Demand-Sensing-Algorithmen
Der Algorithmus Demand Sensing mit Gradient Boosting ist nun verfügbar, um das Demand Sensing im SAP IBP, Add-in für Microsoft Excel auszuführen.
Dieser erweiterte Algorithmus ist 2021 verfügbar und hat einige Vorteile. Die wichtigsten Unterschiede zwischen Demand Sensing 2.0 und Demand Sensing 1.0 sind in der folgenden Abbildung zusammengefasst:
Um Demand Sensing einzurichten, müssen Sie die folgenden Voraussetzungen beachten:
- In der App Konfiguration wurde eine Planungsebene für den Planungsbereich definiert, die nur die folgenden Stammdatentypen enthält:
- Produkt (wobei das Schlüsselattribut PRDID ist)
- Lokation (wobei das Schlüsselattribut LOCID ist)
- Kunde (wobei das Schlüsselattribut CUSTID ist)
- ber.
Sie können Ihrem Prognosemodell einen Demand-Sensing-Algorithmus hinzufügen, wenn Folgendes zutrifft:
Auf dem Hauptbild der App Prognosemodelle verwalten haben Sie einen Planungsbereich ausgewählt, in dem das Zeitprofil Wochen, aber keine Monate enthält.
Einschränkungen
Die folgenden Einschränkungen gelten für Prognosemodelle, die einen Demand-Sensing-Algorithmus enthalten:
- Sie können keinen Vorverarbeitungsschritt außer der Promotionsdatenbereinigung enthalten.
- Sie können nur einen Prognoseschritt enthalten.
- Sie können keine Fehlermaße berechnen.
- Sie berechnen keine Ex-post-Prognosen.
- Sie können nur auf der untersten Ebene der Zeitgranularität (Tage) angelegt werden.
- Sie können Eingabebedarfssignale nur aus den beiden niedrigsten Ebenen der Zeitgranularität (Tage, Wochen) übernehmen.
- Sie können nur dann für Prognoseberechnungen im Hintergrund im SAP IBP, Add-in für Microsoft Excel verwendet werden, wenn die Planungsebenen Kunde, Lokation und Produkt dort in der Planungssicht ausgewählt sind.
- Sie können nur für die Baseline-Version des ausgewählten Planungsbereichs ausgeführt werden.
Einige Dinge, die Sie beachten sollten:
- Es wird empfohlen, das Demand Sensing für den Gesamtbedarf und nicht für durch Promotions eliminierten Bedarf auszuführen.
- Wenn Sie eine Promotion im Demand Sensing berücksichtigen möchten, fügen Sie „Uplift" als zusätzliches Signal hinzu.
- Zusätzliche Signale werden dem Modell nach Wichtigkeitsstufe hinzugefügt, nicht nach der Reihenfolge, in der Sie sie hinzufügen.
- Optimale Betrachtung der Prognosegenauigkeit insgesamt, nicht einzelner Bedarfsströme
- Benutzerdefinierte Ausreißerperioden sind ab Release 2202 vorhanden.
- Demand Sensing mit Gradient Boosting funktioniert bei sporadischem Bedarf nicht gut
Für den Demand-Sensing-Algorithmus muss die Periodizität auf "Täglich" gesetzt werden.
Der Standardwert für die Mindestanzahl historischer Datenpunkte beträgt 30 Wochen. Wenn eine Kombination aus Produkt, Lokation und Kunde (d.h. ein Bedarfsstrom) weniger verwendbare Wochen historischer Datenpunkte hat als dieser Parameter, erhält er Standardausgaben aus dem Demand Sensing.
