Hiba az előrejelzést, hogyan kell kiszámítani, és a csapat logisztikai

A fő feladat a készletgazdálkodás, hogy meghatározza a feltöltési térfogat, vagyis mennyit kell kötelezni a szolgáltatót. A számítás ezen összeg használják számos paraméter - mennyi lesz a jövőben értékesíteni, hogy mennyi idő van pótolni, ami kiegyensúlyozza van raktáron, és mennyi már megrendelhető a szállító. Az, hogy milyen mértékben tudjuk megfelelően ezek a paraméterek befolyásolják-e, vagy nem elég áru raktáron, vagy túl sok lesz. De a legnagyobb hatással a készletgazdálkodás hatékonyabbá befolyásolja, hogy milyen mértékben az előrejelzés pontosságát. Sokan azt hiszik, hogy ez általában a fő kérdés készletgazdálkodás. Valóban, a jóslat a pontosság nagyon fontos paraméter. Ezért fontos, hogy megértsük, hogyan kell értékelni azt. Ugyancsak fontos, hogy meghatározzák az oka hiány vagy nem likvid, és a kiválasztási szoftver értékesítési előrejelzés és menedzsment.

Ebben a cikkben bemutattam néhány képletek kiszámításához pontosságát előrejelzés előrejelzési hibát. Ezen felül, akkor lehet letölteni a fájlokat példákkal számítások a mutatónak.

Ahhoz, hogy megbecsüljük az értékesítési előrejelzés használt statisztikai értékelését a becslési hiba az idősor előrejelzés. A legegyszerűbb mutatója - az a tény, eltérés az előrejelzés mennyiségi szempontból.

A gyakorlatban a becslési hiba számított minden egyes tételt, és a kiszámított átlagos becslési hiba. Az alábbi gyakori hibák csak mutatók mutatóinak átlagos előrejelzési hibák.

Ezek közé tartoznak:

MAPE- átlagos abszolút hiba százalékban

ahol Z (t) - a tényleges érték az idő sorozat, és - az előrejelzések.

Ha a tényleges értéke az idősor közel 0, akkor a nevező lesz egy nagyon kis számú, amely biztosítja, hogy az érték a MAPE közel végtelenbe - nem teljesen helyes. Például, a tényleges ár a PCB = 0,01 rubel / MW Bruttó, prediktív = 10 rubel / MW Bruttó míg MAPE = (0,01-10) /0.01 = 999%, de a valóságban nem vagyunk annyira rossz, csak 10 rubel / CF beleértve Sorozathoz, amely közel nullára, a következő becslés a becslési hiba.

.

Az ár becslési hiba értékelése PCB és LED BR helyes a MAE.

8500). Erre a predikciós érték MAPE = 1,5%. » Ugyanakkor, nézi a cikket, lehetőség van, hogy meghatározzák általános benyomás ereje predikciós hibát, amely MAPE általában mozog 1-5%; vagy hibák a villamos energia árának előrejelző MAPE ami mozog 5-15% időszaktól függően és a piac. MAPE kapott ár-érték saját előrejelzése, akkor tudja becsülni, hogy nagy kapsz megjósolni.

ME - az átlagos hiba

Ez akkor fordul elő, a másik nevet a névsor - Bias (angol -. Bias) bizonyítja nagyságát az eltérés, és - amelynek iránya az értékesítési előrejelzés eltér a tényleges szükséglet. Ez a mutató azt mutatja, hogy optimista vagy pesszimista előrejelzést. Azaz, a negatív érték torzítás azt mondta, hogy az előrejelzés túl magas volt (valódi igény alacsonyabb volt), és éppen ellenkezőleg, a pozitív érték, hogy az előrejelzés túl alacsony volt. Digitális mutató értéke határozza meg a szórás (offset).

MSE - átlagos négyzetes hiba

.

RMSE - négyzetgyöke az átlagos négyzetes hiba

.

SD - standard deviáció

ahol Me - átlagos hibát képlet határozza meg a fenti.

Kommunikációs pontosság és becslési hiba

Az elején ez a vita, nézzük foglalkozik definíciókat.

előrejelzési hibát - utólagos értékét előrejelzési eltérés a tényleges állapota az objektum. Ha beszélünk értékesítési előrejelzések szerint ez jelzi eltérés a tényleges értékesítési előrejelzés.

