总结
在此 Code Pattern 中,了解如何创建基于 Web 的应用程序来优化库存。 此代码模式是 使用AI开发智能的库存和采购策略 系列,概述了库存和采购策略,并解释了开发团队如何使用机器学习工具和技术来预测需求和控制成本。
如果您对此代码模式有疑问,请询问他们或在相关的 论坛.
产品描述
使用历史需求数据来训练机器学习模型,您可以在将来更准确地预测某些项目的需求,并确保您的客户能够购买他们想要的东西。 使用此预测的需求作为输入,以及制造工厂数据(例如成本和产能),此应用程序使商店经理可以快速选择最佳制造工厂以优化库存并最小化成本。
完成此代码模式后,您将了解如何:
- 部署基于Node.js的Web应用程序
- 使用REST API从已部署的IBMWatson®Machine Learning模型发送和接收消息
流程图
- 用户在IBM®Cloud上创建IBM Watson Studio Service。
- 用户创建一个IBM Cloud Object Storage Service并将其添加到Watson Studio。
- 用户将需求和工厂数据文件上载到Watson Studio。
- 用户通过建模助手创建决策优化实验并设置目标以最小化成本。
- 用户将决策优化另存为模型,并使用Watson Machine Learning进行部署。
- 用户使用Node.js应用程序通过API连接到已部署的模型,并根据成本和容量找到最佳的工厂选择。
说明
从 读我 文件。 这些说明说明了如何:
- 克隆存储库。
- 设置模型部署ID。
- 设置模型空间ID。
- 创建一个IBM Cloud API密钥。
- 生成访问令牌。
- 运行该应用程序。
此代码模式是 使用AI开发智能的库存和采购策略 系列。
来源:https://developer.ibm.com/patterns/leverage-decision-optimization-models-in-procurement-app-for-store-managers/