أعلنت AWS أن شركة ديكاتلون العالمية للسلع الرياضية اعتمدت نموذج Chronos-2 لتحسين دقة توقعات الطلب الأسبوعي بنسبة 11-15 نقطة، مما يقلل التعقيد التشغيلي ويخفض التكاليف إلى 0.03 دولار لكل استدلال أسبوعي على وحدات CPU فقط.

1 دقيقة قراءة

ديكاتلون تعتمد Chronos-2 من AWS لتحسين دقة توقعات الطلب بنسبة تصل إلى 15%

نظرة عامة

أعلنت AWS في تدوينة رسمية عن نجاح شركة ديكاتلون، أحد أكبر تجار التجزئة للسلع الرياضية عالميًا، في استخدام نموذج Chronos-2 لتحسين دقة توقعات الطلب الأسبوعي لعشرات الآلاف من المنتجات عبر قارات متعددة. هذا التطبيق يمثل حالة استخدام حقيقية للذكاء الاصطناعي في تحسين سلاسل الإمداد.

التفاصيل الرئيسية

وفقًا للتدوينة، تمكنت ديكاتلون من تحسين دقة التوقعات بنسبة 11-15 نقطة مقارنة بالطرق التقليدية، مع خفض التعقيد التشغيلي بشكل كبير. كما أن تشغيل الاستدلال الأسبوعي يكلف حوالي 0.03 دولار فقط على وحدات CPU، مما يجعل الحل اقتصاديًا للغاية.

مقارنة مع الحلول التقليدية

  • الدقة: تحسن بنسبة 11-15 نقطة في دقة التوقعات.
  • التكلفة: 0.03 دولار لكل استدلال أسبوعي مقابل تكاليف أعلى للبنية التحتية التقليدية.
  • التعقيد: تقليل الحاجة إلى إدارة نماذج متعددة أو بنية تحتية معقدة.

الأهمية للشركات في الشرق الأوسط وشمال أفريقيا

يمكن للشركات في المنطقة، خاصة في قطاعات التجزئة والخدمات اللوجستية، الاستفادة من هذا النموذج لتحسين دقة التوقعات وتقليل التكاليف، مما يعزز الكفاءة التشغيلية والقدرة التنافسية.


ملاحظة للمراجعة البشرية: تحقق من صحة الأرقام المذكورة (11-15 نقطة، 0.03 دولار) من المصدر الأصلي قبل النشر.

أسئلة شائعة

ما هو نموذج Chronos-2 من AWS؟

Chronos-2 هو نموذج لغوي كبير مُدرَّب خصيصًا لتوقعات السلاسل الزمنية، يقدمه AWS، ويستخدم في تحسين دقة التنبؤ بالطلب عبر قطاعات متعددة.

كيف يقارن Chronos-2 بالطرق التقليدية؟

يقدم Chronos-2 تحسنًا في الدقة بنسبة 11-15 نقطة مقارنة بالطرق التقليدية، مع تكلفة تشغيل أقل بكثير حيث يعمل على وحدات CPU بدلاً من GPU.

هل يمكن للشركات في الشرق الأوسط اعتماد هذا الحل؟

نعم، يمكن للشركات في المنطقة الاستفادة من Chronos-2 عبر AWS لتحسين توقعات الطلب في قطاعات التجزئة والتصنيع والخدمات اللوجستية، مع تقليل التكاليف.

المصدر: AWS Machine Learning

محتوى بمساعدة الذكاء الاصطناعي، مراجع بشرياً.