{"id":2841,"date":"2020-03-03T00:00:00","date_gmt":"2020-03-03T00:00:00","guid":{"rendered":"https:\/\/www.agrinventory.com\/maskininlarning-har-lagts-till-i-agr-programvaran-for-att-transformera-din-forsorjningskedja-2\/"},"modified":"2025-01-03T20:37:30","modified_gmt":"2025-01-03T20:37:30","slug":"maskininlarning-har-lagts-till-i-agr-programvaran-for-att-transformera-din-forsorjningskedja","status":"publish","type":"post","link":"https:\/\/www.agrinventory.com\/sv\/blog\/maskininlarning-har-lagts-till-i-agr-programvaran-for-att-transformera-din-forsorjningskedja\/","title":{"rendered":"Maskininl\u00e4rning l\u00e4ggs till AGR Software f\u00f6r att f\u00f6r\u00e4ndra din leveranskedja"},"content":{"rendered":"\n
I v\u00e5r str\u00e4van att st\u00e4ndigt utveckla ny teknik f\u00f6r v\u00e5r SCM-programvara och v\u00e5ra kunder har vi lagt till tv\u00e5 nya funktioner f\u00f6r maskininl\u00e4rning i AGR Inventory-modulen.<\/h5>\n

V\u00e5r AGR-programvara har haft maskininl\u00e4rningsfunktioner i flera \u00e5r, men de h\u00e4r tv\u00e5 nya funktionerna hj\u00e4lper till att ge din leveranskedja en extra skjuts i konkurrensen.<\/p>\n

Innan vi b\u00f6rjar, l\u00e5t oss g\u00e5 igenom grunderna. Maskininl\u00e4rning \u00e4r en automatisk datoranalys som anv\u00e4nder data f\u00f6r att hitta m\u00f6nster och skapa prognoser. Maskininl\u00e4rning anv\u00e4nder data f\u00f6r att skapa ett program, programmet l\u00e4r sig av erfarenhet och fattar sedan beslut baserat p\u00e5 den erfarenheten. Det \u00e4r precis som vi m\u00e4nniskor \u2013 vi f\u00e5r kunskap, l\u00e4r oss av erfarenheter och fattar sedan beslut baserat p\u00e5 den kunskap och erfarenhet vi har. Ett av de vanligaste exemplen p\u00e5 maskininl\u00e4rning \u00e4r “J\u00e4mf\u00f6r med liknande artiklar” p\u00e5 Amazon, som visas i bilden nedan: <\/p>\n

\"\"<\/p>\n

\u00d6kade datam\u00e4ngder och framsteg inom programvaruteknik har lett till att maskininl\u00e4rning har blivit mycket popul\u00e4rt p\u00e5 senare tid – men data \u00e4r avg\u00f6rande f\u00f6r att kunna anv\u00e4nda maskininl\u00e4rningstekniker. Och det \u00e4r precis vad de flesta av v\u00e5ra kunder har – mycket data! <\/p>\n

Vi skapade tv\u00e5 modeller. Den f\u00f6rsta \u00e4r en modell som hittar korrelation mellan produkter \u2013 det vill s\u00e4ga den identifierar produkter som ofta s\u00e4ljs tillsammans (som exemplet ovan fr\u00e5n Amazon). Och den andra \u00e4r en modell som hittar liknande produkter i kundens sortiment. <\/p>\n<\/p>\n

L\u00e4gga till korrelation till AGR-inventering<\/h2>\n

Den f\u00f6rsta modellen, korrelationsmodellen, g\u00e5r igenom f\u00f6rs\u00e4ljningshistoriken och identifierar positiva korrelationer\/haloeffekter mellan olika produkter. Ett typiskt exempel p\u00e5 detta \u00e4r varmkorv och varmkorvsbr\u00f6d. Om f\u00f6rs\u00e4ljningen av varmkorv \u00f6kar, t.ex. p\u00e5 grund av en priss\u00e4nkning eller p\u00e5 grund av v\u00e4dret, kommer f\u00f6rs\u00e4ljningen av korvbr\u00f6d att \u00f6ka med n\u00e4stan samma procentandel. De data vi beh\u00f6ver f\u00f6r den h\u00e4r analysen \u00e4r enkla transaktionsdata som alla v\u00e5ra kunder i allm\u00e4nhet har tillg\u00e5ng till. <\/p>\n

