{"id":18578,"date":"2023-02-07T00:00:00","date_gmt":"2023-02-07T00:00:00","guid":{"rendered":"https:\/\/www.agrinventory.com\/news\/maskinlaering-tilfoejet-til-agr-software\/"},"modified":"2024-12-03T18:33:17","modified_gmt":"2024-12-03T18:33:17","slug":"maskinlaering-tilfoejet-til-agr-software","status":"publish","type":"news","link":"https:\/\/www.agrinventory.com\/da\/news\/maskinlaering-tilfoejet-til-agr-software\/","title":{"rendered":"Maskinl\u00e6ring tilf\u00f8jet til AGR-software"},"content":{"rendered":"\n

I vores bestr\u00e6belser p\u00e5 konstant at udvikle nye teknologier til vores SCM-software og vores kunder har vi tilf\u00f8jet to nye maskinl\u00e6ringsfunktioner i AGR Inventory-modulet<\/a>. Mens vores AGR-software har haft maskinl\u00e6ringsfunktioner i \u00e5revis, vil disse to nye funktioner hj\u00e6lpe med at give din forsyningsk\u00e6de det ekstra boost i forhold til dine konkurrenter. <\/p>\n\n

F\u00f8r vi g\u00e5r i gang, lad os gennemg\u00e5 det grundl\u00e6ggende. Maskinl\u00e6ring er en automatisk computeranalyse, der bruger data til at finde m\u00f8nstre og oprette prognoser. Maskinl\u00e6ring bruger data til at oprette et program, programmet l\u00e6rer af erfaring og beslutter derefter baseret p\u00e5 denne oplevelse. Det er ligesom mennesker \u2013 vi f\u00e5r viden, l\u00e6rer af erfaring og tr\u00e6ffer derefter beslutninger baseret p\u00e5 den viden og erfaring, vi har. Et af de mest almindelige eksempler p\u00e5 maskinl\u00e6ring er “Sammenlign med lignende varer” p\u00e5 Amazon, som det ses p\u00e5 billedet nedenfor: <\/p>\n\n

\"\"<\/figure>\n\n

\u00d8gede m\u00e6ngder data og fremskridt inden for softwareteknologier har resulteret i, at maskinl\u00e6ring har vundet stor popularitet p\u00e5 det seneste \u2013 men data er afg\u00f8rende for at kunne bruge maskinl\u00e6ringsteknikker. Hvilket er pr\u00e6cis, hvad de fleste af vores kunder har \u2013 en masse data! <\/p>\n\n

Vi skabte to modeller. Den f\u00f8rste er en model, der finder sammenh\u00e6ng mellem produkter \u2013 det vil sige, at den identificerer produkter, der ofte s\u00e6lger sammen (som ovenst\u00e5ende eksempel fra Amazon). Og den anden er en model, der finder lignende produkter i kundens produktsortiment. <\/p>\n\n

Tilf\u00f8jelse af korrelation til AGR-beholdning<\/strong><\/h3>\n\n

Den f\u00f8rste model, korrelationsmodellen, ser p\u00e5 salgshistorikken og identificerer positiv korrelation\/halo-effekt mellem forskellige produkter. Et typisk eksempel p\u00e5 dette er hotdogs og hotdogbr\u00f8d. Hvis salget af hotdogs stiger, f.eks. p\u00e5 grund af en prisneds\u00e6ttelse eller p\u00e5 grund af vejret, vil salget af hotdogbr\u00f8d stige med n\u00e6sten samme procentdel. De data, vi havde brug for til denne analyse, er simple transaktionsdata, som alle vores kunder generelt har ved h\u00e5nden. <\/p>\n\n

F\u00f8lgende eksempler p\u00e5 identificerede sammenh\u00e6nge kommer fra en af vores kunder. Da vi kiggede p\u00e5 deres data, fandt vi, at de f\u00f8lgende to elementer, en kulinarisk fakkel og butanbr\u00e6ndstof, har en regel om 80 % korrelation. Det betyder, at 80 % af tiden, hvor en kunde k\u00f8ber en kulinarisk fakkel, vil de ogs\u00e5 k\u00f8be en lille tank butan. <\/p>\n\n

\"\"<\/figure>\n\n

Et andet eksempel p\u00e5 denne type sammenh\u00e6ng kan ses mellem f\u00f8lgende FireWire-kabel og Apple-mellemstikket med en 50 procents korrelation. Selvom denne sammenh\u00e6ng ikke er s\u00e5 st\u00e6rk som i det foreg\u00e5ende eksempel, betyder det, at 50 procent af de gange, hvor kunderne k\u00f8ber et FireWire-kabel, k\u00f8ber de ogs\u00e5 et mellemstik, s\u00e5 kablet passer til Apple-computere. <\/p>\n\n

\"\"<\/figure>\n\n

For at indl\u00e6se denne teknologi i vores software brugte vi vores kraftfulde planl\u00e6gningsmotor. Inden for AGR Inventory-modulet<\/a> brugte vi planl\u00e6ggeren til at vise resultaterne af korrelationsmodellen p\u00e5 en enkel og nyttig m\u00e5de, som det ses nedenfor. Denne visning viser en liste over dine produkter, hvor de f\u00f8rste to kolonner indeholder deres numre og navne, og de sidste to kolonner viser et link til mulige korrelerede varer eller lignende varer. <\/p>\n\n

