză este esențială în cadrul E2E, deoarece fazele ulterioare se bazează pe aceste rezultate de prognoză. Astfel, orice inexactitate de predicție poate avea un impact negativ asupra eficacității întregului proiect.
Obiectivul fazei de prognoză a cererii locaționale este de a genera predicții pe o bază specifică țării pentru fiecare depozit segmentat pe oră în următoarele două săptămâni. Inițial, prognozele zilnice pentru fiecare țară sunt formulate prin modele ML. Aceste previziuni zilnice sunt ulterior împărțite în segmente orare, așa cum este prezentat în graficul următor. Datele istorice ale cererii tranzacționale, informațiile meteorologice bazate pe locație, datele sărbătorilor, promoțiile și datele campaniilor de marketing sunt caracteristicile utilizate în model, așa cum se arată în graficul de mai jos.
Echipa a explorat inițial tehnici tradiționale de prognoză, cum ar fi open-source SARIMA (Medie mobilă integrată auto-regresivă sezonieră), ARIMAX (Media mobilă integrată auto-regresivă folosind variabile exogene) și netezire exponențială.
ARIMA (Auto-Regresive Integrated Moving Average) este o metodă de prognoză a seriilor de timp care combină componentele autoregresive (AR) și medii mobile (MA) împreună cu diferențele pentru a face seria de timp staționară.
SARIMA extinde ARIMA prin încorporarea unor parametri suplimentari pentru a ține cont de sezonalitate în seria temporală. Include termeni auto-regresivi sezonieri și medii mobile sezoniere pentru a captura modele care se repetă pe intervale specifice, făcându-l potrivit pentru seriile de timp cu o componentă sezonieră.
ARIMAX se bazează pe ARIMA prin introducerea de variabile exogene, care sunt factori externi care pot influența seria temporală. Aceste variabile suplimentare sunt luate în considerare în model pentru a îmbunătăți acuratețea prognozei prin luarea în considerare a influențelor externe dincolo de valorile istorice ale seriei de timp.
Netezirea exponențială este o altă metodă de prognoză a seriilor de timp care, spre deosebire de ARIMA, se bazează pe mediile ponderate ale observațiilor anterioare. Este deosebit de eficient pentru captarea tendințelor și a sezonului în date. Metoda atribuie ponderi exponențiale descrescătoare observațiilor anterioare, observațiile mai recente primind ponderi mai mari.
Modelele Amazon Forecast au fost în cele din urmă selectate pentru segmentul de modelare algoritmică. Gama largă de modele și capabilitățile sofisticate de inginerie a caracteristicilor oferite de AWS Forecast s-au dovedit mai avantajoase și au optimizat utilizarea resurselor noastre.
Au fost testați șase algoritmi disponibili în Forecast: Rețea neuronală convoluțională – regresie cuantilă (CNN-QR), DeepAR+, profet, Serii temporale neparametrice (NPTS), Media mobilă integrată autoregresiv (ARIMA) și Netezire exponențială (ETS). În urma analizei rezultatelor prognozate, am stabilit că CNN-QR le-a depășit pe celelalte ca eficacitate. CNN-QR este un algoritm ML proprietar dezvoltat de Amazon pentru prognoza serii temporale scalare (unidimensionale) folosind rețele neuronale convoluționale (CNN-uri) cauzale. Având în vedere disponibilitatea diverselor surse de date în acest moment, utilizarea algoritmului CNN-QR a facilitat integrarea diferitelor caracteristici, care operează într-un cadru de învățare supravegheat. Această distincție l-a separat de modelele de prognoză univariate în serie de timp și a îmbunătățit semnificativ performanța.
Utilizarea Forecast s-a dovedit eficientă datorită simplității furnizării datelor necesare și a specificarii duratei prognozei. Ulterior, Forecast folosește algoritmul CNN-QR pentru a genera predicții. Acest instrument a accelerat semnificativ procesul pentru echipa noastră, în special în modelarea algoritmică. În plus, utilizând Serviciul Amazon de stocare simplă Bucket-urile (Amazon S3) pentru depozitele de date de intrare și Amazon Redshift pentru stocarea rezultatelor au facilitat gestionarea centralizată a întregii proceduri.