F\u00f6ljande exempel p\u00e5 identifierade samband kommer fr\u00e5n en av v\u00e5ra kunder. N\u00e4r vi tittade p\u00e5 deras data fann vi att f\u00f6ljande tv\u00e5 f\u00f6rem\u00e5l, en kulinarisk fackla och butanbr\u00e4nsle, har en regel om 80 % korrelation. Det betyder att 80 % av tiden som en kund k\u00f6per en kulinarisk fackla, kommer de ocks\u00e5 att k\u00f6pa en liten tank butan. <\/p>\n

\"\"<\/p>\n

Ett annat exempel p\u00e5 den h\u00e4r typen av korrelation kan ses mellan f\u00f6ljande FireWire-kabel och Apple-adaptern med en korrelation p\u00e5 50 procent. \u00c4ven om denna korrelation inte \u00e4r lika stark som i det tidigare exemplet, inneb\u00e4r det att 50 procent av g\u00e5ngerna som kunder k\u00f6per en FireWire-kabel k\u00f6per de ocks\u00e5 en adapter s\u00e5 att kabeln passar med Apple-datorer. <\/p>\n

\"\"<\/p>\n

F\u00f6r att f\u00f6ra in denna teknik i v\u00e5r programvara anv\u00e4nde vi v\u00e5r kraftfulla planeringsmotor. I AGR Inventory-modulen anv\u00e4nde vi planeringsverktyget f\u00f6r att visa resultaten av korrelationsmodellen p\u00e5 ett enkelt och anv\u00e4ndbart s\u00e4tt, se nedan. Den h\u00e4r vyn visar en lista \u00f6ver dina produkter, d\u00e4r de tv\u00e5 f\u00f6rsta kolumnerna inneh\u00e5ller deras nummer och namn, och de tv\u00e5 sista kolumnerna visar en l\u00e4nk till m\u00f6jliga korrelerade artiklar eller liknande artiklar. <\/p>\n

\"\"<\/p>\n

N\u00e4r vi klickar p\u00e5 l\u00e4nken “korrelerade artiklar” f\u00f6r en av produkterna \u00f6ppnas en ny vy. F\u00f6ljande produkt \u00e4r ett f\u00f6rstoringsglas med ett ljus och dess nummer och namn finns i de tv\u00e5 f\u00f6rsta kolumnerna (r\u00f6d ruta). I de n\u00e4sta tv\u00e5 kolumnerna ser vi sedan numret och namnet p\u00e5 de produkter som \u00e4r korrelerade med f\u00f6rstoringsglaset (gr\u00f6n ruta), och i den sista kolumnen ser vi korrelationsprocenten. Vi kan d\u00e4rf\u00f6r se att detta f\u00f6rstoringsglas har samband med tv\u00e5 produkter: ett 4-pack och ett 10-pack AA-batterier, som \u00e4r exakt de batterier som anv\u00e4nds f\u00f6r f\u00f6rstoringsglaset. Cirka 29 procent av kunderna k\u00f6per ett 4-pack batterier n\u00e4r de k\u00f6per f\u00f6rstoringsglaset, och 11 procent k\u00f6per ett 10-pack batterier. <\/p>\n

\"\"<\/p>\n

Dessa tv\u00e5 vyer som vi ser h\u00e4r \u00e4r v\u00e4ldigt enkla och visar bara korrelation mellan produkterna, men vi kan l\u00e4gga in denna funktionalitet i vilka planer du vill och d\u00e4rmed anv\u00e4nda denna information n\u00e4r du planerar f\u00f6rs\u00e4ljningen av produkter.<\/p>\n<\/p>\n

Fler m\u00f6jligheter finns i \u00f6verfl\u00f6d<\/h2>\n

Genom att anv\u00e4nda den h\u00e4r maskininl\u00e4rningstekniken i din AGR-installation kan du \u00f6ppna m\u00e5nga nya m\u00f6jligheter f\u00f6r ditt f\u00f6retag. F\u00f6r det f\u00f6rsta kan det vara otroligt anv\u00e4ndbart att k\u00e4nna till sambandet mellan artiklar n\u00e4r du planerar kampanjer, eftersom en \u00f6kad f\u00f6rs\u00e4ljning av en viss produkt ocks\u00e5 p\u00e5verkar de produkter d\u00e4r <\/p>\n

