Asgard Systems が ML.NET を使用して食品廃棄物を削減

Asgard Systems は、ハイエンドのソフトウェア プラットフォームとプロセスを通して競争上の優位性を生み出すために、さまざまな業種のパートナーと協力することに重点を置いたソフトウェアおよびコンサルティング会社です。Asgard Systems は、ML.NET を使用して、ルーマニアの食料品店チェーンにおける食料品の需要を予測しています。

ビジネスの問題

食料品店は、特定の日に販売される量を知る前に、生鮮食品の注文を行う必要があります。実際には、店舗がその日に売れる量よりも多くの量を過大に見積もって注文するため、食品小売業界では毎年何百万ポンドもの肉製品が廃棄されているのです。Asgard Systems の顧客は、特定のアイテムを注文する前に、そのアイテムに対する需要がどれくらいあるかをインテリジェントに予測する方法を必要としています。

ML.NET を選ぶ理由

ML.NET はいい仕事をします。製品のベータ版 (バージョン 1 以前) を、1 日あたり数千のトレーニング サイクルの実行中に使用しましたが、問題は 1 件も発生していません。効率性とスケーラビリティの両方において、ML.NET は他のソリューションより優秀です。ML が .NET Framework のグローブに適合しているため、Microsoft から多くの作業量を受けたことになりますが、その結果は、市場において最も直接的、効率的、スケーラブルなソリューションとなっています。実際には、Python/R だけで作業している開発者ではなく、データ サイエンティストが、より効果的だったからと言って、ML.NET を使用してモデルをトレーニングをしているケースがあることも知りました。"

ML.NET の影響

店舗で 1 ポンドの生鮮食品の無駄を回避できれば、食品を育てるのに大量のエネルギーを消費するので、数ポンドの温室効果ガスを排出せずに済みます。たとえば、いくつかの一般的な生鮮食品に関連する温室効果ガスの排出量を考えてみましょう。

既に年間 2,400 万ポンド以上の CO 2 排出量を達成しており、2020 年末から 2021 年初頭までに、年間約 2 億 4,000 万ポンドの CO2 排出量を削減できる予定です。これは、毎年約 24,000 人がカーボン ニュートラルになることに相当します。想像してみてください。この販売店で働くすべての人々が、売上高や利益を損失することなくカーボン ニュートラルになるのです。私たちは、消費者に肉や果物を食べる量を減らすように働きかけたり、食習慣を変えようとしたりすることなく、素晴らしい結果を達成しました。"

ソリューション アーキテクチャ

Asgard では、需要を予測するために、店舗の各商品に対して ML.NET 予測モデルの学習を行っています。これらのモデルは、.NET Framework デスクトップ アプリケーションに統合されています。1 つの学習サイクルは、それぞれ 100 以上の特徴量を持つ約 50 万行からなる約 600MB の生データで実行されます。

ML.NET は、SQL Server と Azure SQL を活用した既存のソリューションとうまく統合されていますが、Python に比べてパフォーマンスが大幅に向上しています。同じモデルの Python 実装と比較したトレーニング時間は、20% から 50% 高速です。さらに、ML.NET を使用した推論は 1 秒未満で動作し、Python では数秒かかりました。運用化は信頼性がより高く、ML.NET を使用した Asgard のソリューションでは、現在のレガシ Python の実装と比較して少なくとも 10 倍のスケーラビリティが向上しました。

ML.NET モデルでは、優れた精度が表示されます。ML.NET モデルの需要予測と、数日間のストアからの実際の需要とを重ね合わせたものを示す次のグラフについて考察してみましょう:

Asgard Systems は、Microsoft テクノロジに関する既存の知識を活用して、食料品の需要を予測するための ML.NET ソリューションをスムーズに展開することができました。このモデルは、大規模なデータセットに Python よりも高いパフォーマンスを発揮しただけでなく、クライアントのコスト削減と数億ポンドの CO2 排出量の回避にも役立ちました。