Configuração da previsão da procura

Este artigo descreve como configurar a previsão da procura.

Chaves de alocação de itens

As chaves de alocação de itens estabelecem grupos de itens. O sistema calcula uma previsão de procura para um artigo e as suas dimensões apenas se o artigo fizer parte de uma chave de alocação de itens. Esta regra agrupa um grande número de itens para que o sistema possa criar previsões de procura mais rapidamente. O sistema cria previsões baseadas apenas em dados históricos.

Um item e as suas dimensões devem pertencer apenas a uma única chave de alocação de itens se utilizar essa chave de alocação durante a criação da previsão.

Para criar chaves de alocação de itens e adicionar uma unidade de manutenção de stock (SKU) a elas, siga estes passos:

1. Vá a Planeamento Mestre>Configuração>Previsão da Procura>Chaves de alocação de itens.

2. Selecione uma chave de alocação de itens no painel de lista ou selecione Novo no Painel de Ações para criar uma nova. No cabeçalho para a chave nova ou selecionada, defina os seguintes campos:

   • Chave de alocação de itens – Introduza um nome exclusivo para a chave.
   • Nome – Introduza um nome descritivo para a chave.

3. Siga um destes passos para adicionar itens à chave de alocação de itens selecionada ou remover itens:

   • No Separador Rápido Alocação de itens, utilize os botões Novo e Eliminar na barra de ferramentas para adicionar ou remover itens conforme necessário. Para cada linha, selecione o número do item e, em seguida, atribua os valores de dimensão nas outras colunas, conforme necessário. Selecione Apresentar dimensões na barra de ferramentas para alterar o conjunto de colunas de dimensão mostrado na grelha. (O valor na coluna Percentagem é ignorado quando as previsões da procura são geradas.)
   • Se pretender adicionar um grande número de itens à chave, selecione Atribuir itens no Painel de Ações para abrir uma página na qual pode encontrar e atribuir vários itens à chave selecionada.

Grupos de planeamento interempresa

A previsão da procura pode gerar previsões interempresa. No Dynamics 365 Supply Chain Management, agrupa as empresas que planeia em conjunto no mesmo grupo de planeamento interempresa. Para especificar, por empresa, quais as chaves de alocação de itens a considerar para a previsão da procura, associe uma chave de alocação de itens ao membro do grupo de planeamento interempresa.

Para configurar os seus grupos de planeamento interempresas, siga estes passos:

1. Vá a Planeamento Mestre>Configuração>Grupos de Planeamento Interempresas.

2. Selecione um grupo de planeamento no painel de lista ou selecione Novo no Painel de Ações para criar um novo. No cabeçalho para o grupo novo ou selecionado, defina os seguintes campos:

   • Nome – Introduza um nome exclusivo para o grupo de planeamento.
   • Descrição – Introduza uma breve descrição do grupo de planeamento.

3. No Separador Rápido Membros do grupo de planeamento interempresa, utilize os botões na barra de ferramentas para adicionar uma linha para cada empresa (entidade legal) que deve fazer parte do grupo. Para cada linha, defina os seguintes campos:

   • Entidade legal – Selecione o nome de uma empresa (entidade legal) que seja membro do grupo selecionado.
   • Sequência de agendamento – Atribua a ordem em que a empresa deve ser processada em relação a outras empresas. Os valores baixos são processados primeiro. Esta encomenda pode ser importante quando a procura para uma empresa afeta outras empresas. Nestes casos, a empresa que fornece a procura é processada por último.
   • Plano principal – Selecione o plano principal a ser acionado para a empresa atual.
   • Cópia automática para plano estático – Selecione esta caixa de verificação para copiar o resultado do plano para o plano estático.
   • Cópia automática para plano dinâmico – Selecione esta caixa de verificação para copiar o resultado do plano para o plano dinâmico.

4. Por defeito, se não atribuir chaves de alocação de itens aos membros do grupo de planeamento interempresa, o sistema calcula uma previsão de procura para todos os itens atribuídos a todas as chaves de alocação de itens de todas as empresas. Pode encontrar opções adicionais de filtragem para empresas e chaves de alocação de itens na caixa de diálogo Gerar previsão estatística de referência (Planeamento Mestre>Previsão>Previsão da Procura>Gerar previsão estatística de referência). Para atribuir chaves de alocação de itens a uma empresa no grupo de planeamento interempresa selecionado, selecione a empresa e, em seguida, no Separador Rápido Membros do grupo de planeamento interempresa, selecione Chaves de alocação de itens na barra de ferramentas.