det \u00e4r korrelerat. N\u00e4r anv\u00e4ndaren planerar en kampanj f\u00f6r t.ex. f\u00f6rstoringsglaset med lampan, kan han eller hon se butanbr\u00e4nsletanken listad som en korrelerad artikel, vilket informerar honom eller henne om att f\u00f6rs\u00e4ljningen av f\u00f6rstoringsglaset ocks\u00e5 kommer att \u00f6ka f\u00f6rs\u00e4ljningen av batterierna. Det h\u00e4r kan verka som sunt f\u00f6rnuft, men n\u00e4r ett f\u00f6retag arbetar med tusentals SKU:er kommer det att spara mycket tid och pengar f\u00f6r ditt f\u00f6retag att l\u00e5ta programvaran g\u00f6ra jobbet \u00e5t dig. Att planera kampanjer med denna information med AGR Inventory kan hj\u00e4lpa anv\u00e4ndaren att se den verkliga totala effekten av kampanjen. <\/p>\n

Denna information kan ocks\u00e5 anv\u00e4ndas f\u00f6r priss\u00e4ttning och butikslayout. Om vi t\u00e4nker igen p\u00e5 den kulinariska facklan \u00e4r 80 % korrelation naturligtvis en avsev\u00e4rt h\u00f6g korrelation, men vi kan anta att br\u00e4nslet inte kommer med facklan. Kunden kommer att beh\u00f6va k\u00f6pa butanbr\u00e4nslet f\u00f6r att anv\u00e4nda facklan, s\u00e5 detta skulle vara en m\u00f6jlighet att g\u00f6ra mer f\u00f6rs\u00e4ljning och \u00f6ka korrelationen mellan dessa tv\u00e5 produkter n\u00e4rmare 100 procent genom att unders\u00f6ka produkternas layout i butiken, priss\u00e4ttning etc. <\/p>\n

Att k\u00e4nna till korrelationsgraden inom online-detaljhandeln \u00e4r ocks\u00e5 otroligt anv\u00e4ndbart, f\u00f6r n\u00e4r kunden l\u00e4gger f\u00f6rstoringsglaset i sin varukorg, d\u00e5 kan vi p\u00e5peka det faktum att andra kunder ofta k\u00f6per AA-batterier samtidigt och d\u00e4rmed uppmuntra honom att g\u00f6ra detsamma, precis som det f\u00f6rsta Amazon-exemplet “Ofta k\u00f6pta tillsammans.”<\/p>\n<\/p>\n

Identifiera liknande objekt med maskininl\u00e4rning<\/h2>\n

N\u00e4sta modell vi skapade hittar liknande produkter i sortimentet. Ett exempel p\u00e5 detta kan ses nedan med flera olika typer av ketchup: <\/p>\n

\"\"<\/p>\n

De uppgifter som beh\u00f6vs f\u00f6r att hitta dessa likheter finns redan i AGR-systemet, t.ex. produktnamn, beskrivning, pris, f\u00e4rg, produktgrupp osv. Eftersom produktegenskaper kan skilja mellan f\u00f6retag och hur de definierar eller beskriver sina produkter, kan vi ocks\u00e5 anv\u00e4nda annan information om det beh\u00f6vs. I allm\u00e4nhet g\u00e4ller att ju mer information vi har om produkterna, desto b\u00e4ttre blir resultaten. <\/p>\n

N\u00e4r vi tittar p\u00e5 alla artiklar i en typisk butik kan vi ocks\u00e5 se liknande artiklar i deras system. F\u00f6r en viss produkt, i det h\u00e4r fallet en svart Focus-kikare, visar systemet de tre produkter som det ber\u00e4knar som sina mest lika produkter. Som vi kan se \u00e4r resultatet tre mycket lika kikare. <\/p>\n

\"\"<\/p>\n

Om vi \u00e5terigen tittar p\u00e5 v\u00e5r planerare har vi skapat en kolumn “Liknande objekt” bredvid “Korrelerade objekt” Om vi \u00e5terigen tar samma f\u00f6rstoringsglas som ett exempel men nu trycker p\u00e5 knappen “Liknande objekt” \u00f6ppnas en ny vy som visar de tre andra f\u00f6rstoringsglasen med ett ljus, precis som v\u00e5r originalprodukt.<\/p>\n

