Kasuwanci na Tufafi: Hasashen Buƙatar Sabbin Kayayyaki - Hanyar Injin Koyo

1. Gabatarwa

Hasashen buƙata a kasuwancin tufafi yana wakiltar ɗaya daga cikin mafi rikitarwa kalubale a masana'antar. Yanayin saurin canjin yanayi a launuka, zane-zane, yankewa, tsari, da kayan aiki, tare da dogon zagayowar ƙira, buƙatun masana'antu na yawa, da bambance-bambancen amfani a yankuna, suna haifar da yanayi mai matuƙar mahimmanci ga 'yan kasuwa. Hanyoyin hasashe na gargajiya sun dogara sosai akan bayanan tallace-tallace na tarihi na abubuwan da ake da su, wanda ya sa ba su dace da hasashen buƙatar sabbin ƙira ko salo gaba ɗaya ba, wanda shine babban abin da wannan bincike ya mayar da hankali.

Wannan takarda, wacce aka gabatar a Taron KDD 2019 na AI don Tufafi, ta magance wannan gibi mai mahimmanci. Marubutan daga Myntra Designs sun ba da shawara wata sabuwar hanya wacce ta wuce nazarin jerin lokaci na tallace-tallace na baya. Maimakon haka, sun yi nazari kan manyan bayanan tallace-tallace na tufafi don gano waɗanne takamaiman sifofi na samfur (misali, wuyan wuya, nau'in hannun riga, masana'anta) da abubuwan kasuwanci (misali, farashi, alama) ke haifar da buƙatar mabukaci. Sannan suka gina ƙirar injin koyo na gabaɗaya waɗanda ke iya hasashen buƙatar sabbin abubuwa bisa ga waɗannan sifofi kawai, kafin a sami tarihin tallace-tallace.

2. Bayanin Matsala da Kalubale

Babbar matsala ita ce yanayin "farawa mai sanyi" a cikin hasashen tufafi: hasashen buƙatar sabon abu ba tare da bayanan tallace-tallace na tarihi ba. Dabarun gargajiya sun kasa saboda:

• Haɗin kai mara layi: Ma'auni da yawa na ƙira (launi, tsari, yankewa) suna hulɗa ta hanyoyi masu rikitarwa, marasa layi don ayyana abin sha'awar abu, wanda ya sa sauƙaƙan ƙari ba zai yiwu ba.
• Dogaro akan hankali: Ayyukan masana'antu na yanzu galibi suna dogara ne akan tunanin mai kasuwanci na zahiri, wanda ke haifar da babban bambancin, rashin iya lissafin tasirin samfurin giciye (maye, cin nama), da kuma manyan kurakuran hasashe.
• Kudin Kasuwanci da Muhalli: Hasashe mara daidaituwa yana haifar da asarar damar tallace-tallace, babban kayan da ba a sayar da su (asarar jarin aiki), da lalacewar muhalli saboda yawan samarwa da ɓarna.

Ana buƙatar ƙirar da ke da tushen bayanai, mai yuwuwa wacce ke fassara sifofi na abu zuwa ingantaccen hasashen buƙata na tsawon watanni 6-8.

3. Hanyoyi da Tsarin Fasaha

Hanyar marubutan ta juya daga ƙirar jerin lokaci zuwa ƙirar sararin ma'ana na sifofi na tufafi.

3.1 Bayanai da Wakilcin Sifa

An gina ƙirar akan babban tarin bayanai na abubuwan tufafi na tarihi, kowannensu an kwatanta shi da cikakken saiti na sifofi na rukuni da na lambobi. Mahimmanci ga hanyarsu shine ƙirar haɗakar sifa. Kama da haɗakar kalmomi a cikin NLP (kamar Word2Vec), ana canza sifofi na rukuni (misali, "wuyan wuya na ƙungiya," "bugu na furanni") zuwa wakilcin vector mai zurfi, mai ci gaba. Wannan yana ba da damar ƙirar ta koyi alaƙa da kamanceceniya tsakanin sifofi (misali, cewa "wuyan wuya na V" da "wuyan wuya na scoop" sun fi kama da juna fiye da "wuyan wuya na kunkuru").

3.2 Tsarin Gine-ginen Model

Takardar ta yi gwaji da tsarin jijiyoyi da yawa da hanyoyin ML na gargajiya:

• Ƙirar Tushen Bishiyar (XGBoost, Daji bazuwar): Ana amfani da su azaman ingantattun tushe, masu iya sarrafa bayanan tebur tare da nau'ikan fasali iri-iri.
• Cibiyoyin Sadarwa na Jijiyoyi na Ciyar da Gaba (FFNN): Ma'auni na ma'auni na yawa waɗanda ke ɗaukar haɗakar haɗakar sifa da fasalin lambobi azaman shigarwa.
• Cibiyoyin Sadarwa na Jijiyoyi na Dogon Lokaci Gajere (LSTM): Ba a yi amfani da su don jerin tallace-tallace na lokaci ba, amma mai yiwuwa don ƙirar jerin sifofi ko don ɗaukar abubuwan dogaro a cikin tsarin sarrafa fasali. Takardar tana binciken amfaninsu a cikin wannan mahallin mara jerin gwano.

