アマゾン予測 機械学習 (ML) を使用して非常に正確な予測を生成するフル マネージド サービスであり、事前の ML の経験は必要ありません。 予測は、在庫管理のための需要と供給の見積もり、旅行需要の予測、人員計画、クラウド インフラストラクチャの使用状況の計算など、さまざまなユース ケースに適用できます。
Forecast を使用して what-if 分析をシームレスに実行し、最大 80% 高速化して、需要予測に対するビジネス レバーの潜在的な影響を分析および定量化できます。 what-if 分析は、さまざまなシナリオが Forecast によって作成されたベースライン予測にどのように影響するかを調査して説明するのに役立ちます。 Forecast を使用すると、サーバーをプロビジョニングしたり、ML モデルを手動で構築したりする必要はありません。 さらに、使用した分だけ支払うだけで、最低料金や前払いの義務はありません。 Forecast を使用するには、予測対象の履歴データを提供するだけで済みます。オプションで、予測に影響を与えると思われる追加データを提供することもできます。
水道事業者には予測のユースケースがいくつかありますが、その主なものは、需要を満たすためにエリアまたは建物の水消費量を予測することです。 また、公益事業者は、建物内にアパートが追加されたり、地域に住宅が増えたりするため、消費需要の増加を予測することが重要です。 水の消費量を正確に予測することは、顧客へのサービスの中断を避けるために重要です。
この投稿では、過去の時系列データを使用して、Forecast を使用してこのユース ケースに対処する方法について説明します。
ソリューションの概要
水は天然資源であり、産業、農業、家庭、そして私たちの生活にとって非常に重要です。 政府機関が日常業務を効率的に運営できるようにするためには、正確な水消費量の予測が不可欠です。 需要は動的であり、季節的な天候の変化が影響を与える可能性があるため、水消費量の予測は特に困難です。 水の使用量を正確に予測することは、顧客がサービスの中断に直面せず、低価格を維持しながら安定したサービスを提供するために重要です。 改善された予測により、より費用対効果の高い将来の契約を構築するために前もって計画することができます。 最も一般的な使用例は次の XNUMX つです。
- 需要管理の改善 – 公益事業者として、水の需要と供給のバランスを見つける必要があります。 代理店は、サービスを提供する前に、アパートに住んでいる人の数や建物内のアパートの数などの情報を収集します。 公益事業会社として、総需要と供給のバランスを取る必要があります。 需要を満たすためには、十分な水を貯蔵する必要があります。 さらに、次の理由により、需要予測はより困難になっています。
- 需要は常に安定しているわけではなく、XNUMX 日を通して変化します。 たとえば、真夜中の水の消費量は、朝に比べてはるかに少なくなります。
- 天候も消費全体に影響を与える可能性があります。 たとえば、水の消費量は、北半球では冬より夏の方が多く、南半球では逆です。
- 十分な降雨量または貯水メカニズム (湖、貯水池) がないか、水のろ過が不十分です。 夏の間、需要が常に供給に追いつくとは限りません。 水道局は、より費用がかかる可能性がある他の水源を取得するために、慎重に予測する必要があります。 したがって、公共事業機関にとって、雨水の収集、空調ユニットからの結露の回収、廃水の回収などの代替水源を見つけることが重要です。
- 需要の増加に対する what-if 分析の実施 – 複数の理由により、水の需要が高まっています。 これには、人口増加、経済発展、消費パターンの変化の組み合わせが含まれます。 既存のマンションが増築され、世帯数と人数が一定割合増えるシナリオを想像してみましょう。 次に、需要の増加に対する供給を予測するために分析を行う必要があります。 これは、需要の増加に対して費用対効果の高い契約を結ぶのにも役立ちます。
最初に需要を予測するための正確なモデルが必要であり、次にさまざまなシナリオで予測を再現するための迅速かつ簡単な方法が必要になるため、予測は困難な場合があります。
この投稿では、水の消費予測と what-if 分析を実行するためのソリューションに焦点を当てています。 この投稿では、モデル トレーニング用の気象データは考慮されていません。 ただし、水の消費量との相関関係を考慮して、気象データを追加することはできます。
前提条件
始める前に、リソースを設定します。 この投稿では、us-east-1リージョンを使用します。
- 作る Amazon シンプル ストレージ サービス 履歴時系列データを保存するための (Amazon S3) バケット。 手順については、を参照してください。 最初の S3 バケットを作成する.