\"\"<\/p>\n<\/p>\n

Det \u00e4r enkelt att l\u00e4gga till nya objekt<\/h2>\n

Genom att anv\u00e4nda denna maskininl\u00e4rningsteknik i AGR-programvaran f\u00e5r v\u00e5ra kunder tillg\u00e5ng till m\u00e5nga nya funktioner. F\u00f6r det f\u00f6rsta kan denna information anv\u00e4ndas f\u00f6r att skapa en f\u00f6rs\u00e4ljningshistorik f\u00f6r nya produkter. N\u00e4r en ny produkt utan f\u00f6rs\u00e4ljningshistorik kommer in i AGR, visar systemet anv\u00e4ndaren de tre produkter som \u00e4r mest lika den nya produkten och anv\u00e4ndaren kan v\u00e4lja en av dessa produkter och dess f\u00f6rs\u00e4ljningshistorik f\u00f6r att skapa en prognos f\u00f6r den nya produkten. <\/p>\n

Denna modell kan ocks\u00e5 anv\u00e4ndas f\u00f6r att planera kampanjer. Liknande produkter har ofta en negativ korrelation med varandra, t.ex. om du har tv\u00e5 liknande produkter fr\u00e5n tv\u00e5 olika tillverkare och du marknadsf\u00f6r den ena produkten kommer f\u00f6rs\u00e4ljningen av den att \u00f6ka medan f\u00f6rs\u00e4ljningen av den liknande produkten samtidigt kommer att minska. Genom att k\u00e4nna till detta kan du se och f\u00f6rst\u00e5 den \u00f6vergripande effekten av att marknadsf\u00f6ra en produkt i din aff\u00e4rsverksamhet. <\/p>\n

Slutligen kan denna information ocks\u00e5 anv\u00e4ndas f\u00f6r att hantera pris\u00e4ndringar, eftersom n\u00e4r l\u00e5ngsiktiga \u00e4ndringar g\u00f6rs av priset p\u00e5 en produkt kommer det i allm\u00e4nhet att p\u00e5verka k\u00f6pm\u00f6nstret f\u00f6r produkten och produkter som liknar den. S\u00e5, till exempel, om Hunts ketchup pl\u00f6tsligt sj\u00f6nk i pris och skulle vara billigare \u00e4n Euroshopper eller Coop ketchup, \u00e4r det mycket troligt att k\u00f6pm\u00f6nstren f\u00f6r dessa produkter kommer att f\u00f6r\u00e4ndras permanent. <\/p>\n<\/p>\n

Omfamna ny teknik<\/h2>\n

Maskininl\u00e4rning kan anv\u00e4ndas p\u00e5 olika s\u00e4tt inom f\u00f6rs\u00e4ljnings- och lagerplanering. Vi p\u00e5 AGR Dynamics tror att denna teknik kan vara otroligt v\u00e4rdefull f\u00f6r v\u00e5ra kunder, och vi str\u00e4var efter att h\u00e5lla oss uppdaterade om nya teknikf\u00f6r\u00e4ndringar och inf\u00f6rliva dem i v\u00e5r programvara f\u00f6r hantering av leveranskedjan. Denna nya utveckling kan g\u00f6ra arbetet mycket enklare f\u00f6r v\u00e5ra kunder, b\u00e5de genom att ge dem f\u00f6rslag och informera dem om orsakerna till de beslut de fattar. Dessa tv\u00e5 nya funktioner kommer att bidra till att ge v\u00e5ra kunder en b\u00e4ttre helhetsbild av sin produkt och \u00f6ka deras effektivitet i lagerhanteringen. <\/p>\n","protected":false},"excerpt":{"rendered":"

Hur maskininl\u00e4rning i AGR:s programvara f\u00f6r\u00e4ndrar leveranskedjorna.<\/p>\n","protected":false},"author":1,"featured_media":11898,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"content-type":"","footnotes":""},"categories":[95],"tags":[167],"class_list":["post-2841","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-process-automation","tag-rapporter-sv-se"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.agrinventory.com\/sv\/wp-json\/wp\/v2\/posts\/2841","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.agrinventory.com\/sv\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.agrinventory.com\/sv\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/sv\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/sv\/wp-json\/wp\/v2\/comments?post=2841"}],"version-history":[{"count":0,"href":"https:\/\/www.agrinventory.com\/sv\/wp-json\/wp\/v2\/posts\/2841\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.agrinventory.com\/sv\/wp-json\/wp\/v2\/media\/11898"}],"wp:attachment":[{"href":"https:\/\/www.agrinventory.com\/sv\/wp-json\/wp\/v2\/media?parent=2841"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.agrinventory.com\/sv\/wp-json\/wp\/v2\/categories?post=2841"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.agrinventory.com\/sv\/wp-json\/wp\/v2\/tags?post=2841"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}