A pontosság a jóslat a koncepció ellentétes hiba előrejelzést. Ha a predikciós hiba nagy, a pontosság alacsony, és fordítva, ha a predikciós hiba kicsi, a pontosság magas. Lényegében pontszám MAPE előrejelzés hibája az inverz értéke a becslés pontosságát - a kapcsolat egyszerű.

• Ha a pontosság az előrejelzés 100%, a választott modell írja le a tényleges értéke 100% -kal, azaz nagyon pontosan. Szükséges, hogy azonnal lefoglalni, hogy ez a szám soha nem lesz a fő jellemzője az előrejelzés, hogy mindig rossz.
• Ha a 0% -os vagy negatív szám, akkor nem írjuk le, és ez nem bízik modell szerint.

Válasszon egy megfelelő modell előrejelzés kiszámításával index előrejelzés pontosságát. előrejelzési modell, amely méri a pontosság az előrejelzés közelebb lesz a 100% -kal nagyobb valószínűséggel, hogy pontosabb előrejelzést. Ez a modell lehet nevezni optimális a kiválasztott idősorok. Apropó nagy pontosságú, beszélünk alsó előrejelzési hibák és félreértések ezen a területen nem szabad. Nem számít, hogy mit fog követés, de fontos, hogy összehasonlítjuk a prediktív modellek vagy céloz egyik mutatója - az előrejelzési hiba vagy becslés pontosságát.

Korábban használt értékelési Mape. amíg nem találkozott egy formula, amely ösztönzi Valerij Razgulyaev.

Az egyik leggyakrabban használt becslési hiba becslése képlet a következő képlet szerint:

ahol: P - az előrejelzések, és az S - Valójában erre a hónapra. Azonban ez a képlet is komoly korlátot jelent -, hogyan kell értékelni egy hiba, ha az a tény, nulla? Egy lehetséges válasz az, hogy ebben az esetben, a D = 100% - ami azt jelenti, hogy teljesen téves. Azonban egy egyszerű példa azt mutatja, hogy az ilyen válasz - nem igaz:

Ahogy az látható, egy variáns №1 hiba lesz 100%, de ez már - nem a mi feltételezés és kiszámítására a nettó, amelyet meg lehet bízni a gép. Mirror ugyanazok a lehetőségek №2 és №3 - és ugyanaz a hiba, a hiba kisebb, mint a hiba a legrosszabb változat №1. Az egyetlen helyzet, amikor ez a képlet nem ad egyértelmű választ - a nevező nulla. De a legtöbb előrejelzés és az a tény nulla csak akkor, ha értéke nulla. Ebben az esetben kiderül, hogy mi várható a kereslet hiánya, és ez tényleg nem volt - azaz, a hiba is nulla - tettünk egy elég pontos előrejelzést.

Vizuális eljárás - grafikus

Vizuális módszer abból áll, hogy az ütemterv szerint a visszavonás értéke a prediktív modell és az a tény, hogy az értékesítés az említett modellek, akik szeretnék összehasonlítani. Ezután vizuálisan összehasonlítani, hogy a prediktív modell közel a tényleges értékesítés. Nézzünk egy példát. Az alábbi táblázat mutatja a két prediktív modellek, valamint a tényleges értékesítési ezt a terméket ugyanabban az időszakban. Az érthetőség kedvéért mi is számított a hiba mindkét modell megjósolni.

Az ábra szerint egyértelmű, hogy a modell a 2 legkelendőbb termék. Értékelése predikciós hiba is azt mutatja, - 65% és 31% predikciós hibát modell 1 és a modell 2, ill.

A hátránya ennek a módszernek, hogy egy kis különbség a modellek nehéz felismerni - a különbség pár százalék nehéz megbecsülni a diagram. Azonban ezek néhány százaléka jelentősen javítja a minőséget, illetve az előrejelzés és feltöltését tervezéséhez általában.