Saiba mais em grupos de planeamento interempresas para previsão de procura.

Definir parâmetros de previsão da procura

Use a página de parâmetros de previsão de procura para configurar opções que controlem como funciona a previsão de procura no seu sistema.

Abrir a página Parâmetros de previsão da procura

Para configurar parâmetros de previsão de procura, vá para Planeamento mestre>Configuração>Previsão de procura>Parâmetros de previsão de procura. Como a previsão da procura é realizada entre empresas, a configuração é global. Aplica-se a todas as entidades legais (empresas).

Definições gerais

Utilize o separador Geral da página Parâmetros de previsão da procura para definir as definições gerais para a previsão da procura.

Unidade de previsão da procura

A previsão da procura gera a previsão de quantidades. Por isso, deve especificar a unidade de medida da quantidade no campo da unidade de previsão de procura . Este campo define a unidade que o sistema utiliza para todas as previsões de procura, independentemente das unidades habituais de inventário para cada produto. Utilizando uma unidade de previsão consistente, ajuda a garantir que a agregação e a distribuição percentual faça sentido. Para obter mais informações sobre agregação e distribuição percentual, consulte Ajustes manuais na previsão estatística.

Para cada unidade de medida que utilizar para SKUs incluídos na previsão da procura, certifique-se de que existe uma regra de conversão para a unidade de medida e a unidade de medida de previsão geral que seleciona aqui. Quando gera uma previsão, o sistema regista a lista de itens que não têm conversão de unidade de medida. Portanto, pode corrigir a configuração com facilidade. Para obter mais informações sobre como unidades de medida e como convertê-las entre si, consulte Gerir unidades de medida.

Tipos de transação

Use os campos no FastTab de Tipos de Transação para selecionar os tipos de transação que o sistema utiliza ao gerar a previsão estatística de referência.

Pode usar a previsão de procura para prever tanto a procura dependente como a procura independente. Por exemplo, se definir apenas a opção de Ordem de Venda para Sim, e todos os itens que considerar para previsão de procura forem itens vendidos, o sistema calcula a procura independente. No entanto, pode adicionar subcomponentes críticos às chaves de alocação de itens e incluí-los na previsão de procura. Neste caso, se definires a opção Linha de Produção para Sim, o sistema calcula uma previsão dependente.

Pode substituir tipos de transação por uma ou mais chaves de alocação de itens específicas utilizando o separador Chaves de alocação de itens. Esse separador fornece campos semelhantes.

Escolher como criar a previsão de linha de base

Use o campo de estratégia de geração de previsões para selecionar o método que o sistema utiliza para criar uma previsão de referência. Três métodos estão disponíveis:

• Copiar sobre a procura histórica – Crie previsões copiando dados históricos.
• Serviço Azure Machine Learning – Utilize um modelo de previsão que utilize o Serviço Azure Machine Learning. O Serviço Azure Machine Learning é a atual solução de machine learning para o Azure. Por isso, use-o se quiser usar um modelo de previsão.
• Azure Machine Learning – Utilize um modelo de previsão que utilize o Azure Machine Learning Studio (clássico). O Azure Machine Learning Studio (clássico) está obsoleto e será em breve removido do Azure. Por isso, selecione o Azure Machine Learning Service se estiver a configurar a previsão de procura pela primeira vez. Se estiver a utilizar o Azure Machine Learning Studio (clássico) de momento, deverá planear mudar para o Serviço Azure Machine Learning, assim que possível.

Pode substituir o método de geração de previsão por uma ou mais chaves de alocação de itens específicas utilizando o separador Chaves de alocação de itens. Esse separador fornece campos semelhantes.