\"\"<\/figure>\n\n

N\u00e5r vi klikker p\u00e5 linket ‘korrelerede varer’ for et af produkterne, \u00e5bnes en ny visning. F\u00f8lgende produkt er et forst\u00f8rrelsesglas med et lys, og dets nummer og navn er i de to f\u00f8rste kolonner (r\u00f8d boks). I de n\u00e6ste to kolonner ser vi derefter antallet og navnet p\u00e5 de produkter, der er korreleret til forst\u00f8rrelsesglasset (gr\u00f8n boks), og i den sidste kolonne ser vi korrelationsprocenten. Vi kan derfor se, at dette forst\u00f8rrelsesglas har sammenh\u00e6ng med to produkter: en 4-pak og en 10-pak AA-batterier, som er pr\u00e6cis de batterier, der bruges til forst\u00f8rrelsesglasset. Cirka 29 procent af kunderne k\u00f8ber en 4-pakke batterier, n\u00e5r de k\u00f8ber forst\u00f8rrelsesglasset, og 11 procent k\u00f8ber en 10-pakke batterier. <\/p>\n\n

\"\"<\/figure>\n\n

Disse to visninger, som vi ser her, er meget enkle og viser kun sammenh\u00e6ng mellem produkterne, men vi er i stand til at s\u00e6tte denne funktionalitet ind i de planer, du \u00f8nsker, og derved bruge disse oplysninger, mens vi planl\u00e6gger salget af produkter.<\/p>\n\n

Flere muligheder er der masser af<\/strong><\/h3>\n\n

Brug af denne maskinl\u00e6ringsteknologi i din AGR-ops\u00e6tning kan \u00e5bne en masse nye muligheder for din virksomhed. For det f\u00f8rste kan det v\u00e6re utroligt nyttigt at kende sammenh\u00e6ngen mellem varer, n\u00e5r du planl\u00e6gger kampagner, da et \u00f8get salg af et bestemt produkt ogs\u00e5 p\u00e5virker de produkter, hvor det er korreleret. N\u00e5r brugeren planl\u00e6gger en promovering af f.eks. forst\u00f8rrelsesglasset med lyset, vil de kunne se butanbr\u00e6ndstoftanken opf\u00f8rt som en korreleret genstand, hvilket informerer dem om, at salget af forst\u00f8rrelsesglasset ogs\u00e5 vil \u00f8ge salget af batterierne. Selvom dette kan virke som sund fornuft, n\u00e5r en virksomhed arbejder med tusindvis af SKU’er, vil det spare en masse tid og penge for din virksomhed at f\u00e5 softwaren til at g\u00f8re arbejdet for dig. Planl\u00e6gning af kampagnermed disse oplysninger med AGR Inventory kan hj\u00e6lpe brugeren med at se den sande samlede effekt af kampagnen. <\/p>\n\n

Disse oplysninger kan ogs\u00e5 bruges til priss\u00e6tning og butikslayout. Hvis vi t\u00e6nker igen p\u00e5 den kulinariske fakkel, er 80% korrelation naturligvis en betydelig h\u00f8j korrelation, men vi kan antage, at br\u00e6ndstoffet ikke f\u00f8lger med faklen. Kunden bliver n\u00f8dt til at k\u00f8be butanbr\u00e6ndstoffet for at bruge lommelygten, s\u00e5 dette ville v\u00e6re en mulighed for at g\u00f8re mere salg og \u00f8ge korrelationen mellem disse to produkter t\u00e6ttere p\u00e5 100 procent ved at unders\u00f8ge produkternes layout i butikken, priser osv. <\/p>\n\n

At kende korrelationsraterne i online detailhandel er ogs\u00e5 utroligt nyttigt, som n\u00e5r kunden l\u00e6gger forst\u00f8rrelsesglasset i sin kurv, s\u00e5 kan vi p\u00e5pege det faktum, at andre kunder ofte k\u00f8ber AA-batterier p\u00e5 samme tid og dermed opfordre ham til at g\u00f8re det samme, ligesom det f\u00f8rste Amazon-eksempel ‘Ofte k\u00f8bt sammen’.<\/p>\n\n

Identificering af lignende elementer<\/strong> med Machine Learning<\/h3>\n\n

Den n\u00e6ste model, vi skabte, finder lignende produkter i produktsortimentet. Et eksempel p\u00e5 dette kan ses nedenfor med flere forskellige typer ketchup: <\/p>\n\n

\"\"<\/figure>\n\n

De data, der er n\u00f8dvendige for at finde disse ligheder, findes allerede i AGR-systemet, f.eks. produktnavn, beskrivelse, pris, farve, produktgruppe osv. Da produktfunktioner kan skelne mellem virksomheder, og hvordan de definerer eller beskriver deres produkter, kan vi ogs\u00e5 bruge forskellige oplysninger, hvis det er n\u00f8dvendigt. Generelt g\u00e6lder det, at jo mere information vi har om produkterne, jo bedre bliver resultaterne. <\/p>\n\n

