| Erreurs de prévision et corrélation saisonnièreAprès avoir effectué la prévision de la demande pour un article plan, LN détermine les erreurs de prévision et toute corrélation saisonnière. LN calcule les champs suivants de la session Articles plan - Paramètres de prévision (cpdsp1110m000): - Erreur moyenne de prévision (EMP),
- Ecart moyen absolu (EMA),
- Ecart moyen relatif (EMR),
- Ecart type (ET),
- Facteur de corrélation saisonnière (COR).
Les calculs sont basés sur les formules suivantes : Erreur moyenne de prévision EMP = somme(PD(t) - DR(t)) / n EMP | champ Erreur moyenne de prévision | somme() | la somme de toutes les périodes d'historique | PD(t) | la demande prévue pour la période t | DR(t) | demande réelle pour la période t | n | nombre de périodes d'historique |
Erreur moyenne absolue moyenne de prévision EMA = somme(abs(PD(t) - DR(t))) / n EMA | champ Ecart moyen absolu | somme() | somme de toutes les périodes d'historique | abs(PD(t)-DR(t)) | valeur absolue de (PD(t)-DR(t)) | PD(t) | la demande prévue pour la période t | DR(t) | demande réelle pour la période t | n | nombre de périodes d'historique |
Erreur de prévision moyenne relative EMR = somme(100 x abs((PD(t) - DR(t))) / DR(t)) / n EMR | Ecart moyen relatif | somme | somme de toutes les périodes d'historique | PD(t) | demande prévue pour la période t | DR(t) | demande réelle pour la période | n | nombre de périodes d'historique |
Ecart type de l'erreur de prévision ET = racine(somme(((PD(t) - DR(t)) - EMP)^2) / (n - 1)) ET | champ Ecart type | racine() | racine carrée | somme() | somme de toutes les périodes d'historique | PD(t) | demande prévue pour la période t | DR(t) | demande réelle pour la période t | EMP | erreur de prévision moyenne | n | nombre de périodes d'historique |
Corrélation saisonnière LN détermine l'écart standard par rapport à la demande réelle pour deux jeux de données. Le premier jeu de données est constitué des périodes allant de la première à la dernière période, moins la longueur de la saison exprimée en périodes. Le deuxième jeu de données est constitué des périodes allant de la première période qui suit la saison exprimée en périodes, jusqu'à la dernière période. En d'autres termes, le deuxième jeu de données est décalé d'une saison par rapport au premier. Ecarts types : ET1 = racine(somme(((DM(t) - DM1)^2) / (m - 1)) SDV2 =
racine(somme(((DM(t+D) - DM2)^2) / (m - 1)) ET1 | écart type pour le premier jeu de données | ET2 | écart type pour le second jeu de données | racine() | racine carrée | somme() | somme de toutes les périodes d'historique | DM(t) | demande basée sur la tendance pour la période t (*) | DM1 | demande corrigée en fonction de la tendance pour le premier jeu de données (*) | DM2 | demande corrigée en fonction de la tendance pour le second jeu de données (*) | L | longueur des saisons dans les périodes | m | nombre de périodes d'historique moins la longueur de la saison exprimée en périodes |
(*) Pour le calcul de la demande moyenne corrigée en fonction de la tendance, voir la Méthode de prévision : régression polynomiale. LN détermine le facteur de covariance pour les deux jeux de données. COV = somme((DM(t) - DM1) x (DM(t+D) - DM2) / (m - 1)) COV | facteur de covariance | somme | somme de toutes les périodes moins la longueur de la saison exprimée en périodes | DM(t) | demande basée sur la tendance pour la période t | DM1 | demande corrigée en fonction de la tendance pour le premier jeu de données | DM2 | demande corrigée en fonction de la tendance pour le second jeu de données | L | longueur des saisons dans les périodes | m | nombre de périodes d'historique moins la longueur de la saison exprimée en périodes |
Enfin, le deuxième facteur de corrélation saisonnière est calculé comme suit : COR = COV / (ET1 x ET2) COR | champ Facteur de corrélation saisonnière | COV | facteur de covariance | ET1 | écart type pour le premier jeu de données | ET2 | écart type pour le deuxième jeu de données |
| |