Substituir parâmetros do algoritmo de previsão predefinidos globalmente

Os parâmetros e valores padrão do algoritmo de previsão são atribuídos na página Parâmetros de previsão de procura (Planeamento>Mestre>Configuração>Previsão de procura). No entanto, pode substituí-los globalmente utilizando o Separador Rápido Parâmetros do algoritmo de previsão no separador Geral da página Parâmetros de previsão da procura. (Também pode substituí-los por chaves de alocação específicas utilizando o separador Chaves de alocação de itens na página Parâmetros de previsão da procura.)

Utilize os botões Adicionar e Remover na barra de ferramentas para estabelecer a coleção necessária de substituições de parâmetros. Para cada parâmetro na lista, selecione um valor no campo Nome e introduza um valor apropriado no campo Valor. Todos os parâmetros que não estão aqui listados retiram os seus valores das definições na página de parâmetros de previsão da procura . Para obter mais informações sobre como utilizar o conjunto padrão de parâmetros e selecionar valores para eles, consulte a secção Parâmetros e valores predefinidos para modelos de previsão da procura.

Definir dimensões da previsão

Uma dimensão de previsão mostra o nível de detalhe da previsão. A empresa, o local e a chave de alocação de itens são dimensões da previsão necessárias. Também pode gerar previsões no armazém, estado do inventário, grupo de clientes, conta do cliente, país/região, estado e nível de artigo, e em todos os níveis de dimensão do artigo. Utilize o separador Dimensões da previsão na página Parâmetros de previsão da procura, para selecionar o conjunto de dimensões da previsão que é utilizado quando a previsão da procura for gerada.

A qualquer momento, pode adicionar dimensões da previsão à lista de dimensões utilizadas na previsão da procura. É possível também remover as dimensões da previsão da lista. No entanto, os ajustes manuais serão perdidos se adicionar ou remover uma dimensão da previsão.

Configurar substituições para chaves de alocação de itens específicas

Nem todos os itens funcionam da mesma forma sob uma perspetiva de previsão da procura. Assim, pode estabelecer substituições específicas da chave de alocação para a maioria das definições disponíveis na aba Geral. A exceção é a unidade de previsão da procura. Para configurar substituições para uma chave de alocação de itens específica, siga estes passos:

1. Na página Parâmetros de previsão da procura, no separador Chaves de alocação de itens, utilize os botões da barra de ferramentas para adicionar chaves de alocação de itens à grelha à esquerda ou removê-las, conforme necessário. Em seguida, selecione a chave de alocação para a qual pretende configurar substituições.
2. No Separador Rápido Tipos de transação, ative os tipos de transações que pretende utilizar para gerar a previsão de linha de base estatística de produtos que pertencem à chave de alocação selecionada. As definições funcionam exatamente como no separador Geral, mas aplicam-se apenas à chave de alocação de itens selecionada. Todas as definições aqui (valores Sim e Não) substituem todas as definições de Tipos de transação no separador Geral.
3. No Separador Rápido Parâmetros do algoritmo de previsão, selecione a estratégia de geração de previsão e os parâmetros do algoritmo de previsão para produtos que pertencem à chave de alocação selecionada. Estas definições funcionam exatamente como no separador Geral, mas aplicam-se apenas à chave de alocação de itens selecionada. Utilize os botões Adicionar e Remover na barra de ferramentas para definir a coleção necessária de substituições de parâmetros. Para cada parâmetro na lista, selecione um valor no campo Nome e introduza um valor apropriado no campo Valor. Para obter mais informações sobre como utilizar o conjunto padrão de parâmetros e selecionar valores para eles, consulte a secção Parâmetros e valores predefinidos para modelos de previsão da procura.

Configurar a ligação ao Serviço Azure Machine Learning

Utilize o separador Serviço Azure Machine Learning para configurar a ligação com o Serviço Azure Machine Learning. Esta solução é uma das opções para a criação da previsão de linha de base. Estas definições neste separador só entram em vigor quando o campo de estratégia de geração de previsões está definido como Azure Machine Learning Service.

Para obter mais informações sobre como configurar o Serviço Azure Machine Learning e utilizar as definições aqui para se ligar a ele, consulte a secção Configurar o Serviço Azure Machine Learning.