- からデータ ファイルをダウンロードします。 GitHubレポ 新しく作成した S3 バケットにアップロードします。
- 新しいを作成します AWS IDおよびアクセス管理 (わたし) 役割。 手順については、 Amazon Forecast のアクセス許可を設定する. S3 バケットの名前を必ず指定してください。
データセット グループとデータセットを作成する
この投稿では、水需要予測に関連する XNUMX つのユース ケースを示します。過去の水消費量に基づいて水需要を予測することと、増加した需要に対して what-if 分析を実行することです。
Forecast は、ターゲット時系列 (TTS)、関連時系列 (RTS)、アイテム メタデータ (IM) の XNUMX 種類のデータセットを受け入れることができます。 ターゲットの時系列データは、予測しているリソースの過去の需要を定義します。 対象の時系列データセットは必須です。 関連する時系列データセットには、ターゲット時系列データセットに含まれていない時系列データが含まれており、予測子の精度を向上させる可能性があります。
この例では、ターゲット時系列データセットには item_id とタイムスタンプ ディメンションが含まれており、補完的な関連時系列データセットには no_of_consumer が含まれています。 このデータセットに関する重要な注意事項: TTS は 2023 年 01 月 01 日に終了し、RTS は 2023 年 01 月 15 日に終了します。 what-if シナリオを実行する場合、TTS で既知の時間範囲を超えて RTS 変数を操作することが重要です。
what-if 分析を実行するには、対象の時系列データと関連する時系列データを表す XNUMX つの CSV ファイルをインポートする必要があります。 サンプルのターゲット時系列ファイルには item_id、timestamp、および demand が含まれ、関連する時系列ファイルには product item_id、timestamp、および no_of consumer が含まれます。
データをインポートするには、次の手順を実行します。
- Forecastコンソールで、 データセット グループを表示します。
- 選択する データセット グループを作成します。
- データセットグループ名、名前を入力してください (この投稿の場合、
water_consumption_datasetgroup
). - 予測ドメイン、予測ドメインを選択します (この投稿では、 カスタム).
- 選択する Next.
- ソフトウェア設定ページで、下図のように ターゲット時系列データセットを作成する ページで、データセット名、データの頻度、およびデータ スキーマを指定します。
- ソフトウェア設定ページで、下図のように データセットのインポートの詳細 ページで、データセットのインポート名を入力します。
- インポート ファイルの種類選択 CSV をクリックしてデータの場所を入力します。
- 前提条件として、前に作成した IAM ロールを選択します。
- 選択する 開始.
進行状況の追跡に使用できるダッシュボードにリダイレクトされます。
- 関連する時系列ファイルをインポートするには、ダッシュボードで、 インポート.
- ソフトウェア設定ページで、下図のように 関連する時系列データセットを作成する ページで、データセット名とデータ スキーマを指定します。
- ソフトウェア設定ページで、下図のように データセットのインポートの詳細 ページで、データセットのインポート名を入力します。
- インポート ファイルの種類選択 CSV をクリックしてデータの場所を入力します。
- 前に作成した IAM ロールを選択します。
- 選択する 開始.
予測子をトレーニングする
次に、予測子をトレーニングします。
- ダッシュボードで、 開始 下 予測子をトレーニングする.
- ソフトウェア設定ページで、下図のように 予測子のトレーニング ページで、予測子の名前を入力します。
- 予測する将来の期間と頻度を指定します。
- 予測する分位数を指定します。
Forecast は、AutoPredictor を使用して予測子を作成します。 詳細については、次を参照してください。 予測子のトレーニング.
- 選択する 創造する.
予測を作成する
予測子がトレーニングされた後 (これには約 3.5 時間かかる場合があります)、予測を作成します。 が表示されると、予測子がトレーニングされていることがわかります。 予測変数を表示 ダッシュボードのボタン。
- 選択する 開始 下 予測を生成する ダッシュボード上。
- ソフトウェア設定ページで、下図のように 予測を作成する ページで、予測名を入力します。
- Predictorで、作成した予測子を選択します。
- 必要に応じて、予測分位数を指定します。
- 予測を生成するアイテムを指定します。
- 選択する 開始.