A becslési hiba képletek a gyakorlatban

A gyakorlati szempontból a becslési hiba becslése hoztam külön tétel. Ez annak a ténynek köszönhető, hogy az összes statisztikai számítási módszereit becslési hiba számított index mennyit hibázott az előrejelzés mennyiségi szempontból. Térjünk most megvitassák, hogy egy ilyen alak hasznos lenne készletgazdálkodás kérdéseket. Az a tény, hogy a fő célja a készletgazdálkodás -, hogy az értékesítés, a kereslet az ügyfelek. És végül, a bevétel maximalizálása és a nyereséget. És ezek a számok pontosan mérhető érték szempontjából. Így fontos, amikor értékelik a becslési hiba, hogy megértsék a hozzájárulás minden egyes tette, hogy az értékesítést értékben. Amikor felmérjük az előrejelzési hiba mennyiségi szempontból, azt feltételezzük, hogy minden tétel azonos súllyal szerepel a teljes értékesítési volumen, de valójában ez nem igaz - vannak nagyon drága termékek, olyan termékeket, amelyek nagy mennyiségben eladott, a csoport egy, de van nem nagyon drága termékek, olyan termékeket, amelyek kis mértékben járulnak hozzá az értékesítés. Más szóval, egy nagy hibát áruk csoportban becslés mi lesz „költsége” több, mint a legkisebb becslési hiba áruk a C csoport, például. Ahhoz, hogy a becslési hiba becslése helyes volt, az érintett készletgazdálkodási célokat, meg kell, hogy értékelje a becslési hiba valamennyi termék vagy egy adott csoport nem az átlag, súlyozott átlag alapján az előrejelzés és az a tény, hogy az értéket tekintve.

Egy példa a számítás ezen értékelés láthatjuk az Excel fájlt.

Ugyanakkor nem szabad elfelejtenünk, hogy várjuk, hogy értékelje az egyes tételek a becslési hiba a szám, de ha fontos, hogy megértsük az általános hiba a cég előrejelzése, például, hogy értékelje azt a modellt, amit használunk, nem szabad számolni átlagos értékelés összes áru illetve a súlyozott átlagos alapuló értékelést. Értékelés lehet venni, önköltségi áron, vagy eladási ár, akkor nem játszik nagy szerepet, ami még fontosabb, ugyanazon az áron (az ár típus) használják minden számítást.

Miért érdemes egy becslési hiba

Az első és legfontosabb, az értékelés becslési hiba, azt kell felmérni, hogy mi a rossz a tervezése az értékesítés, és ezért a tervezés az termékértékesítésnek. Ha mindig az eladás lényegesen több, mint a ténylegesen eladni, akkor valószínű, hogy mi lesz a többlet az áruk, és nem nyereséges cég. Abban az esetben, hogy mi vagyunk összetéveszteni az ellenkező irányba - előrejelzése eladások kevesebb, mint a tényleges értékesítés, nagy valószínűséggel mi lesz hiány, és a vállalat nem dopoluchit profit. Ebben az esetben a predikciós hiba azt jelzi, a minőségi tervezés és készletgazdálkodás minőségét.

Azt jelzi, hogy a hatékonyság növekedése lehetséges minőségének javításával, illetve az előrejelzés. Mivel a mit lehet javítani, nem fogjuk megvitatni itt a minőség a becslés, de az egyik lehetőség az, hogy keressen egy másik előrejelzési modellek, módosítsa a számítási paraméterek, de így az új modell jobb lenne, csak hogy segítsen a becslési hiba mértéke vagy pontosságát az előrejelzés. Ábrák összehasonlításából több modell segít meghatározni a modell, hogy adja a legjobb eredményt.

Ideális esetben, így tudjuk kiválasztani a modell minden egyes tételt. Ebben az esetben, kiszámítjuk az előrejelzés különböző termékek különböző modellek szerint azok, hogy a legjobb lehetőség az, hogy egy adott terméket.

Továbbá, ez a mutató is használható a kiválasztási automatizált eszközök iránti kereslet előrejelzés és menedzsment. Akkor nem a teszt becsült előrejelzések a tervezett programot, és hasonlítsa össze a becslési hiba kapott az előrejelzés, amely a meglévő modellt. Ha a javasolt predikciós hiba kisebb, mint az eszköz. Szóval, ez az eszköz lehet tekinteni használata a cég. Ezen túlmenően, a pontosság mértéke előrejelzést vagy becslési hiba lehet használni, mint a KPI alkalmazottak, akik felelősek előállítására előrejelzés értékesítési vagy beszerzési menedzser, abban az esetben, arra számítanak, hogy előre a jövőbeli eladások a számítás a sorrendben.

Ha azt szeretnénk, hogy javítsa a készletgazdálkodás hatékonyságának növelése és a készletek forgási javaslatot, hogy tanulmányozza a mester osztály „Hogyan lehet növelni a leltár fordul.”