Configurar a ligação ao Azure Machine Learning Studio (clássico)

Se já tiver uma área de trabalho do Azure Machine Learning Studio (clássico) disponível, poderá utilizá-la para gerar previsões, ligando-a ao Supply Chain Management. Pode estabelecer esta ligação utilizando o separador Azure Machine Learning na página Parâmetros de previsão da procura. (As definições deste separador só entram em vigor quando o campo de estratégia de geração de previsões está definido como Azure Machine Learning.) Introduza os seguintes detalhes para o seu espaço de trabalho Azure Machine Learning Studio (clássico):

• Chave da interface de programação de aplicações (API) do serviço Web
• URL do ponto final de serviço Web
• Nome da conta de armazenamento do Azure
• Chave da conta de armazenamento do Azure

Parâmetros e valores predefinidos para modelos de previsão da procura

Ao utilizar o machine learning para gerar os modelos de planeamento de previsão, controla as opções do machine learning definindo valores para os Parâmetros do algoritmo de previsão. A Supply Chain Management envia estes valores para o Azure Machine Learning. Use a página de parâmetros do algoritmo de Previsão para controlar que tipos de valores fornecer e quais os valores que cada um deve ter.

Para definir os parâmetros e valores padrão para modelos de previsão de procura, aceda a Planeamento mestre>Configuração>Previsão da procura>Parâmetros do algoritmo de previsão. Um conjunto padrão de parâmetros é fornecido. Cada parâmetro tem os seguintes campos:

• Nome – O nome do parâmetro, conforme utilizado pelo Azure. Normalmente, não deve alterar este nome, a menos que tenha personalizado a experimentação no Azure Machine Learning.
• Descrição – Um nome comum para o parâmetro. Use este nome para identificar o parâmetro noutros locais do sistema (por exemplo, na página de parâmetros de previsão da procura ).
• Valor – O valor predefinido do parâmetro. O valor que inseres depende do parâmetro que estás a editar.
• Explicação – Uma breve descrição do parâmetro e como utilizá-lo. Esta descrição normalmente inclui sugestões sobre valores válidos para o campo Valor.

Os seguintes parâmetros são fornecidos por predefinição. (Para voltar a esta lista padrão, selecione Restaurar no Painel de Ação.)

• Percentagem do nível de confiança – Um intervalo de confiança consiste num intervalo de valores que representam boas estimativas para a previsão da procura. Um nível de confiança de 95% indica que há um risco de 5% de que a procura futura fique fora do intervalo de confiança.

• Forçar sazonalidade – Especifica se deve forçar o modelo a utilizar um tipo de sazonalidade específico. Este parâmetro aplica-se apenas a ARIMA e ETS. Opções: AUTO (predefinição), NENHUM, ADITIVO, MULTIPLICATIVO.

• Modelo de previsão – Especifica o modelo de previsão a utilizar. Opções: ARIMA, ETS, STL, ETS+ARIMA, ETS+STL, TUDO. Para selecionar o melhor modelo, utilize TUDO.

• Valor máximo previsto – Especifica o valor máximo a utilizar para previsões. Formato: +1E[n] ou constante numérica.

• Valor mínimo previsto – Especifica o valor mínimo a utilizar para previsões. Formato: -1E[n] ou constante numérica.

• Substituição de valor em falta – Especifica como preencher lacunas nos dados históricos. Opções: (valor numérico), MÉDIA, ANTERIOR, INTERPOLAÇÃO LINEAR, INTERPOLAÇÃO POLINOMIAL.

• Escopo de substituição de valor ausente – Especifica se a substituição de valor se aplica apenas ao intervalo de datas de cada atributo de granularidade individual ou a todo o conjunto de dados. As seguintes opções estão disponíveis para estabelecer o intervalo de datas que o sistema utiliza ao preencher lacunas em dados históricos:

  • GLOBAL – O sistema utiliza todo o intervalo de datas de todos os atributos de granularidade.
  • HISTORY_DATE_RANGE – O sistema utiliza um intervalo de datas específico que é definido pelos campos Da data e À data na secção Horizonte histórico na caixa de diálogo Gerar previsão de linha de base estatística.
  • GRANULARITY_ATTRIBUTE – O sistema utiliza o intervalo de datas do atributo de granularidade processado no momento.

  Observação

  Um atributo de granularidade é uma combinação de dimensões da previsão em relação à qual a previsão é feita. Pode definir dimensões da previsão na página Parâmetros de previsão da procura.

