Автоматизация пополнения запасов: связка Databricks и Amazon Quick

AWS Machine Learning · оригинал

Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

AWS представила техническое решение для автоматизации цепочки поставок, объединяющее прогнозирование спроса на базе Databricks с оперативным принятием решений через Amazon Quick. Система самостоятельно выявляет всплески спроса, выбирает оптимального поставщика и оформляет заказы без участия человека.

Ценность: Решение устраняет разрыв между аналитическими прогнозами и операционными действиями, позволяя ритейлу мгновенно реагировать на изменения спроса и снижать риски дефицита товаров.

В розничной торговле традиционный процесс пополнения запасов страдает от временных задержек. Пока планировщик выгружает прогноз спроса, сверяет его с наличием у поставщиков и обрабатывает десятки тысяч товарных позиций (SKU), самые ходовые товары часто заканчиваются. Хотя фундаментальные модели искусственного интеллекта устранили проблему точности самого прогноза, узкое место сместилось на этап между предсказанием и фактическим оформлением заказа. Эта проблема возникает из-за того, что прогноз хранится в управляемой платформе данных, информация о наличии товаров — в отдельном операционном потоке, а сотрудник, оформляющий заказ, часто не имеет доступа ни к одной из этих систем.

AWS разработала решение, которое закрывает этот разрыв, создавая автономный цикл: система обнаруживает всплеск спроса, определяет, какой поставщик может его покрыть, и автоматически размещает заказ. Эскалация на человека происходит только в тех случаях, когда ни одно из стандартных правил не подходит для ситуации. Архитектура построена на взаимодействии двух платформ: Databricks отвечает за интеллектуальную часть, а Amazon Quick выполняет три последующих этапа цикла по расписанию.

Первый этап — прогнозирование. В Databricks используется технология Many Model Forecasting (MMF) с моделью Chronos-2 для предсказания спроса на 7 дней вперед по всем SKU каталога без необходимости настройки под каждый товар отдельно. Второй этап — детектирование. Агент Databricks Genie выявляет позиции, где средний прогноз на ближайшие 7 дней превышает средний показатель за предыдущие 14 дней минимум в 1,5 раза. Для исключения шума от низкооборотных товаров установлен порог: средний спрос за прошлые 2 недели должен составлять не менее 1 единицы.

Третий этап — принятие решения. Amazon Quick сопоставляет каждый выявленный SKU с актуальными данными о наличии у поставщиков, хранящимися в Amazon S3 Tables. Система выбирает самого дешевого поставщика, способного покрыть прогнозируемый объем. Четвертый этап — действие. Через Amazon Quick Flows система либо автоматически отправляет заказ через API поставщика, либо создает заявку на ручную проверку, если ни один поставщик не может полностью удовлетворить спрос.

Ключевой особенностью архитектуры является то, что Amazon Quick выступает связующим звеном. Он обращается к прогнозам через Databricks Genie Agent по протоколу Model Context Protocol (MCP), извлекает данные о поставщиках из S3 Tables и вызывает API заказа через OpenAPI-коннектор. Интеграция происходит на основе общего ключа продукта в момент принятия решения, что исключает необходимость копирования всех данных в единое хранилище.

Для развертывания решения требуются определенные инструменты: Databricks CLI версии 0.299.0 или выше, AWS CLI версии 2.36.2 или выше, а также jq и uv для загрузки данных поставщиков. Пользователь должен иметь роль Author или Author Pro в Amazon Quick для создания коннекторов и потоков, а также права CREATE CATALOG в Databricks. Процесс настройки включает выполнение скриптов для создания ноутбуков прогнозирования, регистрации OAuth-приложения для безопасного доступа к агенту Genie и развертывания тестового API заказа на базе AWS Lambda и DynamoDB.

Важно отметить, что решение использует Direct Query режим для чтения данных поставщиков, что гарантирует доступ к самым свежим данным при каждом запуске потока. Это критически важно для оперативного управления запасами. Хотя основная стоимость связана с подпиской Amazon Quick Enterprise, остальные ресурсы тарифицируются по фактическому использованию и остаются небольшими при демонстрационных объемах. Разработчики предоставили репозиторий с примером fresh_retail_net, позволяющим воспроизвести всю цепочку от прогноза до автоматического заказа.