SchweizHandel und E-Commerce2023 – laufendCoop (Schweiz)
ML-Bedarfsprognose für Frischeprodukte in Distributionszentren
Coop Schweiz testete Cloud-AutoML für Bedarfsprognosen bei Frischwaren und meldete in einem Machbarkeitsnachweis eine um 43 % bessere Leistung als die hauseigenen Modelle
Ausgangslage
Coop brauchte genaue Prognosen des Bedarfs an Frischprodukten in seinen Distributionszentren, um die Regale gefüllt zu halten und Lebensmittelabfälle zu verringern. Die lokale Workstation stieß beim Skalieren an ihre Grenzen.
Vorgehen
Das ML-Team von Coop verlagerte Daten aus SAP und seinen Pipelines nach BigQuery. Es verglich auf einem Testdatensatz des Machbarkeitsnachweises ein XGBoost-Modell, einen Temporal Fusion Transformer und Googles Vertex AI Forecast und entschied sich für Vertex AI Forecast. Ein kleiner Produktivpilot für 1 Distributionszentrum wurde vorbereitet, mit möglicher Ausweitung auf alle Schweizer Distributionszentren.
Kennzahlen
Erkenntnis
Die Zahl von 43 % stammt aus einem Machbarkeitsnachweis im Vergleich mit früheren eigenen Modellen von Coop. Einen gemessenen Rückgang der Lebensmittelabfälle meldete Coop nicht.
Kategorien
- Größe
- Großunternehmen
- Branche
- Handel und E-Commerce
- Unternehmensfunktion
- Logistik und Lieferkette
- Innovationsart
- Prozessinnovation
- KI-Technologie
- Prädiktive Analytik und ML
- Einführung
- Standardwerkzeug oder Plattform
- Nachweis
- Fallstudie des Anbieters
Quellen
Quellenzusammenfassungen
Google Cloud und ein Data Scientist von Coop meldeten in einem Machbarkeitsnachweis zur Prognose einen WAPE von 14,5 für Vertex AI Forecast und eine um 43 % bessere Leistung als die hauseigenen Modelle von Coop. Coop bereitete einen Produktivpilot an 1 Standort vor.
Ausführliche Angaben finden Sie in den Originalquellen.