• Sugestão de sazonalidade – Para dados sazonais, forneça uma sugestão para o modelo de previsão para melhorar a precisão da previsão. Formato: número inteiro que representa o número de registos para os quais um padrão de procura se repete. Por exemplo, introduza 6 para os dados que se repetem a cada 6 meses.

• Percentagem de tamanho do conjunto de teste – Percentagem de dados históricos a usar como conjunto de teste para o cálculo da precisão das previsões.

Anule os valores destes parâmetros indo para Planeamento Mestre>Configuração>Previsão da Procura>Parâmetros de Previsão da Procura. Na página Parâmetros de previsão da procura, pode substituir os parâmetros das seguintes maneiras:

• Utilize o separador Geral para substituir os parâmetros globalmente.
• Utilize o separador Chaves de alocação de itens para substituir os parâmetros por chaves de alocação de itens específicas. Os parâmetros que você substitui para uma chave de alocação de itens específica afetam apenas a previsão dos itens associados a essa chave de alocação.

Configurar o Serviço Azure Machine Learning

A Supply Chain Management calcula previsões de procura utilizando o Azure Machine Learning Service. Deve configurar e executar este serviço com a sua própria subscrição do Azure. Esta secção descreve como configurar o Serviço Azure Machine Learning no Azure e, em seguida, ligá-lo ao seu ambiente do Supply Chain Management.

Ativar o Serviço Azure Machine Learning na Gestão de funcionalidades

Para poder utilizar esta funcionalidade, esta terá de ser ativada no seu sistema. A partir da versão 10.0.32 do Supply Chain Management, está ativada por predefinição. A partir da versão 10.0.36 do Supply Chain Management, a funcionalidade é obrigatória e não pode ser desativada. Se estiver a executar uma versão anterior à 10.0.36, os administradores poderão ativar ou desativar esta funcionalidade procurando a funcionalidade Serviço Azure Machine Learning para previsão da procura na área de trabalho Gestão de funcionalidades.

Configurar o machine learning no Azure

Para permitir que o Azure utilize aprendizagem automática para processar as suas previsões, deve configurar um espaço de trabalho de Aprendizagem Automática Azure para esse fim. Tem duas opções:

• Para configurar o espaço de trabalho executando um script fornecido pela Microsoft, siga as instruções na Opção 1: Execute um script para configurar automaticamente o espaço de trabalho de machine learning e depois avance para configurar os parâmetros de ligação do Azure Machine Learning Service na secção de Gestão da Cadeia de Abastecimento.
• Para configurar manualmente a área de trabalho, siga as instruções na secção Opção 2: Configurar manualmente a área de trabalho do Machine Learning e, em seguida, avance para a secção Configurar parâmetros de ligação do Serviço Azure Machine Learning no Supply Chain Management. Esta opção demora mais, mas oferece mais controlo.

Opção 1: Executar um script para configurar automaticamente a área de trabalho do machine learning

Esta secção descreve como configurar o seu espaço de trabalho de machine learning usando um script automatizado fornecido pela Microsoft. Se preferir, pode configurar manualmente todos os recursos seguindo as instruções na secção Opção 2: Configurar manualmente a área de trabalho do machine learning. Não é necessário concluir as duas opções.

1. No GitHub, abra o repositório Modelos para a previsão da procura do Dynamics 365 Supply Chain Management com o Azure Machine Learning e transfira os seguintes ficheiros:

   • quick_setup.ps1
   • sampleInput.csv
   • src/parameters.py
   • src/api_trigger.py
   • src/run.py
   • src/REntryScript/forecast.r

2. Abre uma janela PowerShell e executa o quick_setup.ps1 script que descarregaste no passo anterior. Siga as instruções no ecrã. O script configura o espaço de trabalho, armazenamento, armazenamento de dados (denominado workspaceblobdemplan) e recursos de computação necessários.

3. Siga estes passos para definir o workspaceblobdemplan datastore (criado pelo quick_setup.ps1 script) como datastore predefinido.

   1. No Azure Machine Learning Studio, selecione Arquivos de dados no navegador.
   2. Selecione o armazenamento de dados workspaceblobdemplan (é do tipo Armazenamento de Blobs do Azure e aponta para o contentor de armazenamento de Blobs demplan-azureml).
   3. Abra a página de detalhes do armazenamento de dados workspaceblobdemplan e selecione Definir como armazenamento de dados predefinido.

