Мистецтво прогнозування в системі SAP F&R для управління запасами

SAP F&R (Forecasting & Replenishment) – це система планування замовлень і прогнозування попиту для формування проектів замовлення на рівні магазин-постачальник. Система входить до складу рішення SAP SCM (Управління ланцюжками поставок) і впроваджується в двох варіаціях:

  • SAP F&R SCM – впровадження з безшовної інтеграцією з SAP-системами;
  • SAP F&R OI – система для інтеграції з неЅАР-системами.
В цьому пості розглянуто можливості розрахунку середнього прогнозу в системі SAP F&R.

Середній прогноз у термінології SAP F&R — це таке значення обсягу товару на розташування, що з вірогідністю у 50% задовольнить попит клієнтів в магазині, або, іншими словами, дозволить забезпечити рівень клієнтського сервісу = 50%.

Для того, щоб уникнути втрачених продажів, цільовий рівень клієнтського сервісу, як правило, планується не нижче 95%. Це означає, що у 95 випадках з 100 клієнт купить в магазині те, що планував. Забезпечення високого рівня сервісу в SAP F&R проводиться за допомогою страхової надбавки до середнього прогнозу, яка залежить не тільки від цільового рівня сервісу, але і від варіативності минулих значень продажу товару. Таким чином, в системі формується максимальний прогноз продажів, обсягу якого буде достатньо для мінімізації запасу на складі або в магазині (а, значить, виведення замороженого у запасах капіталу) і дотримання цільового рівня клієнтського сервісу.

Для побудови середнього прогнозу в системі SAP F&R використовуються моделі прогнозування продажів, що враховують не тільки статичні дані витрати, але й вплив зовнішніх факторів, таких як календарні події або промо-акції. Ефект від таких чинників може бути заданий як вручну, так і виявлено системою в минулому автоматично. Таким чином, при формуванні прогнозної моделі часового ряду як у минулому, так і в майбутньому, SAP F&R використовує дані про можливу зміну прогнозованого значення і накладає ефект від зовнішнього фактора на згладжений ряд.

image

Як видно на малюнку, при формуванні прогнозної моделі в минулому, SAP F&R явно виявила сезонні коливання продажів і пікові сплески у передноворічний період. Тим не менш, не кожні історичні дані змінюються закономірно, і дуже часто при прогнозуванні можна зіткнутися з ситуацією нижче:

image

В такому випадку вважати середній прогноз, щоб його достовірність була досить високою?

image

Подібні тимчасові ряди є випадковим розподілом Пуассона, тому ймовірність того, що обсяг продажів складе m штук, розраховується за формулою:

image

Незважаючи на те, що ряди Пуассона дуже легко перевірити, – їх досить складно визначити. У наведеному прикладі значення m є найкращим прогнозним значенням (прогноз). Нульові прогнозовані значення (або одиниця для останнього випадку) – є медіаною даного тимчасового ряду, тобто 50% ймовірністю задоволення попиту клієнтів (прогноз).

Для визначення найбільш релевантного значення прогнозу зробимо перевірку помилки прогнозу при використанні розподілу Пуассона і медіани для розрахунку середніх продажів за формулою wMAPE – середньозваженої абсолютної помилки у відсотках:

image

Таким чином отримуємо помилку прогнозу:

image

У кожному випадку прогноз з помилкою wMAPE нижче очікуваного. Тому використання wMAPE в цьому випадку практично завжди приводить до неправильного результату.

Тоді вдамося до розрахунку помилки за формулами MSE (середня квадратична помилка) і sRMSE (корінь із середньої квадратичної помилки). Для розрахунку середньої квадратичної помилки використовуємо формулу:

image

Результати наступні:

image

У цьому випадку використання ймовірності отримання значення за розподілом Пуассона для прогнозування більш переважно. Тепер розрахуємо похибку за формулою sRMSE, використовуючи формулу:

image

Результати наступні:

image

Таким чином, очевидно, що систематичне використання розрахунку помилки за методом wMAPE призводить до зниження точності прогнозу, і при виявленні розподілу Пуассона недоцільно оцінювати помилку за такими методами, як wMAPE, MAE (середня абсолютна помилка), MAD (середнє абсолютне відхилення), MASE (середня абсолютна масштабоване помилка).

Висновок
Подібний ефект часто проявляється при прогнозуванні продажу товарів з низькою швидкістю оборотності (менше 0.2 штуки в день). При подібній оборотності найкращими методами оцінки помилки прогнозування продажів є MSE і sRMSE. При цьому, необхідно пам'ятати про постійний моніторинг рівня товарних запасів та оцінці дефіциту товару, адже точність прогнозування – це всього лише засіб.
Джерело: Хабрахабр

0 коментарів

Тільки зареєстровані та авторизовані користувачі можуть залишати коментарі.