Concluzie
În această postare, v-am arătat cum proiectul E2E al Getir a demonstrat cum combinarea serviciilor Amazon Forecast și AWS Step Functions eficientizează procesele complexe. Am obținut o precizie impresionantă de predicție de aproximativ 90% în țările din Europa și Turcia, iar utilizarea Forecast a redus timpul de modelare cu 70% datorită gestionării eficiente a ingineriei și modelării caracteristicilor.
Utilizarea serviciului AWS Step Functions a condus la avantaje practice, în special reducerea timpului de programare cu 90% pentru toate depozitele. De asemenea, luând în considerare cerințele de teren, am îmbunătățit ratele de conformitate cu 3%, contribuind la alocarea mai eficientă a forței de muncă. Acest lucru, la rândul său, evidențiază succesul proiectului în optimizarea operațiunilor și furnizarea de servicii.
Pentru a accesa mai multe detalii despre începerea călătoriei cu Forecast, vă rugăm să consultați cele disponibile Resurse Amazon Forecast. În plus, pentru informații despre construirea fluxurilor de lucru automate și elaborarea conductelor de învățare automată, puteți explora Funcții pas AWS pentru o îndrumare cuprinzătoare.
Despre Autori
Nafi Ahmet Turgut și-a terminat masterul în inginerie electrică și electronică și a lucrat ca cercetător absolvent. Accentul său a fost construirea de algoritmi de învățare automată pentru a simula anomaliile rețelei nervoase. S-a alăturat Getir în 2019 și în prezent lucrează ca Senior Data Science & Analytics Manager. Echipa sa este responsabilă de proiectarea, implementarea și menținerea algoritmilor de învățare automată end-to-end și soluțiilor bazate pe date pentru Getir.
Mehmet İkbal Özmen și-a luat diploma de master în economie și a lucrat ca asistent de cercetare absolvent. Domeniul său de cercetare a fost în principal modele economice în serie de timp, simulări Markov și prognoza recesiunii. S-a alăturat apoi Getir în 2019 și în prezent lucrează ca Data Science & Analytics Manager. Echipa sa este responsabilă de optimizarea și algoritmii de prognoză pentru a rezolva problemele complexe cu care se confruntă activitățile de operare și lanțul de aprovizionare.
Hasan Burak Yel și-a primit diploma de licență în Inginerie Electrică și Electronică la Universitatea Boğaziçi. A lucrat la Turkcell, concentrându-se în principal pe prognoza seriilor temporale, vizualizarea datelor și automatizarea rețelei. S-a alăturat Getir în 2021 și în prezent lucrează ca Manager Data Science & Analytics cu responsabilitatea domeniilor de căutare, recomandare și creștere.
Fatma Nur Dumlupınar Keşir și-a primit diploma de licență de la Departamentul de Inginerie Industrială de la Universitatea Boğaziçi. Ea a lucrat ca cercetător la TUBITAK, concentrându-se pe prognoza și vizualizarea seriilor temporale. Apoi s-a alăturat Getir în 2022 ca cercetător de date și a lucrat la proiecte Recommendation Engine, Mathematical Programming for Workforce Planning.
Emre Uzel și-a primit diploma de master în știința datelor de la Universitatea Koç. A lucrat ca consultant în știința datelor la Eczacıbaşı Bilişim, unde s-a concentrat în principal pe algoritmii motoarelor de recomandare. S-a alăturat Getir în 2022 ca Data Scientist și a început să lucreze la proiecte de prognoză în serie de timp și optimizare matematică.
Mutlu Polatcan este Staff Data Engineer la Getir, specializat în proiectarea și construirea de platforme de date cloud-native. Îi place să combine proiecte open-source cu servicii cloud.
Esra Kayabalı este arhitect senior de soluții la AWS, specializat în domeniul de analiză, inclusiv depozitare de date, lacuri de date, analiză de date mari, flux de date în loturi și în timp real și integrare a datelor. Are 12 ani de experiență în dezvoltare software și arhitectură. Este pasionată de învățarea și predarea tehnologiilor cloud.
- Distribuție de conținut bazat pe SEO și PR. Amplifică-te astăzi.
- PlatoData.Network Vertical Generative Ai. Împuterniciți-vă. Accesați Aici.
