Usecase
荷量予測
- 品切れによる機会損失や廃棄の削減、適時の配送のためには荷量のより正確な予測が求められる
- 既に予測モデルが導入されているケースは多いが、運用・改善が煩雑なため、改善への着手が難しい
- MLOps環境を構築し、機械学習パイプラインを自動化することで、運用及び改善を円滑化・効率化
［ DXの課題 ］
月次の実績データを用いて需要予測をしており、実績データ最新化の度にモデル作成をする必要がある。毎回のモデル作成、及びエラー発生時のトラブルシュートに多くの手間がかかることに加え、ソースコードの運用整理もできていないため、モデルの改善に着手ができない
［ exaBaseを活用した解決策 ］
ソースコードのバージョン管理をGit-flowに刷新。MLOpsの機械学習パイプラインでバージョン管理されたソースコードを実行することで、テストの自動化を実現。
［ 想定される成果 ］
- 本番環境の運用コストが1/3程度に減少
- ソースコードの継続的な改善が可能に
荷量予測
この成果を共創する
AI・データ活用
AI基盤構築
自社のDXやAI・データ活用などお気軽にご相談ください
についてお問い合わせ