تحسين سلاسل الإمداد والتنبؤ بالطلب المدعوم بالذكاء الاصطناعي

The Challenge

Our Approach

• إجراء تحويل شامل للبيانات يتكامل مع 5 سنوات من بيانات المبيعات الشهرية والأسبوعية على مستوى الفرع عبر جميع الأصناف
• تطوير نماذج تنبؤ باستخدام نهجات تعلم الآلة المتعددة: الشبكات العصبية الاصطناعية وXGBoost وProphet والانحدار متعدد الحدود للتنبؤات على مستوى العائلة والصنف
• بناء نماذج تحسين المخزون مع مخزون الأمان ونقاط إعادة الطلب وأهداف مستوى الخدمة لكل فرع
• إنشاء لوحات معلومات تفاعلية Dash وStreamlit منشورة على Heroku للمراقبة في الوقت الفعلي ودعم القرارات
• تنفيذ عملية S&OP مع اجتماعات الموائمة التنفيذية ودورات مراجعة الطلب المهيكلة
• تقديم برنامج تدريب تجاري يغطي منهجية التنبؤ والتحكم في المخزون واتخاذ القرارات المستندة إلى البيانات
• إجراء تحليل مكاني لأداء شبكة الفروع وتوزيع الطلب

Analytical Methods Used

Tools Used

Key Outcomes & Results

• تقديم خط أنابيب تنبؤ بالإنتاج بتعلم الآلة يعالج 5 سنوات من بيانات الفروع المتعددة
• بناء لوحات معلومات تفاعلية تمكن المراقبة في الوقت الفعلي للطلب على مستوى الفرع وقرارات المخزون
• وضع عملية S&OP مع دورات مراجعة تنفيذية مهيكلة
• تدريب المنظمة على منهجية التنبؤ وأفضل ممارسات إدارة المخزون
• إنشاء إطار تنبؤ قابل للتوسع مع مقارنة النماذج عبر نهجات الشبكات العصبية وXGBoost وProphet والانحدار
• نشر أدوات دعم القرارات المتاحة لمستخدمي الأعمال عبر المنظمة