预测错误

预测误差是预测和实际销售之间的差异。

可变性是时间中可变的质量。在此上下文中，预测误差可变性是预测误差随时间波动的度量。

这是随时间变化的需求波动度量。

需求可变性和预测误差可变性是计算的输出。当分析最佳拟合方法时，找到最适合历史销售的方法可能会忽略退出的时变预测。此搜索会考虑预测误差，而不仅仅是需求可变性。此方法通过实际和复杂的计算将计划与执行联系起来。

在幻灯片上，我们可以看到两个计算结果：

当此示例中的需求可变性为 1.05 时，根据需求的历史数据，我们看到软正趋势高于 1。另一方面，我们看到预测误差表示一段时间内缺失值的 32%。

如果存在缺少值，算法会识别没有数据的期间，并且可以仅根据具有销售和预测的期间重新计算预测误差变异系数，因此，在幻灯片上说明的结果，预测误差变异系数可以从 0.90 更改为 0.42。

• 用零替换空值：如果选中此复选框，系统将用零替换空值。算法忽略预测或销售为空值的期间，因为无法使用空值计算。
• 从第一个销售期间开始历史记录：如果选中此复选框，系统将采用存在销售历史记录数据的第一个期间，并将此期间用作预测误差计算中的第一个期间。

正偏差反映预测膨胀的趋势，导致对预测误差变异系数和过量库存进行高估。

此外，负偏差反映转移预测的趋势，导致服务级别因持有少于所需库存而失误。

在示例中，我们看到预测误差变异系数中有很大的变化，偏差修正从 1.2 到 0.74。

• 调整预测偏差：确定系统在计算预测误差时是否对历史预测应用偏差调整。
• 偏差调整方法：确定预测偏差调整的类型（调整正偏差、调整负偏差、调整正偏差和负偏差）。
• 偏差置信区间：确定估计偏差所需的置信水平。
• 最大正偏差值：指定偏差的上限。
• 最小负偏差值：指定偏差的下限。

在以下情况下，库存点分类为间歇性：

• 无正销售历史记录
• 平均需求间隔 (ADI) 超过间歇需求间隔 (IDI)
• 未分类为季节性
• 没有足够的预测计时精确度

在此示例中，预测和销售均包括：

• 10 周内为正
• 过去 10 周内的正销售额
• 52 周内过去的正预测
• 如果我们比较预测计时精确度为 0.5 到 10 的用户输入，除以 10 到 52 之间的最大值，则我们得出 0,1923，小于 0.5。因此，预测计时精度不足，即我们正在处理间歇需求。

平均销售间隔 (ADI) 用于确定要聚合的销售和预测周数。在幻灯片上，示例显示 ADI 为 5，因此对 5 个期间的销售和预测求和。然后，CV 计算算法用于 5 个期间的销售和预测，包括过滤、离群值检测和偏差检测。

• 1) 平均绝对百分比误差 (MAPE) 乘以一个因子
• 2) 平均绝对偏差 (MAD) 除以两个值（平均预测和平均销售）之间的最大值，乘以一个因子

可通过两个选项计算变异系数：

MAPE 可用于确定预测精确度。根据具体情况，可以计算加权平均绝对百分比误差，将预测或销售视为参考因子。算法使用的等式在幻灯片上显示，其中 F 表示预测，S 表示销售，两者随时间变化 (i)。

在分时段计划中，我们需要相对于未来预测来调整历史可变性。变异系数是用于计算分时段预测误差标准偏差的常量比例因子。

• 缺省变异系数值：定义当变异系数无法使用提供的数据计算时，缺省变异系数 (CV)。
• 最大变异系数值：定义变异系数的最大变异系数。
• 百分比误差基础：确定在计算百分比误差时是将预测还是实际用作基础。
• 一个期间的缺省百分比误差：指定期间的缺省百分比误差，其中历史预测和销售均为零。
• 一个期间的最大百分比误差：指定期间的最大百分比误差，其中预测误差严格大于零且百分比误差的基础值为零。
• 变异系数计算方法：选择基于 aMAD 或基于 MAPE 的计算。