- PlatoAiStream. Web3 Intelligence. Cunoștințe amplificate. Accesați Aici.
- PlatoESG. carbon, CleanTech, Energie, Mediu inconjurator, Solar, Managementul deșeurilor. Accesați Aici.
- PlatoHealth. Biotehnologie și Inteligență pentru studii clinice. Accesați Aici.
- Sursa: https://aws.amazon.com/blogs/machine-learning/getir-end-to-end-workforce-management-amazon-forecast-and-aws-step-functions/
- :are
- :este
- :Unde
- 1
- 100
- 12
- 2015
- 2019
- 2021
- 2022
- 32
- 7
- 91
- a
- Capabil
- Despre Noi
- acces
- accesibil
- Cont
- Contabilitate
- precizie
- precis
- realizat
- peste
- Suplimentar
- În plus,
- Avantaj
- avantajos
- Avantajele
- Algoritmul
- algoritmică
- algoritmi
- TOATE
- aloca
- permite
- de-a lungul
- de asemenea
- Amazon
- Prognoza Amazon
- Amazon RedShift
- Amazon Web Services
- an
- analiză
- Google Analytics
- și
- anomalii
- O alta
- Orice
- aplicatii
- AR
- arhitectură
- SUNT
- ZONĂ
- în jurul
- Mulțime
- AS
- alocate
- ajuta
- Asistent
- At
- Automata
- în mod automat
- Automatizare
- disponibilitate
- disponibil
- in medie
- AWS
- Funcții pas AWS
- bazat
- bază
- BE
- înainte
- de mai jos
- Mai bine
- Dincolo de
- Mare
- Datele mari
- marca
- Spart
- Clădire
- construiește
- afaceri
- întreprinderi
- by
- calculată
- calcularea
- calcule
- Campanie
- CAN
- capacități
- capacitate
- captura
- capturarea
- Provoca
- centralizat
- lanţ
- Cloud
- servicii de tip cloud
- combină
- combinând
- începe
- companie
- complex
- conformitate
- component
- componente
- cuprinzător
- calcule
- conglomerat
- luate în considerare
- luand in considerare
- constrângeri
- construirea
- consultant
- Control
- coordona
- țări
- ţară
- Specifice fiecărei țări
- Crearea
- În prezent
- zilnic
- de date
- Analiza datelor
- știința datelor
- om de știință de date
- vizualizarea datelor
- Pe bază de date
- Date
- decizie
- definit
- Grad
- livra
- livrare
- Cerere
- Prognoza cererii
- demonstrat
- Departament
- descrie
- descris
- proiect
- detalii
- Determina
- determinat
- determinarea
- dezvoltat
- Dezvoltare
- diagrame
- distincție
- distribuite
- diferit
- face
- domeniu
- domenii
- jos
- două
- durată
- fiecare
- mai ușor
- Economic
- Economie
- Eficace
- în mod eficient
- eficacitate
- eficient
- eficient
- efort
- Componente electronice
- angajarea
- angajează
- un capăt la altul
- angajat
- Motor
- inginer
- Inginerie
- sporită
- Întreg
- eroare
- estima
- Europa
- european
- Tari europene
- în cele din urmă
- Fiecare
- a executa
- experienţă
- cu experienţă
- a explicat
- explora
- explorat
- exponențială
- exponențial
- extinde
- extensiv
- extern
- facilitat
- factori
- realizabil
- Caracteristică
- DESCRIERE
- camp
- First
- Concentra
- concentrat
- concentrându-se
- a urmat
- următor
- Pentru
- Prognoză
- prognoze
- viitor
- Fondat
- Cadru
- din
- complet
- funcții
- mai mult
- În plus
- genera
- Germania
- dat
- scop
- absolvent
- grafic
- Creștere
- Oaspete
- Vizitator Mesaj
- îndrumare
- Manipularea
- Avea
- he
- ajutor
- ajutor
- ei
- superior
- highlights-uri
- extrem de
- lui
- istoric
- istoric
- Vacanță
- ORE
- Cum
- Totuși
- HTML
- http
- HTTPS
- Impactul
- implementarea
- Punere în aplicare a
- impresionant
- îmbunătăţi
- îmbunătățit
- îmbunătățire
- in
- include
- Inclusiv
- care încorporează
- industrial
- influență
- informații
- inițială
- inițial
- iniția
- intrare
- perspective
- integrate
- integrarea
- integrare
- interfaţă
- în
- introducerea
- intuitiv
- IT
- ESTE
- Locuri de munca
- alăturat
- călătorie
- jpg
- moment
- Cunoaște
- lacuri
- pe scară largă
- învăţare
- Led
- Legal
- ca
- Bazat pe locație
- iubeste
- maşină
- masina de învățare
- mai ales
- Mentine
- face
- FACE
- Efectuarea
- administra
- gestionate
- administrare
- manager
- manual
- multe
- Marketing
- studii de masterat
- matematic
- Mai..
