【109年 應用案例】 紡織業挑戰快時尚,AI庫存預測降低三成五誤差率
服飾快時尚、少量多樣、短交期
紡織產業面臨服飾品牌快時尚趨勢衝擊整體紡織供應鏈,全球品牌通路都推動零庫存、短交期與少量客製化,生產時間、品質、成本難以平衡,面對品牌商對ODM的預測與實際需求常有落差,造成物料管理與大量庫存成本積壓的問題。
由於客戶預測需求不準確,常導致備料困難,備料太多會增加積存量、備料太少可能延誤交期。本計畫規劃以國內一級供應製造商為對象,建立各客戶專屬的物料需求AI預測模型
AI計算銷售趨勢,進而預測需求
輔導團隊與神通資訊科技合作,計畫主要透過LSTM演算法來做為AI的基礎,主要是希望藉由過去的銷售記錄預測下一個週期的銷售量,在統計上使用簡單迴歸,乃至複雜的『時間序列分析』(Time Series Analysis)來預測銷售趨勢,因為,當期的銷售量通常會與前期的銷售量有緊密的關係,除非公司發生重大事件,否則,應該會循著規律變化。
銷售量預測的樣態很多種,包括營收、利潤、來客數、遊園人數、銷售產品數/金額、...等等,都屬於同一範疇,以下會以工廠的每月出貨批數為例,使用 LSTM 模型預測下個月的出貨批數。
▲物料需求分析方案執行架構
本計畫規劃以客戶為對象,建立各客戶專屬的物料需求AI預測模型,規劃階段使用三種機器學習演算法試作物料需求AI預測模型:
Logistic Regression Algorithm (羅吉斯迴歸)
Gradient Boosting Algorithm (梯度提升法)
Deep Learning Algorithm (深度學習法)
▲物料需求AI預測模型規劃
需求預測誤差自最高70%降至35%,降低備料庫存量
本計畫將客戶預估需求、所需物料類別、供應來源、客戶交期等資訊,以機器學習的方式,建立主要原物料的採購預估系統,將該客戶前五大國際客戶需求量預測誤差自最高70%降至35%,大幅減輕庫存之備料量。