N\u00e5r vi ser p\u00e5 alle varerne i en typisk detailbutik, kan vi ogs\u00e5 se lignende varer i deres system. For et bestemt produkt, i dette tilf\u00e6lde sort Focus-kikkert, viser systemet de tre produkter, det beregner som de mest lignende produkter. Som vi kan se, er resultaterne tre meget ens kikkerter. <\/p>\n\n

\"\"<\/figure>\n\n

Hvis vi igen ser p\u00e5 vores planl\u00e6gger, har vi oprettet en ‘Lignende genstande’-kolonne ved siden af ‘Korrelerede genstande’ Hvis vi igen tager det samme forst\u00f8rrelsesglas som et eksempel, men nu trykker p\u00e5 knappen ‘Lignende genstande’, \u00e5bnes en ny visning, der viser de tre andre forst\u00f8rrelsesglas med et lys, ligesom vores originale produkt.<\/p>\n\n

\"\"<\/figure>\n\n

Det er nemt at tilf\u00f8je nye elementer<\/strong><\/h3>\n\n

Brug af denne maskinl\u00e6ringsteknologi i AGR-softwaren giver en masse ny funktionalitet til vores kunder. For det f\u00f8rste kan disse oplysninger bruges til at oprette en salgshistorik for nye produkter. N\u00e5r et nyt produkt uden salgshistorik kommer ind i AGR, vil systemet vise brugeren de tre produkter, der ligner dette nye produkt mest, og brugeren kan v\u00e6lge et af disse produkter og dets salgshistorik for at oprette en prognose for dette nye produkt. <\/p>\n\n

Denne model kan ogs\u00e5 bruges til planl\u00e6gning af kampagner. Lignende produkter har ofte negativ sammenh\u00e6ng med hinanden, f.eks. hvis du har to lignende produkter fra to forskellige producenter, og du s\u00e6tter et p\u00e5 salgsfremmende sted, vil salget stige, mens salget af det lignende produkt samtidig vil falde. At vide dette vil give dig mulighed for at se og forst\u00e5 den samlede effekt af at s\u00e6tte et produkt p\u00e5 promovering inden for din virksomhedsdrift. <\/p>\n\n

Endelig kan disse oplysninger ogs\u00e5 bruges til at h\u00e5ndtere pris\u00e6ndringer, for n\u00e5r der foretages langsigtede \u00e6ndringer i prisen p\u00e5 et produkt, vil det generelt p\u00e5virke k\u00f8bsm\u00f8nsteret for produktet og produkter, der ligner det. S\u00e5 hvis Hunts ketchup f.eks. pludselig faldt i pris og ville v\u00e6re billigere end Euroshopper eller Coop ketchup, er det meget sandsynligt, at k\u00f8bsm\u00f8nstrene for disse produkter vil \u00e6ndre sig permanent. <\/p>\n\n

Omfavner ny teknologi<\/strong><\/h3>\n\n

Maskinl\u00e6ring kan bruges p\u00e5 forskellige m\u00e5der i salg og lagerplanl\u00e6gning. Hos AGR Dynamics tror vi p\u00e5, at denne teknologi kan v\u00e6re utrolig v\u00e6rdifuld for vores kunder, og vi str\u00e6ber efter at holde os p\u00e5 forkant med nye teknologiske \u00e6ndringer og inkorporere dem i vores supply chain management-software. Disse nye udviklinger kan g\u00f8re arbejdet meget lettere for vores kunder, b\u00e5de ved at give dem forslag og informere dem om \u00e5rsagerne til de beslutninger, de tr\u00e6ffer. Disse to nye funktioner vil hj\u00e6lpe med at give vores kunder et bedre overordnet overblik over deres produkt og \u00f8ge deres effektivitet i lagerstyringen. <\/p>\n\n

Hvis du vil vide mere om disse nye funktioner og tilf\u00f8je dem til dit nuv\u00e6rende AGR-system, kan du kontakte os her eller kontakte din AGR Dynamics-konsulent.<\/p>\n","protected":false},"excerpt":{"rendered":"

Udforsk, hvordan maskinel indl\u00e6ring er integreret i AGR-l\u00f8sninger for at forbedre forudsigelig n\u00f8jagtighed og effektivitet.<\/p>\n","protected":false},"author":1,"featured_media":13815,"template":"","class_list":["post-18578","news","type-news","status-publish","has-post-thumbnail","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.agrinventory.com\/da\/wp-json\/wp\/v2\/news\/18578","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.agrinventory.com\/da\/wp-json\/wp\/v2\/news"}],"about":[{"href":"https:\/\/www.agrinventory.com\/da\/wp-json\/wp\/v2\/types\/news"}],"author":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/da\/wp-json\/wp\/v2\/users\/1"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/da\/wp-json\/wp\/v2\/media\/13815"}],"wp:attachment":[{"href":"https:\/\/www.agrinventory.com\/da\/wp-json\/wp\/v2\/media?parent=18578"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}