4. No Azure Machine Learning Studio, carrega o sampleInput.csv ficheiro que descarregaste no passo 1 para o contentor chamado demplan-azureml. (O quick_setup.ps1 script criou este contentor.) Este ficheiro é necessário para publicar o pipeline e gerar uma previsão de teste. Para obter instruções, consulte Carregar um blob de blocos.

5. No Azure Machine Learning Studio, selecione Notebooks no navegador.

6. Encontre a seguinte localização na estrutura de Ficheiros: Users/[current user]/src.

7. Carregue os quatro ficheiros restantes que transferiu no passo 1 para a localização encontrada no passo anterior.

8. Seleciona o api_trigger.py ficheiro que acabaste de carregar e executa-o. Cria um pipeline que pode ser ativado através da API. (Os pipelines fornecem uma forma de iniciar a previsão de scripts do Supply Chain Management.)

9. Agora, a sua área de trabalho está configurada. Avance para a secção Configurar parâmetros de ligação do Serviço Azure Machine Learning no Supply Chain Management.

Opção 2: Configurar manualmente a área de trabalho do machine learning

Esta secção descreve como configurar manualmente a área de trabalho do machine learning. Complete os procedimentos desta secção apenas se decidir não executar o script de configuração automatizado, conforme descrito na Opção 1: Execute um script para configurar a secção do seu espaço de trabalho de aprendizagem automática .

Passo 1: Criar uma nova área de trabalho

Utilize o procedimento a seguir para criar uma nova área de trabalho do machine learning.

1. Inicie sessão no portal do Azure.

2. Abra o serviço do Machine Learning.

3. Selecione Criar na barra de ferramentas para abrir assistente de Criação.

4. Conclua o assistente seguindo as instruções no ecrã. Tenha as seguintes considerações em mente ao trabalhar:

   • Utilize as predefinições, a menos que outras considerações nesta lista recomendem definições diferentes.
   • Selecione a região geográfica que corresponde à região em que a instância do Supply Chain Management é implementada. Caso contrário, alguns dados podem passar por limites de região. Saiba mais no aviso de privacidade mais adiante neste artigo.
   • Use recursos dedicados, como grupos de recursos, contas de armazenamento, registos de contentores, Azure Key Vaults e recursos de rede.
   • Na página Configurar parâmetros de ligação do Serviço Azure Machine Learning do assistente, deve fornecer um nome de conta de armazenamento. Utilize uma conta dedicada à previsão da procura. Os dados de entrada e saída de previsão da procura são armazenados nesta conta de armazenamento.

Saiba mais em Criar o espaço de trabalho.

Passo 2: Configurar armazenamento

Utilize o procedimento a seguir para configurar o armazenamento.

1. No GitHub, abra o repositório de Templates para previsão de procura do Dynamics 365 Supply Chain Management com Azure Machine Learning e descarregue o sampleInput.csv ficheiro.
2. Abra a conta de armazenamento que criou na secção Passo 1: Criar uma nova área de trabalho.
3. Siga as instruções em Criar um contentor para criar um contentor chamado demplan-azureml.
4. Carrega o sampleInput.csv ficheiro que descarregaste no passo 1 para o contentor que acabaste de criar. Precisas deste ficheiro para publicar o pipeline e gerar uma previsão de teste. Para obter instruções, consulte Carregar um blob de blocos.

Passo 3: Configurar um arquivo de dados predefinido

Para configurar o seu datastore predefinido, siga estes passos:

1. No Azure Machine Learning Studio, selecione Arquivos de dados no navegador.
2. Crie um novo arquivo de dados do tipo Armazenamento de Blobs do Azure que aponte para o contentor de armazenamento de blobs demplan-azureml criado na secção Passo 2: Configurar armazenamento. Se o tipo de autenticação do novo armazenamento de dados for chave da conta, forneça uma chave da conta para a conta de armazenamento criada. Para instruções, consulte Gerir chaves de acesso à conta de armazenamento.
3. Torne o seu novo arquivo de dados no predefinido abrindo os detalhes e selecionando Definir como arquivo de dados predefinido.

