L’approche basée sur l’apprentissage automatique avec un réseau neuronal profond (DNN) en son cœur résout une tâche d’optimisation des stocks plus efficacement que les autres approches. Nous ignorons l’étape de prévision de la demande et calculons directement les stocks. Cela signifie que nous n’aurons pas à faire de suppositions folles sur la distribution des probabilités de demande. Au lieu de cela, un DNN examinera les données de ventes historiques les plus détaillées et prendra en compte plusieurs facteurs divers allant des promotions de produits aux emplacements des magasins, en passant par les conditions météorologiques, etc. Il appliquera ensuite une fonction de perte qui pondérera les coûts de détention par rapport aux coûts de pénurie pour l’inventaire projeté. chiffre pour renvoyer le chiffre optimal.