季節インデックス
季節指数は、特定の季節における需要がアイテムの平均需要をどれだけ上回るか下回るかを推定するものです。指数はシステムのユーザーによって手動で作成および編集されます。その後、プロファイルはモデルで使用される前に自動的に正規化されます。季節プロファイルは次のように正規化されます。
N = 年間の期間数、P = 季節指数。正規化された季節プロファイルには次の特性が必要です。
季節インデックスのいずれかが変更または作成されると、プロファイルはすぐに正規化されます。
が正規化する期間プロファイルである場合、正規化の方法は次のとおりです。
自動季節プロファイルを選択した場合、品目はまず季節コンポーネント検出アルゴリズムを通過する必要があります (2 年間にわたる検出を参照)。品目が季節コンポーネント検出アルゴリズムを通過すると、品目の予測に使用される独自の季節プロファイルが品目に付与されます。(季節ごとのプロファイル作成を参照)。自動季節プロファイルでは、以下で説明する季節指数の自動生成と同じパラメーター値が使用されます。次に考慮する必要がある唯一のパラメーターは、季節プロファイル検出アルゴリズムの厳密さを制御する PartProfileLowerO2Limit および PartProfileUpper02Limmit パラメーターを変更することです。これらの値は、デフォルトで 85% と 75% の確実性に設定されており、品目が季節プロファイルを取得すると、その品目には季節プロファイルがあることになりますが、場合によってはこの値が厳しすぎる可能性があります。
季節インデックスの自動生成
SeasonProfiles/PartProfileUpperO2Limit (需要予測サーバーのサーバー詳細設定での設定)
PartProfileLowerO2Limit と連携して、より安定した自動季節プロファイルを提供します。仕組みは次のようになります。品目が予測計算で使用される季節プロファイルを取得するには、季節インジケーターが PartProfileUpperO2Limmit を上回る必要があります。品目がこの制限を超えると、その品目の予測計算に季節プロファイルが使用されます。品目の値が PartProfileLowerO2Limmit を下回ると、その品目の予測計算で季節プロファイルが使用されなくなります。品目がプロファイルを失った場合、予測計算で季節プロファイルを取得するには、PartProfileUpperO2Limmit を超えるプロファイル インジケーションを取得する必要があります。
これは、品目に自動季節プロファイルを使用する際、季節プロファイルが適用される前に、以前の季節コンポーネントがなかった品目が超えなければならない上限です。
つまり、PartProfileUpperO2Limit (1.05) と PartProfileLowerO2Limit (0.7) のデフォルトの数値を使用すると、自動季節プロファイルは次のように機能します。品目に季節コンポーネントを取得するには、予測計算で季節プロファイルを受け取るために、その品目の指標が 1.05 を超える必要があります。すでに 1.05 を超えている (季節プロファイルが適用されている) 品目の場合、その品目の季節コンポーネントを失うには、指標が 0.7 を下回る必要があります。
この指標は、需要が 2 年以上ある品目を計算するアルゴリズムに使用されます。このパラメーターを設定するときは、正規分布を調べると便利です。値が 1.96 の場合、精度は 97.5% になります (正規分布を参照)。つまり、季節コンポーネントがノイズのみである可能性は 2.5% あります。規定値は 1.05 (精度 85%)。季節コンポーネントを持つ品目が多数あるが、自動季節プロファイルを使用するように設定されているときにプロファイルが受信されない場合は、この値を減らします。値が 0.25 の場合、精度は 60% になりますが、季節プロファイルを受け取った品目に季節コンポーネントではなく単なるノイズが含まれる可能性が 40% あることに注意してください。この数値は PartProfileLowerO2Limit. 以下にする必要があることに注意してください。
SeasonProfiles\PartProfileLowerO2Limit (需要予測サーバーのサーバー詳細設定での設定)
PartProfileUpperO2Limit と連携して、より安定した自動季節プロファイルを提供します。仕組みは次のようになります。品目が予測計算で使用される季節プロファイルを取得するには、季節インジケーターが PartProfileUpperO2Limmit を上回る必要があります。品目がこの制限を超えると、その品目の予測計算に季節プロファイルが使用されます。品目の値が PartProfileLowerO2Limmit を下回ると、その品目の予測計算で季節プロファイルが使用されなくなります。品目がプロファイルを失った場合、予測計算で季節プロファイルを取得するには、PartProfileUpperO2Limmit を超えるプロファイル インジケーションを取得する必要があります。
これは、前期間の季節プロファイルがある品目の下限値で、値がこれを下回ると季節コンポーネントが失われます。
つまり、PartProfileUpperO2Limit (1.05) と PartProfileLowerO2Limit (0.7) のデフォルトの数値を使用すると、自動季節プロファイルは次のように機能します。品目に季節コンポーネントを取得するには、予測計算で季節プロファイルを受け取るために、その品目の指標が 1.05 を超える必要があります。すでに 1.05 を超えている (季節プロファイルが適用されている) 品目の場合、その品目の季節コンポーネントを失うには、指標が 0.7 を下回る必要があります。
この指標は、需要が 2 年以上ある品目を計算するアルゴリズムに使用されます。このパラメーターを設定するときは、正規分布を調べると便利です。値が 1.96 の場合、精度は 97.5% になります (正規分布を参照)。つまり、季節コンポーネントがノイズのみである可能性は 2.5% あります。規定値は 1.05 (精度 85%) です。自動季節プロファイルを使用するように設定されているのに、季節プロファイルを取得する品目が多く、季節コンポーネントがないと思われる場合は、この値を増加します。値が 0.25 の場合、精度は 60% になりますが、季節プロファイルを受け取った品目に季節コンポーネントではなく単なるノイズが含まれる可能性が 40% あることに注意してください。既定値は 0.7 (精度 75%) です。この数値は PartProfileUpperO2Limit 以下にする必要があることに注意してください。