Passo 4: Configurar recursos de computação

Para configurar um recurso de computação no Azure Machine Learning Studio para executar os seus scripts de geração de previsão, siga estes passos:

1. Abra a página detalhes para a área de trabalho do machine learning que criou na secção Passo 1: Criar uma nova área de trabalho. Localize o valor do URL da web do Studio e selecione a ligação para o abrir.

2. Selecione Computação no painel de navegação.

3. No separador Instâncias de Computação , selecione Novo para abrir um assistente que o ajude a criar uma nova instância de computação. Siga as instruções no ecrã. Utilize as predefinições. A instância de computação é usada para criar o pipeline de previsão da procura. Pode eliminá-la depois de o pipeline ser publicado.

4. No separador Clusters de Computação , selecione Novo para abrir um assistente que o ajuda a criar um novo cluster de computação. Siga as instruções no ecrã. O cluster de computação gera previsões de procura. As suas definições afetam o desempenho e o nível máximo de paralelização da execução. Defina os campos a seguir, mas utilize as predefinições para todos os outros campos:

   • Nome – Introduza e2ecpucluster.
   • Tamanho da máquina virtual – Ajuste esta definição de acordo com o volume de dados que espera utilizar como entrada para a previsão da procura. A quantidade de nós não deve exceder 11, porque um nó é necessário para acionar a geração de previsão da procura, e o número máximo de nós que podem ser utilizados para gerar uma previsão é 10. Vai também definir a contagem de nós no ficheiro parameters.py na secção Passo 5: Criar pipelines. Em cada nó, vários processos de trabalho executam scripts de previsão simultaneamente. O número total de processos de trabalho no seu trabalho é Número de núcleos que um nó tem × Contagem de nós. Por exemplo, se o seu cluster de computação tiver um tipo de Standard_D4 (oito núcleos) e um máximo de 11 nós, e se o nodes_count valor estiver definido para 10 no parameters.py ficheiro, o nível efetivo de paralelismo é 80.

Passo 5: Criar pipelines

Os pipelines fornecem uma forma de iniciar a previsão de scripts do Supply Chain Management. Para criar os pipelines necessários, siga estes passos:

1. No GitHub, abra o repositório Modelos para a previsão da procura do Dynamics 365 Supply Chain Management com o Azure Machine Learning e transfira os seguintes ficheiros:

   • src/parameters.py
   • src/api_trigger.py
   • src/run.py
   • src/REntryScript/forecast.r

2. No Azure Machine Learning Studio, selecione Notebooks no navegador.

3. Encontre a seguinte localização na estrutura de Ficheiros: Users/[current user]/src.

4. Carregue os quatro ficheiros que transferiu no passo 1 para a localização encontrada no passo anterior.

5. No Azure, abre e revê o parameters.py ficheiro que acabaste de carregar. Verifique se o valor nodes_count é um menor do que o valor configurado para o cluster de cálculo na secção Passo 4: Configurar recursos de computação. Se o valor nodes_count for maior ou igual ao número de nós no cluster de cálculo, a execução do pipeline poderá ser iniciada. No entanto, deixa de responder enquanto espera pelos recursos necessários. Para obter mais informações sobre a quantidade de nós, consulte a secção Passo 4: Configurar recursos de computação.

6. Seleciona o api_trigger.py ficheiro que acabaste de carregar e executa-o. Cria um pipeline que podes ativar através da API.

Configurar uma nova aplicação Microsoft Entra

Para autenticar utilizando um principal de serviço com os recursos dedicados à previsão da procura, precisa de uma aplicação Microsoft Entra. Portanto, a aplicação deve ter o menor nível de privilégio necessário para gerar a previsão.

1. Inicie sessão no portal do Azure.

2. Registe uma nova aplicação no Microsoft Entra ID do inquilino. Para obter instruções, consulte Utilizar o portal para criar uma aplicação do Microsoft Entra e um principal de serviço que possa aceder a recursos.

