[專欄] 建立AI食品供貨預測模式

AI 需求預測銷售預測

文章來源：文/工業技術研究院林文馨、楊蕙菁

需求預測長久以來是企業關注的議題，企業越了解自身的需求與庫存，越能掌握產量與排程。根據國際調研機構Gartner指出，企業以需求導向做決策，平均可降低15~30%的庫存成本，還可增加1~3%的毛利率。供應鏈從生產端到銷售端只要提升些微的精準需求預測，就可幫助管理階層決策，達到更好的成本管控。

在眾多產業中，食品業最在乎銷售預測，由於食材、原物料效期短、耗損率高，生產者與供貨商經常以人力經驗法則預估採購量，再決定供貨量，來降低食品耗損成本。但也因此，在供貨充足與耗損成本的考量中，難以取得平衡，一旦預估不準，生產過剩易造成腐壞報廢，生產不足則造成缺貨減少收入，也導致客戶訂貨困擾，甚至間接產生物流資源難適時因應的問題。因此，食品預測已是每家企業亟待建立的能力，期望能在原本的供需服務上，增加流通服務的穩定性與規模，能夠更掌握先機、做好準備，同時可降低無效成本。

由於長期以來企業缺乏對數據的合理使用，即使導入現成的庫存管理系統，也無法使歷史數據發揮出價值。隨著AI應用的普及，如何以人工智慧與機器學習技術為基礎，預測供應鏈需求，建立更精準的需求預測模型，是企業應思考的方向。以雀巢為例，雀巢有上千種商品，為了提升商品銷量預測精準度，其將總體經濟、季節氣象資訊、客群的喜好，以及商品促銷事件等皆放入統計模型中，運行結果除了提升9%商品銷量預測精準度、降低庫存成本外，也能為商品保鮮期提供更好的估算。

在AI食品供貨預測模式中，可分為供貨量預測模式及供貨組合規劃模式，供貨量預測模式係綜整供應鏈中的供貨預測考量因子與商品訂控考量因子，協助供應鏈中生產端、物流端、通路端等不同角色，預測各自的供貨量；供貨組合規劃模式用於規劃分析歷史訂單組成結構，取得單品間的共購相關性，以協助物流倉儲及通路業者設計銷售組合與倉儲空間。

【如欲閱讀全文，敬請訂閱】

訂閱雜誌回前頁

物流技術與戰略雜誌社

[專欄] 建立AI食品供貨預測模式

更多精采文章