Einrichten von Gradient Boosting
Der Abschnitt Gesamtparameter sollte die folgenden Einstellungen haben.
| Einstellung | Beschreibung |
|---|---|
Haupteingabe für Prognoseschritte | Die Kennzahl, die als Eingabe für alle Prognoseberechnungen im aktuellen Modell verwendet werden soll. Das heißt, darauf werden zukünftige Prognosen und kurzfristiger Bedarf basieren. Für das Demand Sensing sind hier zwei Eingaben möglich: In der Regel sollte die für die Absatzplanung verwendete Eingabe auch für das Demand Sensing verwendet werden.
|
| Zielkennzahl für Prognose | Die Kennzahlen, in denen Sie die endgültige Prognose sichern möchten. Für Demand Sensing sollte dieser Wert auf Kurzfristige Bedarfsmenge gesetzt sein. |
| Zielkennzahl für Ex-post-Prognose | Die Kennzahl, in der Sie die Ex-post-Prognose für Absatzplanungsalgorithmen sichern möchten.Achtung: Dieses Feld sollte für alle Demand-Sensing-Algorithmen leer bleiben. Für andere Absatzplanungsalgorithmen wird die Ex-post-Prognose für vergangene Perioden berechnet, für die auch die Istbedarfshistorie verfügbar ist. Das System berechnet die Prognosegenauigkeitsmessungen, indem es die Differenzen zwischen den Istwerten und den Ex-post-Werten vergleicht. Wie oben erwähnt, ist dies für Demand-Sensing-Algorithmen nicht relevant. |
Der Abschnitt Algorithmen sollte die folgenden Einstellungen haben:
| Einstellung | Beschreibungen |
|---|---|
Maximale Anzahl von Bäumen | Legt die maximale Anzahl der Bäume fest, die im Ensemble-Modell erstellt werden sollen. Je mehr Bäume ein Modell hat, desto mehr Berechnungen sind erforderlich, was die Laufzeit verlängert.!!! Standard 10 muss eine Ganzzahl zwischen 1 und einschließlich 50 sein !!! |
| Lernrate | Die Gewichtung wird angewendet, wenn die Ausgaben der Entscheidungsbäume addiert werden.Sie können eine Lernrate angeben, um den Beitrag jedes einzelnen Baums zu verringern, wenn der Baum zum Modell hinzugefügt wird.Wenn Sie die Lernrate verringern, sollten Sie die maximale Anzahl an Bäumen erhöhen, um eine Überanpassung zu verhindern und so zuverlässigere Vorhersagen zu erzielen. Viele Bäume erfordern jedoch mehr Berechnungen und damit Laufzeit.Achtung: Der Standardwert 0,75 muss eine Zahl zwischen 0 und einschließlich 1 sein. |
| Maximale Baumtiefe | Die maximale Anzahl von Ebenen in einem Baum.Jede weitere Stufe erhöht die Anzahl der Blätter (Endknoten im Baum) um den Faktor 2. Das bedeutet, dass die Anzahl der Blätter in einem Baum gleich 2L ist, wobei L die Anzahl der Ebenen darstellt. Da der Algorithmus viele Bäume baut, müssen die einzelnen Bäume nicht tief sein.Der Parameter kann verwendet werden, um die Überanpassung zu steuern, da eine höhere Baumtiefe es dem Modell ermöglicht, Beziehungen zu lernen, die für eine Zeitreihe spezifisch sind.Achtung: Standardwert 1 muss eine Ganzzahl zwischen 1 und einschließlich 5 sein. |
Beachten Sie die Voraussetzungen für die Ersetzung fehlender Werte, wie in der Abbildung dargestellt.
Interpretieren und pflegen Sie alle weiteren Einträge für Parametereinstellungen wie angegeben.
Demand Sensing prognostiziert zukünftige Bias basierend auf einer Optimierung historischer Bias-Faktoren für jeden Lag und Bias-Horizont.
In diesem Beispiel werden die Kennzahlwerte gekappt, wenn die berechneten Zahlen des finalen kurzfristigen Bedarfs über 150 Stück liegen.
Der Berechnungshorizont für den Tagesdurchschnitt ist ein rollierendes Fenster, über das Demand Sensing im Durchschnitt tägliche Transporte berechnet.