3. Siga as instruções no ecrã à medida que conclui o assistente. Utilize as predefinições.

4. Dê à sua nova aplicação Microsoft Entra acesso aos seguintes recursos que criou na secção Configurar aprendizagem automática no Azure . Para obter instruções, consulte Atribuir funções do Azure utilizando o portal do Azure. Esta etapa permite ao sistema importar e exportar dados de previsão, e desencadear execuções de pipeline de aprendizagem automática a partir da Gestão da Cadeia de Abastecimento.

   • Função de contribuidor na área de trabalho do machine learning
   • Função de contribuidor à conta de armazenamento dedicada
   • Função de contribuidor de Dados do Blob de Armazenamento à conta de armazenamento dedicada

5. Na secção Certificados e segredos da aplicação que criou, crie um segredo para a aplicação. Para obter instruções, consulte Adicionar um segredo do cliente.

6. Anote o ID da aplicação e o seu segredo. Precisará dos detalhes desta aplicação posteriormente, quando configurar a página Parâmetros de previsão da procura no Supply Chain Management.

Configurar parâmetros de ligação do Serviço Azure Machine Learning no Supply Chain Management

Use o procedimento seguinte para ligar o seu ambiente de Gestão da Cadeia de Abastecimento ao serviço de aprendizagem automática que configurou no Azure.

1. Inicie sessão no Supply Chain Management.

2. Vá a Planeamento mestre>Configuração>Previsão da procura>Parâmetros de previsão da procura.

3. No separador Geral, verifique se o campo Estratégia de geração de previsão está definido como Serviço Azure Machine Learning.

4. No separador Chaves de alocação de itens, verifique se o campo Estratégia de geração de previsão está definido como Serviço Azure Machine Learning para cada chave de alocação que deve utilizar o Serviço Azure Machine Learning para a previsão da procura.

5. No separador Serviço Azure Machine Learning, defina os seguintes campos:

   • ID de Inquilino – Introduza o ID do seu inquilino do Azure. A Gestão da Cadeia de Abastecimento utiliza este ID para autenticar com o Azure Machine Learning Service. Pode encontrar o seu ID de inquilino na página Descrição geral para o Microsoft Entra ID no portal do Azure.
   • ID de aplicação principal de serviço – Introduza o ID da aplicação que criou na secção Aplicação do Active Directory. A Supply Chain Management utiliza este valor para autorizar pedidos de API ao Azure Machine Learning Service.
   • Segredo principal do serviço – Introduza o segredo de aplicação principal de serviço que criou na secção Aplicação do Active Directory. O Supply Chain Management utiliza este valor para adquirir o token de acesso para o principal de segurança que criou para executar operações autorizadas em relação ao Armazenamento do Azure e à área de trabalho do Azure Machine Learning.
   • Nome da conta de armazenamento – Introduza o nome da conta de armazenamento do Azure que especificou ao executar o assistente de configuração na área de trabalho do Azure. (Saiba mais na secção Configurar machine learning no Azure .)
   • Endereço do ponto final do pipeline – Introduza o URL do ponto final REST do pipeline para o Serviço Azure Machine Learning. Criou este pipeline como o último passo ao configurar o machine learning no Azure. Para obter o URL do pipeline, inicie sessão no portal do Azure, selecione Pipelines na navegação. No separador Pipeline, selecione o ponto final do pipeline chamado TriggerDemandForecastGeneration. Em seguida, copie o ponto final REST apresentado.

   

Aviso de privacidade

Ao selecionar o Serviço Azure Machine Learning como a sua estratégia de geração de previsão, o Supply Chain Management envia automaticamente os dados do cliente para a procura histórica, como quantidades agregadas, nomes de produtos e as suas dimensões de produto, as localizações de envio e receção, os identificadores de clientes e também os parâmetros de previsão, para a região geográfica na qual a área de trabalho do machine learning e a sua conta de armazenamento ligada estão localizadas, para fins de previsão de procuras futuras. O Serviço Azure Machine Learning pode estar numa região geográfica diferente da região geográfica em que o Supply Chain Management está implementado. Alguns utilizadores podem controlar se essa funcionalidade é ativada, selecionando a estratégia de geração de previsão na página Parâmetros de previsão da procura.

Informações relacionadas

• Descrição geral da previsão da procura
• Gerar uma previsão de linha de base estatística
• Fazer ajustes manuais à previsão de linha de base
• Webinar: Série Previsão da procura com Serviço Azure Machine Learning