Babban tsarin gine-ginen ya ƙunshi Layer na haɗawa ga kowane sifa na rukuni, wanda ake haɗa sakamakonsa (misali, haɗawa ko tara) kuma a ciyar da shi cikin yadudduka na hanyar sadarwa na jijiyoyi na gaba don hasashen buƙata na ƙarshe.

3.3 Ayyukan Asara

Zaɓin manufa daidai yana da mahimmanci ga tasirin kasuwanci. Marubutan sun yi gwaji fiye da daidaitaccen Kuskuren Matsakaicin Matsakaici (MSE). Sun yi la'akari da ayyukan asara marasa daidaituwa waɗanda ke hukunta yawan kaya (hasashen da yawa) da ƙarancin kaya (hasashen ƙasa da yawa) daban-daban, suna daidaita manufar inganta ƙirar tare da ainihin tsarin farashin sarrafa kayan kasuwanci. Siffa mai sauƙi na iya zama:

$L(y, \hat{y}) = \begin{cases} c_{over} \cdot (\hat{y} - y) & \text{if } \hat{y} > y \\ c_{under} \cdot (y - \hat{y}) & \text{if } \hat{y} \leq y \end{cases}$

inda $c_{over}$ da $c_{under}$ su ne farashin da ya dace na yawan hasashe da ƙarancin hasashe.

4. Sakamakon Gwaji da Bincike

Takardar ta nuna ingantaccen aikin ƙirar da aka ba da shawara na tushen sifa. Babban binciken da aka gano ya haɗa da (an ƙaddara daga taƙaitaccen bayani):

• Fifiko ga Tushe: Ƙirar jijiyoyi tare da haɗakar sifa sun fi sauƙin ƙirar ƙira na tarihi da kuma yuwuwar ƙirar ML na gargajiya akan aikin hasashen sabon abu.
• Ƙarfin Gabaɗaya: Ƙirar sun nuna ikon yin gabaɗaya ga haɗuwar sifofi da ba a gani ba, suna tabbatar da ainihin hasashen cewa buƙatar tana haifar da sifofi masu rarrabuwa.
• Kwatanta Tsarin Gine-gine: Sakamakon ya ba da kwatancen bincike na FFNNs da LSTMs a cikin wannan yanayin, mai yiwuwa ya ƙare cewa yayin da LSTMs suke da ƙarfi, FFNNs masu sauƙi na iya isa kuma sun fi dacewa don wannan takamaiman matsala ta taswira sifa-zuwa-buƙata.
• Tasirin Aikin Asara: Ƙirar da aka horar da su tare da ayyukan asara marasa daidaituwa na sanin kasuwanci suna haifar da hasashe waɗanda ke rage ainihin farashin kaya, ba kawai kuskuren hasashe ba.

Bayanin Ginshiƙi (An Ƙaddara): Taswirar mashaya za ta iya nuna kwatancen ma'auni (misali, Matsakaicin Kuskuren Kashi - MAPE, ko ma'aunin tushen farashi na al'ada) don ƙirar daban-daban: tushe mara hankali (misali, matsakaicin buƙata don nau'ikan iri ɗaya), ƙirar tushen bishiyar (XGBoost), FFNN, da LSTM. Ƙirar hanyar sadarwa na jijiyoyi tare da haɗawa za su nuna mafi ƙarancin kuskure. Wani ginshiƙi na biyu zai iya kwatanta yadda kuskuren hasashe ke canzawa tare da ma'aunin rashin daidaituwa a cikin aikin asara na al'ada, yana nuna bayyanannen mafi ƙanƙanta a wurin da ya fi dacewa da kasuwanci.

5. Nazarin Shari'a: Aiwatar da Tsarin

Yanayi: Mai sayar da tufafi mai sauri yana buƙatar hasashen buƙatar sabon rigar mata na bazara da aka tsara don kakar gaba.

Mataki 1 - Ma'anar Sifa: Ƙungiyar samfur ta ayyana sifofinta: {Rukuni: Rigar, Ƙaramin rukuni: Midi, Wuyan wuya: V-neck, Hannun riga: Gajere, Tsari: Furanni, Launi: Shudi mai laushi, Kayan aiki: Auduga, Farashin Farashi: Matsakaicin kewayon, Alama: Alamar Cikin Gida}.

