예측 오차

예측 오차는 예측 판매와 실제 판매 간의 차이입니다.

가변성(Variability)은 당시 가변적인 존재의 질이다. 이러한 맥락에서 예측 오차 변동성은 시간에 따른 예측 오차 변동의 척도입니다.

이는 시간 경과에 따른 수요 변동의 척도입니다.

수요 변동성과 예측 오차 변동성은 계산의 출력입니다. 최적 판매 방법을 분석할 때 과거 판매에 가장 적합한 방법을 찾으면 기존의 시간 변동 예측을 무시할 수 있습니다. 이 검색에서는 수요 변동성만이 아닌 예측 오차를 고려합니다. 이 방법은 현실적이고 정교한 계산을 통해 계획과 실행을 연결합니다.

슬라이드에서 계산의 두 가지 결과를 확인할 수 있습니다.

이 예제의 수요 변동성이 1.05이면 수요의 과거 데이터에 따르면 소프트 포지티브 추세가 1보다 높게 표시됩니다. 반면에 예측 오차 는 시간 경과에 따른 누락 값의 32%를 나타냅니다.

누락된 값이 있는 경우 알고리즘은 데이터가 없는 기간을 인식하여 판매 및 예측이 있는 기간만을 기준으로 예측 오차 CV를 재계산할 수 있으므로 슬라이드에 설명된 결과로 예측 오차 CV가 0.90에서 0.42로 변경될 수 있습니다.

• NULL 값을 0으로 바꾸기: 이 체크박스를 선택하면 NULL 값이 0으로 대체됩니다. 이 알고리즘은 NULL 값을 사용하여 계산할 수 없으므로 예측 또는 판매에 NULL 값이 있는 기간을 무시합니다.
• 첫 번째 판매 기간부터 이력 시작: 이 체크박스를 선택하면 판매 이력 데이터가 있는 첫 번째 기간을 가져와서 예측 오차 계산의 첫 번째 기간으로 사용합니다.

긍정적인 편향은 예측을 부풀리는 경향을 반영하여 예측 오차 CV 및 초과 재고의 과대 평가로 이어집니다.

또한 부정적인 편향은 예측을 편향시키는 경향을 반영하여 필요한 재고보다 적게 보유하는 서비스 레벨이 누락됩니다.

예시에서는 예측 오차 CV에서 바이어스 수정이 1.2에서 0.74로 크게 변경된 것을 볼 수 있습니다.

• 예측 바이어스 조정: 예측 오차 계산에서 바이어스 조정을 과거 예측에 적용할지 여부를 결정합니다.
• 바이어스 조정 방법: 예측 바이어스 조정 유형을 결정합니다(플러스 바이어스 조정, 마이너스 바이어스 조정, 플러스 및 마이너스 바이어스 조정).
• 바이어스 신뢰 구간: 바이어스 추정에 필요한 신뢰 수준을 결정합니다.
• 최대 플러스 바이어스 값: 바이어스의 상한을 지정합니다.
• 최소 마이너스 바이어스 값: 바이어스의 하한 값을 지정합니다.

다음과 같은 경우 재고 증가 지점이 간헐적으로 분류됩니다.

• 포지티브 판매 이력이 없습니다.
• 평균 수요 간격(ADI)이 불연속 수요 간격(IDI)을 초과합니다.
• 계절으로 분류되지 않음
• 예측 타이밍 정확도가 충분하지 않습니다.

이 예에서 예측과 판매는 모두 다음과 같습니다.

• 10주 후 플러스
• 10주 동안의 과거 포지티브 판매
• 52주 동안의 과거 포지티브 예측
• 예측 타이밍 정확도 0.5~10의 사용자 입력을 10~52 사이의 최대값으로 나누면 0,1923으로 나오는데, 이는 0,5 미만이다. 따라서 예측 타이밍 정확도는 충분하지 않습니다. 즉, 간헐적 수요를 처리하고 있습니다.

평균 판매 간격(ADI, average sales interval)은 집계할 판매 및 예측 주수를 결정하는 데 사용됩니다. 슬라이드의 예에는 5가지 ADI가 나와 있으므로 판매 및 예측이 5개 기간에 걸쳐 합산됩니다. 그런 다음 필터링, 이상값 진단, 바이어스 감지를 포함한 5개 기간 판매 및 예측에 CV 계산 알고리즘이 사용됩니다.

• 1) 계수에 곱한 평균 절대 백분율 오차(MAPE)
• 2) 평균 절대 편차(MAD)를 두 값(평균 예측 및 평균 판매) 사이의 최대값으로 나눈 값에 계수를 곱한 값입니다.

CV는 다음 두 가지 옵션을 통해 계산할 수 있습니다.

MAPE는 예측 정확도를 결정하는 데 유용할 수 있습니다. 상황에 따라 예측 또는 판매를 참조 계수로 고려하여 가중 MAPE를 계산할 수 있습니다. 알고리즘에서 사용하는 방정식이 슬라이드에 나와 있습니다. 여기서 F는 예측을 나타내고 S는 판매를 나타내며 둘 다 시간에 따라 변경됩니다(i).

시간 단계별 계획에서는 미래 예측을 기준으로 과거 변동성을 확장해야 합니다. CV는 시간 단계별 예측 오차 표준 편차를 계산하기 위한 상수 스케일링 계수입니다.

• 기본 CV 값: CV를 제공된 데이터로 계산할 수 없는 경우 기본 변동 계수(CV)를 정의합니다.
• 최대 CV 값: CV의 최대 CV를 정의합니다.
• 백분율 오차 기준: 백분율 오차 계산 시 예측 또는 실제가 기준으로 사용되는지 여부를 결정합니다.
• 한 기간의 기본 백분율 오차: 예측 이력과 판매가 모두 0인 기간의 기본 백분율 오차를 지정합니다.
• 한 기간의 최대 백분율 오차: 예측 오차가 정확히 0보다 크고 백분율 오차의 기준 값이 0인 기간의 최대 백분율 오차를 지정합니다.
• CV 계산 방법: aMAD 또는 MAP 기반 계산을 선택합니다.