アルゴリズムはここにあります。
SeasonProfiles\MinAverageSeasonProfileIndexes (需要予測サーバーのサーバー詳細設定で設定)
このパラメーターは、需要の「正しい」レベルを得るために、季節調整済みの過去の需要を調整するときに DP サーバーが使用する最小レベルを設定するために使用されます。デフォルト設定は 0.2 です。つまり、品目に閑散期の履歴データしかない場合、過去の需要は最大 5 倍に増加します。理由は、使用した季節プロファイルによると通常の販売がない新品目が非常に大きい予測を得る状況を回避するためです。使用した季節プロファイルは、季節指数が 0.01 などの低販売期間を示し、この期間の販売が 10 の場合、この季節調整済履歴は 10/0.01 = 1000 となり、この履歴が予測モデルに送信され、おそらく高い予測になります。
季節プロファイルの作成方法については、以下で詳しく説明します。
季節プロファイルを作成するアルゴリズム
2 年未満の需要
2 年以上の需要
年間の期間数を中心とした移動平均が実行されます。月が使用される場合、1 年間の移動平均の加重は次のようになります (太字の数字が中央です)。1/12[0.5, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0.5]
使用される数式を以下に示します。テーブルに例を示します。
例の表:
| 期間 | 需要 | 12 か月中心 | 12 季節比率 |
199001 |
112 |
NA |
NA |
199002 |
118 |
NA |
NA |
199003 |
132 |
NA |
NA |
199004 |
129 |
NA |
NA |
199005 |
121 |
NA |
NA |
199006 |
135 |
NA |
NA |
199007 |
148 |
126.7916667 |
1.167269142 |
199008 |
148 |
127.25 |
1.163064833 |
199009 |
136 |
127.9583333 |
1.062845979 |
199010 |
119 |
128.5833333 |
0.925469864 |
199011 |
104 |
129 |
0.80620155 |
199012 |
118 |
NA |
NA |
199101 |
115 |
NA |
NA |
199102 |
126 |
NA |
NA |
季節コンポーネント検出アルゴリズム (需要が 2 年以上の品目向け)
需要が 2 年以上ある品目については、需要の自己相関係数を計算します。ラグの自己相関係数は、年間の期間数 12 に等しくなります (月単位の期間を使用する場合)。このラグあり自己相関係数は、式 1.05/平方根 (需要期間の数) の限界と比較され、85% の精度が得られます。1.05 という数値 (正規曲線分布表を参照) は 85 % の精度を示します。精度を変更するには、正規分布表を参照して必要な精度の数値を見つけ、それを 1.05 の代わりに使用します。以下に式を示します。
r(k) > Limit (k = 年間の期間数) の場合、その品目には季節コンポーネントがあります。partProfileUpperO2Limit は、サーバー詳細設定から変更できます。Entry SeasonProfiles/partProfileUpperO2Limit。このパラメーターを設定するときは、正規分布を調べると便利です。値が 1.05 の場合、精度は 85% になります。
自動季節プロファイルを使用する際、季節プロファイルを計算して予測作成に使用するには、品目がこのテストに合格する必要があります。
季節プロファイルを取得するには、品目が上限を上回る必要がありますが、品目の予測作成でプロファイルを使用した後に、プロファイルが失われる r(k) が下限値を下回る必要が生じます。この緩衝間隔により、季節プロファイルの取得と取得の限界にある部分の予測がより安定します。
ガウス フィルター (ぼかし)
ガウス フィルターは、季節プロファイルのピークを和らげます。下のグラフは、ガウス フィルターの一般的な形状を示しています。この機能は複数回実行することができ、季節プロファイルはよりスムーズになります。
上記の式は、使用されるガウス フィルターの式です。
a は、使用される期間バージョンによって変化するアルファ値です。
期間バージョンが年間 10 期間未満の場合、a=3
その他の期間バージョンの長さ
a= (-0.002537136 * 年間の期間数) + 0.931143734
これが 0.005 を下回る場合、a は 0.005 に設定されます。
X は季節プロファイルの期間数です。
季節プロファイルの適用
品目に季節プロファイルを適用するには、次のアルゴリズム (簡略化) を使用します。
1.品目の元の履歴から季節性を削除します。これは季節指数で除算することによって行われます。このために、季節プロファイルを自動的に生成した品目を使用することに注意してください (このためのアルゴリズムはここ)。次に、この過去の需要は、すべての期間に係数 = sum(元の履歴)/sum(削除された履歴) を乗算することによって正規化されます。次に、この正規化された履歴を、元の履歴から季節性を除去するために使用される季節指数の平均で除算します。この平均値がどの程度小さく設定できる可能性があるかということに注意してください (サーバー詳細設定)。
2.次に、選択された予測モデルが、結果として得られたクレンジングされた過去の需要に基づいて計算されます。(詳細は予測モデルを参照してください。)ポイント 1 から得られたクリーンアップされた需要は、需要予測のグラフや表のどこにも表示されないことに注意してください。
3.次に、選択した季節プロファイルがポイント 2 からの予測に適用されます。これは指数を乗算することによって行われます。