Slik måler vi Sweet 1.3, KI-en for lagerstyring i Sway One
Før vi leverte Sweet 1.3, spilte vi av åtte butikker over ett års salg: prognoser, tomt lager, lagerkostnad og beslutninger, målt før og etter.
En KI for lagerstyring må vurderes på salg den aldri har sett. For å kunne gi ut Sweet 1.3 bygde vi en testbenk som spiller av fortiden og sammenligner hver prognose og hver beslutning med det som faktisk ble solgt etterpå.
Testbenken i korte trekk
| Trinn | Hva vi gjør |
|---|---|
| 1. Butikker | 8 demobutikker, over 23 000 varer, ett års salg |
| 2. Snitt | 4 datoer, fra mai til august: modellen ser bare fortiden |
| 3. Prognose | Sammenlignet med de neste 28 dagene: intervall, feil, dekning |
| 4. Påfyll | Simulert med 90 % servicegrad: lagermangel, tapt margin, lagerkostnad |
| 5. Beslutninger | Hver forkastede handling vurderes på nytt ut fra sin reelle gevinst |
Butikkene dekker herre- og dameklær, outdoor, løping, ridesport, tennis og padel, et barnemerke og et tekstilmerke. Katalogene kommer fra ekte butikker; salget er simulert og identisk ved hver kjøring, slik at to versjoner kan sammenlignes på like vilkår.
Fra Sweet 1.1 til Sweet 1.3
Sweet er KI-familien som driver Sway One: Echo for dagens status, Flow for løpende produksjon, Horizon for lagerprognoser, Orbit for den fullstendige analysen og Reserve for forhåndsbestillinger.
Sweet 1.3 legger til tre noder:
- Horizon, som lar den statistiske modellen konkurrere mot en prognose dag for dag, produkt for produkt;
- Sweet Instinct, som avgjør mellom disse prognosene og fisker opp igjen gode handlinger som filtrene hadde forkastet;
- et nyhetssammendrag for bransjen, med kilder, for å teste hypoteser om etterspørselen.
Hver butikk har sine egne innstillinger, i sin konfigurasjon.
Resultatene står i to artikler: Horizon, lagerprognosen produkt for produkt og Sweet Instinct.
Ofte stilte spørsmål
Hvorfor demobutikker?
For å sammenligne to versjoner må nøyaktig det samme salget spilles av, uten å røre en kundes data. Hos dere gjør vi målingen om igjen på deres egen historikk.
Hva måler vi først og fremst?
Den reelle kostnaden for forhandleren: salg som går tapt ved lagermangel og penger som ligger bundet i lager. En mer presis prognose har bare verdi hvis den forbedrer de to tallene.