Prognoseverfahren: Polynomische Regression

Beim Prognoseverfahren Polynomische Regression berechnet LN die Bedarfsprognose auf der Grundlage eines Polynoms des n-ten Grades, das den historischen Bedarfsdaten entspricht.

Folgende Parameter werden bei diesem Prognoseverfahren zugrunde gelegt:

  • Grad Polynomen-Regression
  • Art des Saisoneinflusses
  • Saisonzyklus in Perioden
  • Prognoseparameter automatisch aktualisieren

Diese Parameter können Sie im Programm Planartikel - Prognoseeinstellungen (cpdsp1110m000) verwalten.

Der Grad des Polynoms wird im Feld Grad der polynomischen Regression angegeben. Wenn das Kontrollkästchen Prognoseparameter automatisch aktualisieren markiert ist, bestimmt LN den optimalen Grad des Polynoms.

Trendangepasster durchschnittlicher Bedarf

Zunächst werden die historischen Bedarfsdaten anhand des trendangepassten durchschnittlichen Bedarfs für die relevante Periode angepasst.

Ohne saisonale Schwankungen:

TB(t) = DB

Mit linearem Trendeinfluss:

TB(t) = KB + TF * t

Mit progressivem Trendeinfluss:

TB(t) = BB * TF ^ (t-1); TdB(t) = TaB(t) - TB(t)

Erläuterung

TdB(t)trend-angepasster durchschnittlicher Bedarf für Periode t
TB(t)trendbasierter Bedarf für Periode t
TaB(t)tatsächlicher Bedarf für Periode t
DBdurchschnittlicher Bedarf (*)
KBkonstanter Bedarf
BBvorkalkulierter Bedarf für Periode 1
TFTrendfaktor

 

(*) Der durchschnittliche Bedarf wird als die Summe der historischen Bedarfsdaten pro Periode geteilt durch die Anzahl der Perioden mit Bedarfshistorie ermittelt.

Polynomkoeffizienten

LN ermittelt die Koeffizienten des Polynoms anhand des Verfahrens der polynomischen Regression. Weitere Informationen zu diesem Verfahren finden Sie im Abschnitt Verwandte Themen.

Bedarfsprognose

LN berechnet den Bedarf für jede Prognoseperiode auf der Grundlage des trendangepassten durchschnittlichen Bedarfs für die betreffende Periode zuzüglich des durchschnittlichen Störfaktors der Vergangenheit.

Störfaktor

Der Störfaktor ist die Fluktuation der Bedarfsdaten im Vergleich zum ermittelten Trend. Der durchschnittliche Störfaktor wird für jede Prognoseperiode auf der Grundlage der Historieperioden ermittelt, die eine ganze Zahl von Saisonzyklen zurückliegen.

Hinweis

Wenn das Feld Art des Saisoneinflusses auf --- gesetzt ist, nimmt LN einen fiktiven Saisonzyklus mit einer Länge von bis zu einem Viertel der Perioden an, für die eine Bedarfshistorie vorliegt.

Beispiel

Abbildung 1 zeigt die historischen Bedarfsdaten zweier Saisonzyklen mit 8 Prognoseperioden. Periode 9 ist die aktuelle Periode.

Abbildung 1

Abbildung 1

SZPSaisonzyklus in Perioden

Abbildung 2 zeigt das Polynom, das anhand polynomischer Regression ermittelt wurde.

Abbildung 2

Abbildung 2

Für jede Periode der Historie wird der auf dem Polynom basierende Bedarf mit dem Bedarfstrend verglichen. Es wird ein linearer Trend vorausgesetzt, der durch die folgende Formel ausgedrückt wird:

TB(t) = KB + TF * t

TB (t)Trendbasierter Bedarf für Periode t
KBKonstanter Bedarf (= 54)
TFTrendfaktor (= 2)
PeriodePolynomTrendStörfaktor
14556-11
25358-5
37660+16
47062+8
54964-15
65566-11
77868+10
87070+0

 

Der auf diesen Differenzen basierende durchschnittliche Störfaktor wird zum trendangepassten Bedarf addiert. Beispiel: Der durchschnittliche Störfaktor für die Prognoseperiode 9 entspricht dem Durchschnitt der Störfaktoren der Perioden 1 und 5.

PrognoseperiodeTrendDurchschnittlicher StörfaktorBasierend auf PeriodenBedarfsprognose
972-131,559
1074-82,666
1176+133,789
1278+44,882
1380-131,467
1482-72,675

 

Das Ergebnis wird in Abbildung 3 dargestellt.

Abbildung 3

Abbildung 3