Studi kasus solusiAIP860
Peramalan permintaan berbantuan ML untuk perencanaan Otomotif parts
Studi kasus solusi adalah skenario berbasis pola masalah umum di industri. Isinya tidak merujuk klien tertentu dan bukan portofolio proyek MarkasDev. Portofolio proyek klien dipublikasikan terpisah.
Konteks industri
Supplier komponen otomotif dengan kanban dan PPAP. Pertumbuhan volume membuat cara kerja manual tidak lagi memadai di lingkungan otomotif parts.
Batasan
- Data kotor/outlier
- Promo tidak tercatat rapi
- Multi-lokasi
- Change management staf lapangan
Pendekatan
Diagnose
Memetakan: Horizon forecast, granularity, dan driver bisnis.
Deliver
Membangun: Pipeline data → model hierarkis ringan → planning UI + override manusia.
Operate
Menjaga: Bias monitoring, cold-start SKU/lokasi, review override.
Arsitektur tingkat tinggi
Sales/ops historyfeaturesforecast serviceplanning tools.
Outcome tipikal
MAPE membaik pada SKU/lokasi utama; override lebih terdokumentasi.
Outcome tipikal atau yang diharapkan, bukan klaim hasil proyek MarkasDev.Pertanyaan umum
AI ganti planner?
Tidak; mendukung planner.
Real-time forecast?
Biasanya daily/weekly cukup di awal.