- metodă
- Metode
- microservices
- minimizând
- ratat
- ML
- model
- modelare
- modelare
- Modele
- monitor
- mai mult
- în mişcare
- media mobilă
- necesar
- nevoilor
- Olanda
- reţea
- rețele
- neural
- rețele neuronale
- rețele neuronale
- nouă
- în special
- acum
- număr
- obiectiv
- of
- oferi
- oferit
- on
- open-source
- opereaza
- de operare
- operaţie
- operațional
- Operațiuni
- optimizare
- optimizate
- optimizarea
- comenzilor
- organizator
- Altele
- Altele
- al nostru
- rezultate
- peste
- general
- Paralel
- parametrii
- în special
- pasionat
- trecut
- modele
- performanță
- fază
- pionier
- pivot
- planificare
- Planurile
- Platforme
- Plato
- Informații despre date Platon
- PlatoData
- "vă rog"
- Post
- Practic
- practicile
- Precizie
- prezicere
- Predictii
- Problemă
- probleme
- procedură
- proces
- procese
- Produs
- Programare
- proiect
- Proiecte
- promoţii
- propunere
- proprietate
- s-au dovedit
- furnizarea
- tarife
- raport
- în timp real
- date în timp real
- primit
- primire
- recent
- recesiune
- Recomandare
- Redus
- reducerea
- reducere
- trimite
- se bazează
- necesar
- Cerinţe
- Necesită
- necesar
- cercetare
- cercetător
- resursă
- responsabilitate
- responsabil
- REZULTATE
- revoluționat
- funcţionare
- acelaşi
- programare
- Ştiinţă
- Om de stiinta
- Caută
- sezonier
- Secțiune
- segment
- segmente
- selectate
- selecţie
- senior
- distinct
- serie
- serviciu
- Servicii
- câteva
- ea
- schimbare
- SCHIMBARE
- deficit
- Arăta
- a arătat
- indicat
- semnificativ
- semnificativ
- simplu
- simplitate
- simplificată
- simplificarea
- Software
- de dezvoltare de software
- soluţie
- soluţii
- REZOLVAREA
- Rezolvarea
- sofisticat
- Surse
- specializata
- specific
- Personal
- început
- Statele
- Pas
- depozitare
- stocarea
- de streaming
- raționalizează
- ulterior
- Ulterior
- succes
- astfel de
- potrivit
- livra
- lanțului de aprovizionare
- depășit
- excedent
- sistem
- Lua
- sarcini
- Predarea
- echipă
- echipe
- tehnici de
- Tehnologii
- Tehnologia
- termeni
- testat
- acea
- Graficul
- Olanda
- Marea Britanie
- Lor
- apoi
- Acestea
- ei
- acest
- trei
- Prin
- debit
- Prin urmare
- timp
- Seria de timp
- la
- astăzi
- instrument
- subiecte
- tradiţional
- tranzacțional
- Tendinţe
- Turcia
- ÎNTORCĂ
- Două
- tipic
- Uk
- în
- Unit
- Statele Unite
- universitate
- spre deosebire de
- pe
- utilizare
- utilizat
- utilizări
- folosind
- Utilizand
- Valori
- diverse
- Fixă
- verticalele
- de
- vizual
- vizualizare
- a fost
- Deșeuri
- we
- Vreme
- web
- servicii web
- săptămâni
- au fost
- cand
- care
- cu
- în
- a lucrat
- flux de lucru
- fluxuri de lucru
- Forta de munca
- de lucru
- fabrică
- ani
- Tu
- Ta
- zephyrnet