シナリオマークダウン回避の最適化
IBM® Sterling Intelligent Promising では、AI を活用したモデルを利用してマークダウン回避を最適化できます。 ビジネス目標は、商品の値下げ価格を回避するために、十分な商品を在庫に保持することです。 マークダウン回避コストを最適化するパラメーター・プロファイルを作成できます。
例
オーダーを複数のノードから出荷でき、「マークダウン回避」目標が優先順位付けされているシナリオでは、 Optimization service は、出荷ノードを選択するために潜在的なマークダウンを考慮します。 その後、最初の投資がマークダウン回避による大幅な節約になるように、注文を最適化します。
| 出荷ノード | ノードと宛先の間の距離 | 出荷コスト | 処理コスト | ロード・バランシング・コスト | 距離ペナルティ | 在庫切れ回避コスト | マークダウン回避コスト | 在庫モデルによる最適化の合計コスト | 在庫モデルを使用しない最適化の合計コスト |
|---|---|---|---|---|---|---|---|---|---|
| ノード A | 891 マイル | $4.90 | $3.50 | ¥ .012 | ¥ .0032 | $0 | $42.65 | -$34.2379 | $8.4154 |
| ノード B | 221 マイル | $4.33 | $3.25 | ¥ .056 | ¥ .0009 | $0 | ¥ .59 | $7.0480 | $7.6367 |
- 在庫モデルによる最適化の合計コスト = 出荷コスト + 処理コスト + ロード・バランシング・コスト + 距離ペナルティー + 在庫切れ回避コスト-マークダウン回避コスト
- 在庫モデルを使用しない最適化の合計コスト = 出荷コスト + 処理コスト + ロード・バランシング・コスト + 距離のペナルティー
この例で在庫モデルが使用されていない場合、ノード B は、宛先に近いため、オーダーを履行するために選択される可能性があります。 ただし、在庫モデルは、将来ノード A でマークダウンが発生する可能性が高いと予測します。 ノード B のマークダウンによる予測損失は、ノード A の $42.65 と比較して $0.59 です。 予測される将来のマークダウンによる損失を最小限に抑えるために、出荷用にノード A が選択されています。 その結果、ノード A での最適化の合計コストは、ノード B での $7.0480 と比較して $34.2379 になります。