Mataki 2 - Haɗakar Fasali: Kowane sifa na rukuni (Wuyan wuya, Tsari, da sauransu) ana wucewa ta hanyar Layer ɗin haɗakar da aka riga aka horar, suna canza "V-neck" da "Furanni" zuwa vectors masu yawa (misali, [0.2, -0.5, 0.8...]). Fasalin lambobi kamar farashi ana daidaita su.

Mataki 3 - Ƙididdigar Ƙira: Duk vectors na sifa da fasalin lambobi ana haɗa su cikin vector shigarwa guda ɗaya. Ana ciyar da wannan vector cikin ƙirar FFNN da aka horar.

Mataki 4 - Hasashen Buƙata: Ƙirar tana fitar da ƙima mai ci gaba wacce ke wakiltar yawan raka'a da aka sayar a farkon kakar. Ana amfani da wannan hasashen don tsara samarwa da rarraba kaya.

Fahimta: Ƙirar na iya gane a ciki cewa haɗuwar "Furanni," "Shudi mai laushi," da tsayin "Midi" ya yi nasara sosai a cikin matakin farashi na "Matsakaicin Kewayon" a lokacin bazara, yana haifar da hasashe mai girma, mai girma.

6. Aiwatar da Gaba da Jagorori

Hanyar da aka zayyana ta buɗe hanyoyi masu ban sha'awa da yawa:

• Madauki na Ƙirar Samarwa & Hasashe: Haɗa wannan ƙirar hasashe tare da AI mai samarwa (kamar GANs ko Ƙirar Watsawa, kama da waɗanda ake amfani da su a cikin haɗakar hoto daga rubutu) zai iya haifar da tsarin madauki. Masu zane za su iya shigar da allunan yanayi na yanayi, mai samarwa (wanda aka yi wahayi ta ƙirar kamar CycleGAN don canja wurin salo) yana samar da sabbin haɗuwar sifa, kuma mai hasashe yana kimanta yuwuwar kasuwancinsu, yana ba da damar ƙirar AI-taimaka na abubuwan da ake buƙata.
• Haɗakar Farashi Mai Ƙarfi: Za a iya ƙaddamar da ƙirar zuwa aikin buƙata $D(sifa, farashi)$, yana ba da damar mafi kyawun farashi na farko da dabarun ragi don sabbin abubuwa.
• Daidaituwar Yankin Giciye: Babban hanyar haɗakar sifa don hasashen farawa mai sanyi ana iya canjawa zuwa wasu sassan kasuwanci masu arziki tare da sifofi masu arziki, kamar na'urorin lantarki, kayan daki, ko kayan kwalliya.
• AI Mai Bayyanawa (XAI): Aikin gaba zai iya mayar da hankali kan fassarar wuraren haɗawa da yanke shawara na ƙira, amsa dalilin da aka yi hasashen cewa wani haɗuwar sifa zai yi nasara, yana ba da amsa mai mahimmanci ga 'yan kasuwa.
• Haɗakar Yanayi na Ainihin Lokaci: Ƙara ƙayyadaddun sifofi tare da sigina na ainihin lokaci daga kafofin watsa labarun zamantakewa (misali, Instagram, Pinterest) ko yanayin bincike zai iya sa hasashen ya fi amsa ga sabbin abubuwan da suka taso.

7. Nassoshi

1. Singh, P. K., Gupta, Y., Jha, N., & Rajan, A. (2019). Kasuwancin Tufafi: Hasashen Buƙatar Sabbin Kayayyaki. A cikin Proceedings of the KDD 2019 Workshop on AI for Fashion.
2. Ferreira, K. J., Lee, B. H. A., & Simchi-Levi, D. (2015). Nazari don Mai Sayar da Kan layi: Hasashen Buƙata da Ingantaccen Farashi. Masana'antu & Gudanar da Ayyukan Sabis, 18(1), 69–88.
3. Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Ingantaccen Ƙididdiga na Wakilcin Kalmomi a cikin Sararin Vector. arXiv preprint arXiv:1301.3781.
4. Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Fassarar Hoto-zuwa-Hoto mara Haɗin gwiwa ta amfani da Cibiyoyin Sadarwa na Adawa na Madauki. A cikin Proceedings of the IEEE International Conference on Computer Vision (ICCV). (Takardar CycleGAN da aka ambata don ra'ayin ƙirar samarwa).
5. Academictorrents.com & arXiv.org - a matsayin wakilai na buɗe damar bayanan ilimi don aikin da ke da alaƙa a cikin ML da hasashe.

8. Ra'ayin Manazarcin