Erros de previsão e correlação sazonal

Após o LN calcular a previsão de demanda para um item de planejamento, o LN determina os erros de previsão e qualquer correlação sazonal.

O LN calcula os seguintes campos na sessão Itens de planejamento - configurações de previsão (cpdsp1110m000):

  • Média de erro de previsão (AFCE)
  • Desvio médio absoluto (MAD)
  • Desvio médio relativo (MRD)
  • Desvio padrão (SDEV)
  • Fator de correlação sazonal (COR)

Os cálculos se baseiam nas seguintes fórmulas:

Erro médio de previsão
AFCE = sum(FD(t) - AD(t)) / n
AFCEo campo Média de erro de previsão
soma()a soma de todos os períodos históricos
FD(t)a demanda prevista para o período t
AD(t)a demanda real para o período t
no nº de períodos históricos

 

Erro de previsão absoluta média
MAD = sum(abs(FD(t) -	 AD(t))) / n
MADo campo Desvio médio absoluto
soma()a soma de todos os períodos históricos
abs(FD(t)-AD(t))valor absoluto de (FD(t)-AD(t))
FD(t)a demanda prevista para o período t
AD(t)a demanda real para o período t
no nº de períodos históricos

 

Erro de previsão relativa média
MRD = sum(100 * abs((FD(t) - AD(t))) / AD(t)) / n
MRD Desvio médio relativo
somaa soma de todos os períodos históricos
FD(t)a demanda prevista para o período t
AD(t)demanda real para o período t
no nº de períodos históricos

 

Desvio padrão do erro de previsão
SDEV = sqr(sum(((FD(t) - AD(t)) - AFCE)^2) / (n - 1))
SDEVo campo Desvio padrão
sqr()a raiz quadrada
soma()a soma de todos os períodos históricos
FD(t)a demanda prevista para o período t
AD(t)a demanda real para o período t
AFCEerro de previsão média
no nº de períodos históricos

 

Correlação sazonal

O LN determina o desvio padrão da demanda real para dois conjuntos de dados. O conjunto de dados 1 consiste no primeiro ao último período, menos a duração da estação em períodos. O conjunto de dados 2 consiste no primeiro período após a duração da estação em períodos até o último período. Em outras palavras, o conjunto de dados 2 é deslocado em uma duração de estação em comparação com o conjunto de dados 1.

O diagrama a seguir ilustra isso para uma duração de estação de um mês.
[...]
AConjunto de dados 1
BConjunto de dados 2
1Janeiro
2Fevereiro
3Março
4Abril
5Maio
Desvios padrão:
SDV1 = sqr(sum(((DM(t) - DM1)^2) / (m - 1)) SDV2 =
			 sqr(sum(((DM(t+L) - DM2)^2) / (m - 1))
SDV1desvio padrão do conjunto de dados 1
SDV2desvio padrão do conjunto de dados 2
sqr()a raiz quadrada
soma()a soma de todos os períodos históricos
DM(t)demanda real ajustada à tendência para o período t (*)
DM1demanda média ajustada à tendência para o conjunto de dados 1 (*)
DM2demanda média ajustada à tendência para o conjunto de dados 2 (*)
La duração da seção em períodos
mo número de períodos históricos menos a duração da seção em períodos

 

(*) Para o cálculo da demanda média ajustada à tendência, consulte Método de previsão: regressão polinomial.

O LN determina o fator de covariância para os dois conjuntos de dados.

COV = sum((DM(t) - DM1) x (DM(t+L) - DM2) / (m - 1))
COVfator de covariância
somasoma de todos os períodos menos a duração da estação em períodos
DM(t)demanda real ajustada à tendência para o período t
DM1demanda média ajustada à tendência do conjunto de dados 1
DM2demanda média ajustada à tendência do conjunto de dados 2
La duração da seção em períodos
mo número de períodos históricos menos a duração da seção em períodos

 

Finalmente, o fator de correlação sazonal é calculado da seguinte forma:

COR = COV / (SDV1 x SDV2)
CORo campo Fator de correlação sazonal
COVfator de covariância
SDV1desvio padrão do conjunto de dados 1
SDV2desvio padrão do conjunto de dados 2