予測をクエリする
を使用して予測をクエリできます。 クエリ予測 オプション。 デフォルトでは、予測の全範囲が返されます。 完全な予測内で特定の日付範囲をリクエストできます。 予測をクエリするときは、フィルター条件を指定する必要があります。 フィルタはキーと値のペアです。 キーは、予測の作成に使用されたデータセットの XNUMX つからのスキーマ属性名 (予測ディメンションを含む) の XNUMX つです。 値は、指定されたキーの有効な値です。 複数のキーと値のペアを指定できます。 返される予測には、すべての基準を満たすアイテムのみが含まれます。
- 選択する クエリ予測 ダッシュボード上。
- 開始日と終了日のフィルター基準を指定します。
- 予測キーと値を指定します。
- 選択する 予測を取得.
次のスクリーンショットは、予測モデルを使用した同じアパート (アイテム ID A_10001) の予測エネルギー消費量を示しています。
what-if 分析を作成する
この時点で、ベースライン予測が作成され、what-if 分析を実行できるようになりました。 既存のマンションが増築され、世帯数と人数が 20% 増加するシナリオを想像してみましょう。 次に、需要の増加に基づいて供給の増加を予測する分析を行う必要があります。
what-if 分析の実行には、分析の設定、シナリオで何が変更されたかを定義することによる what-if 予測の作成、および結果の比較という XNUMX つの段階があります。
- 分析を設定するには、 what-if 分析を調べる ダッシュボード上。
- 選択する 創造する.
- 一意の名前を入力し、ベースライン予測を選択します。
- what-if 分析を実行するデータセット内のアイテムを選択します。 次の XNUMX つのオプションがあります。
- すべてのアイテムを選択 がデフォルトで、この投稿で選択します。
- 特定のアイテムを選択する場合は、 ファイルで項目を選択 対応するアイテムと関連するディメンションの一意の識別子を含む CSV ファイルをインポートします。
- 選択する what-if 分析を作成する.
what-if 予測を作成する
次に、what-if 予測を作成して、分析するシナリオを定義します。
- もしもの予測 セクションでは、選択 創造する.
- シナリオの名前を入力します。
- 次の XNUMX つのオプションを使用してシナリオを定義できます。
- 変換関数を使用する – 変換ビルダーを使用して、インポートした関連する時系列データを変換します。 このウォークスルーでは、ベースライン予測の価格と比較して消費者数が 20% 増加したときに、データセット内のアイテムの需要がどのように変化するかを評価します。
- 代替データセットを使用して what-if 予測を定義する – インポートした関連する時系列データセットを置き換えます。
この例では、増加するシナリオを作成します。 no_of_consumer
アイテム ID に適用される 20% まで A_10001
, no_of_consumer
はデータセットの機能です。 この分析は、増加する需要に対する水の供給を予測して満たすために必要です。 この分析は、水の需要予測に基づいて費用対効果の高い契約を結ぶのにも役立ちます。
- what-if予測の定義方法選択 変換関数を使用する.
- 選択する 掛ける 演算子として no_of_consumer を時系列として、1.2 と入力します。
- 選択する 条件を追加.
- 選択する 等しいです item_id に A_10001 を入力します。
- 選択する 創造する.
予測を比較する
これで、両方のシナリオの what-if 予測を比較して、消費者の 20% 増加をベースラインの需要と比較できます。
- 分析インサイト ページで、 what-if 予測を比較する のセクションから無料でダウンロードできます。
- item_id、分析する項目を入力します (このシナリオでは、
A_10001
). - 仮定の予測、選択する
water_demand_whatif_analyis
. - 選択する もしもを比較する.
- 分析のベースライン予測を選択できます。
次のグラフは、シナリオの需要結果を示しています。 赤い線は、人口が 20% 増加した場合の将来の水消費量の予測を示しています。 P90 予測タイプは、90% の確率で真の値が予測値よりも低くなると予想されることを示します。 この需要予測を使用して、需要の増加に合わせて水の供給を効果的に管理し、サービスの中断を回避できます。
データをエクスポートする
データを CSV にエクスポートするには、次の手順を実行します。
- 選択する エクスポートを作成する.
- エクスポート ファイルの名前を入力します (この投稿では、
water_demand_export
). - でシナリオを選択して、エクスポートするシナリオを指定します。 仮定の予測 ドロップダウンメニュー。
複数のシナリオを結合ファイルに一度にエクスポートできます。
- エクスポート先で、Amazon S3 の場所を指定します。
- エクスポートを開始するには、 エクスポートの作成.
