| Errores de previsión y correlación estacionalCuando LN ha calculado la previsión de demanda de un artículo de planificación, LN determina los errores de previsión y cualquier correlación estacional. LN calcula los campos siguientes en la sesión Artículos de planificación - Configuración de previsión (cpdsp1110m000): - Error medio de previsión (AFCE)
- Desviación absoluta media (MAD)
- Desviación relativa de media (MRD)
- Desviación estándar (SDEV)
- Factor de correlación estacional (COR)
Los cálculos se basan en las fórmulas siguientes: Error medio de previsión AFCE = sum(FD(t) - AD(t)) / n AFCE | el campo Error medio de previsión | sum() | la suma de todos los períodos históricos | FD(t) | la demanda de previsión para el período t | AD(t) | la demanda real para el período t | n | el número de períodos históricos |
Error medio de previsión absoluto MAD = sum(abs(FD(t) - AD(t))) / n MAD | el campo Desviación absoluta media | sum() | la suma de todos los períodos históricos | abs(FD(t)-AD(t)) | el valor absoluto de (FD(t)-AD(t)) | FD(t) | la demanda de previsión para el período t | AD(t) | la demanda real para el período t | n | el número de períodos históricos |
Error medio de previsión relativo MRD = sum(100 * abs((FD(t) - AD(t))) / AD(t)) / n MRD | Desviación relativa de media | sum | la suma de todos los períodos históricos | FD(t) | la demanda de previsión para el período t | AD(t) | demanda real para el período t | n | el número de períodos históricos |
Desviación estándar del error de previsión SDEV = sqr(sum(((FD(t) - AD(t)) - AFCE)^2) / (n - 1)) SDEV | el campo Desviación estándar | sqr() | la raíz cuadrada | sum() | la suma de todos los períodos históricos | FD(t) | la demanda de previsión para el período t | AD(t) | la demanda real para el período t | AFCE | el error medio de previsión | n | el número de períodos históricos |
Correlación estacional LN determina la desviación estándar a partir de la demanda real para dos conjuntos de datos. El primer conjunto de datos se compone de los períodos que van del primero al último, menos la longitud de estación en períodos. El segundo conjunto de datos se compone de los períodos que van del primero posterior a la longitud de estación en períodos al último. En otras palabras, el segundo conjunto de datos está desplazado en una longitud de estación si se compara con el primer conjunto de datos. Desviaciones estándar: SDV1 = sqr(sum(((DM(t) - DM1)^2) / (m - 1)) SDV2 = sqr(sum(((DM(t+L) - DM2)^2) / (m - 1)) SDV1 | la desviación estándar para el primer conjunto de datos | SDV2 | la desviación estándar para el segundo conjunto de datos | sqr() | la raíz cuadrada | sum() | la suma de todos los períodos históricos | DM(t) | la demanda real con tendencia corregida para el período t (*) | DM1 | la demanda media con tendencia corregida para el primer conjunto de datos (*) | DM2 | la demanda media con tendencia corregida para el segundo conjunto de datos (*) | L | la longitud de estación en períodos | m | el número de períodos históricos menos la longitud de estación en períodos |
(*) Para el cálculo de la demanda media con tendencia corregida, consulte Método de previsión: regresión polinómica. LN determina el factor de covarianza para los dos conjuntos de datos. COV = sum((DM(t) - DM1) x (DM(t+L) - DM2) / (m - 1)) COV | factor de covarianza | sum | la suma de todos los períodos menos la longitud de estación en períodos | DM(t) | la demanda real con tendencia corregida para el período t | DM1 | la demanda media con tendencia corregida para el primer conjunto de datos | DM2 | la demanda media con tendencia corregida para el segundo conjunto de datos | L | la longitud de estación en períodos | m | el número de períodos históricos menos la longitud de estación en períodos |
Por último, se calcula el factor de correlación estacional del modo siguiente: COR = COV / (SDV1 x SDV2) COR | el campo Factor de correlación estacional | COV | factor de covarianza | SDV1 | desviación estándar para el primer conjunto de datos | SDV2 | desviación estándar para el segundo conjunto de datos |
| |