- エクスポートをダウンロードするには、Amazon S3 コンソールで S3 ファイル パスの場所に移動し、ファイルを選択して、 ダウンロード.
エクスポート ファイルには、 timestamp
, item_id
, forecasts
選択したすべてのシナリオ (基本シナリオを含む) の各分位数。
リソースをクリーンアップします
今後料金が発生しないようにするには、このソリューションによって作成されたリソースを削除します。
- Forecast リソースを削除する あなたが作成しました。
- S3 バケットを削除する.
まとめ
この投稿では、Forecast とその基盤となるシステム アーキテクチャを使用して、水消費データを使用して水需要を予測する方法を簡単に説明しました。 what-if シナリオ分析は、ビジネスの不確実性を乗り越えるのに役立つ重要なツールです。 アイデアをストレステストするための先見性とメカニズムを提供し、企業の回復力を高め、準備を整え、将来をコントロールできるようにします。 電力会社やガス会社などの他の公益事業者は、Forecast を使用してソリューションを構築し、費用対効果の高い方法で公益事業の需要を満たすことができます。
この投稿の手順では、上にソリューションを構築する方法を示しました AWSマネジメントコンソール. ソリューションを構築するために Forecast API を直接使用するには、 GitHubレポ.
にアクセスして詳細を学ぶことをお勧めします Amazon Forecast 開発者ガイド ビジネス KPI に関連するデータセットを使用して、これらのサービスによって実現されるエンド ツー エンドのソリューションを試してみてください。
著者について
ディーラジ・タクール アマゾンウェブサービスのソリューションアーキテクトです。 彼はAWSのお客様やパートナーと協力して、エンタープライズクラウドの採用、移行、戦略に関するガイダンスを提供しています。 彼はテクノロジーに情熱を注いでおり、分析とAI / MLの分野での構築と実験を楽しんでいます。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
- 情報源: https://aws.amazon.com/blogs/machine-learning/build-a-water-consumption-forecasting-solution-for-a-water-utility-agency-using-amazon-forecast/
- 1
- 11
- a
- 私たちについて
- 同意
- アクセス
- 精度
- 正確な
- 正確にデジタル化
- 取得する
- 越えて
- 追加されました
- NEW
- さらに
- 住所
- 追加
- 養子縁組
- 影響を及ぼす
- 機関
- 代理店
- 農業
- 先んじて
- AI / ML
- 空気
- すべて
- 代替案
- 常に
- Amazon
- アマゾン予測
- Amazon Webサービス
- 間で
- 分析
- 分析論
- 分析します
- &
- 検索&予約
- マンション
- API
- 適用可能な
- 約
- 建築
- AREA
- 周りに
- 関連する
- 避ける
- AWS
- ベース
- ベース
- ベースライン
- なぜなら
- になる
- 信じる
- より良いです
- の間に
- 越えて
- ビルド
- ビルダー
- 建物
- 構築します
- ビジネス
- ビジネス
- (Comma Separated Values) ボタンをクリックして、各々のジョブ実行の詳細(開始/停止時間、変数値など)のCSVファイルをダウンロードします。
- キャプチャ
- 慎重に
- 場合
- 例
- 一定
- 挑戦
- 変更
- 変化
- 課金
- 選択する
- クラウド
- クラウドの採用
- クラウドインフラ
- 集める
- 組み合わせ
- 組み合わせた
- コミットメント
- コマンドと
- 比較します
- 比べ
- 比較
- 補完的
- コンプリート
- コンピューティング
- プロフェッショナルな方法で
- 導電性
- 検討
- 領事
- consumer
- 消費者
- 消費
- 含まれています
- 縮小することはできません。
- 契約
- コントロール
- 相関
- 対応する
- コスト効率の良い
- 作ります
- 作成した
- 作成
- 基準
- 重大な
- 顧客
- Customers
- ダッシュボード
- データ
- データセット
- 日付
- 中
- デフォルト
- 定義する
- 定義
- 需要
- 需要予測
- 実証
- Developer
- 開発
- 異なります
- 大きさ
- 直接に
- そうではありません
- ドメイン
- ドント
- ダウンロード
- 間に
- ダイナミック
- 各
- 前
- 経済
- 経済発展
- 効果的に
- 効率良く
- 電気
- 使用可能
- 可能
- 奨励する
- 端から端まで
- 終了
- エネルギー
- エネルギー消費
- 十分な
- 入力します
- Enterprise
- エーテル(ETH)
- 評価する
- 例
- 既存の
- 予想される
- 高価な
- 体験
- 説明する
- export
- 顔
- 速いです
- 特徴
- 代
- File
- filter
- フィルタリング
- もう完成させ、ワークスペースに掲示しましたか?
- 名
- 焦点を当てて
- フォロー中
- 予想
- 周波数
- から
- 完全に
- 機能
- 未来
- GAS
- 生成する
- 受け
- 与えられた
- グラフ
- グループ
- グループの
- 成長性
- ハンドリング
- 収穫
- 助けます
- ことができます
- より高い
- 非常に
- 歴史的
- 地平線
- HOURS
- 世帯
- 住宅
- 認定条件
- How To
- しかしながら
- HTML
- HTTPS
- IAM
- 考え
- 識別子
- アイデンティティ
- 影響
- import
- 重要
- 改善します
- 改善されました
- in
- 含まれました
- 含ま
- 含めて
- 増える
- 増加した
- 増加
- を示し
- 産業を変えます
- 情報
- インフラ
- 洞察
- 説明書
- インベントリー
- 在庫管理
- 調べる
- IT
- リーディングシート
- キープ
- キー
- 知っている
- 既知の
- LEARN
- 学習
- 残す
- LINE
- 命
- 生活
- 場所
- 長い
- ロー
- 低価格
- 機械
- 機械学習
- make
- 管理します
- マネージド
- 管理
- 義務的な
- 手動で
- メカニズム
- 大会
- メニュー
- かもしれない
- 移行
- 最小
- ML
- モデル
- 他には?
- 朝
- 最も
- の試合に
- 名
- 名
- ナチュラル
- ナビゲート
- 必要
- 新作
- ノート
- 数
- ONE
- 操作
- 業務執行統括
- オペレータ
- オプション
- オプション
- 注文
- その他
- 全体
- 足
- 特に
- パートナー
- 情熱的な
- 過去
- path
- パターン
- 支払う
- のワークプ
- 割合
- 実行する
- 実行
- パーミッション
- 選ぶ
- 計画
- 計画
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- ポイント
- 人口
- ポスト
- 潜在的な
- 予測する
- 予測
- 予測
- Predictor
- 準備
- ブランド
- 価格、またオプションについて
- 主要な
- 事前の
- プロダクト
- 進捗
- 提供します
- プロバイダー
- プロバイダ
- は、大阪で
- 提供
- 準備
- クイック
- 範囲
- 理由は
- レッド
- 地域
- 関連する
- 関連した
- 削除します
- replace
- 表します
- 要求
- 弾力性のあります
- リソースを追加する。
- リソース
- 結果として
- 結果
- 上昇
- 職種
- ラン
- 同じ
- シナリオ
- シームレス
- セクション
- 選択
- 選択
- シリーズ
- サービス
- サービス
- セッションに
- 設定
- いくつかの
- 作品
- 簡単な拡張で
- So
- 溶液
- ソリューション
- ソース
- 南部の
- スペース
- 特定の
- 指定の
- 安定した
- ステージ
- start
- 開始
- ステップ
- ストレージ利用料
- 店舗
- 戦略
- 構造
- 十分な
- 夏
- 供給
- 需要と供給
- 取る
- ターゲット
- テクノロジー
- エリア
- 未来
- アプリ環境に合わせて
- したがって、
- 三
- 介して
- 全体
- 時間
- 時系列
- <font style="vertical-align: inherit;">回数</font>
- タイムスタンプ
- 〜へ
- ツール
- 追跡する
- トレーニング
- 訓練された
- トレーニング
- 最適化の適用
- 変換
- 旅行
- true
- 本当の価値
- 不確実性
- 下
- 根本的な
- ユニーク
- ユニット
- 使用法
- つかいます
- 使用事例
- ユーティリティ
- 値
- 多様
- ウォークスルー
- 水
- 天気
- ウェブ
- Webサービス
- この試験は
- 何ですか
- which
- while
- ワイド
- 意志
- Winter
- 以内
- 無し
- 労働人口
- 作品
- あなたの
- ゼファーネット