预测方法：指数平滑
LN 将根据“指数平滑”预测方法计算需求预测，具体如下：
此预测方法的相关参数包括：
- “自动更新预测参数”
- “需求的平滑因子”
- “趋势的平滑因子”
- “季节的平滑因子”
- “预测误差的平滑因子”
- “需求预测的跟踪信号”
- “关键跟踪信号”
可以在“按计划物料列出的预测设置 (cpdsp1110m000)”进程中维护这些参数。
如果选中了“自动更新预测参数”复选框，LN 将首先重新计算指数平滑方法的平滑因子。LN 使用迭代处理生成需求、季节和趋势平滑因子的最佳组合；步长为 0.2，随后改为 0.05。该组合可给出最小平均绝对偏差 (MAD)。
接着，LN 会通过指数平滑方法计算自需求历史记录第一期起、到上一预测期为止的需求预测。
需求预测各种变量的计算方法如下：
平均需求
没有季节性变化：
AV(t) = FD(t) + a (AD(t) - FD(t))具有固定的季节性变化：
AV(t) = (FD(t) + a (AD(t) - FD(t))) - SF(t)具有递增季节性变化：
AV(t) = (FD(t) + a (AD(t) - FD(t))) / SF(t)其中，
| AV(t) | 按季节进行调整的期段 t 的平均需求 |
| FD(t) | 期段 t 的需求预测 |
| AD(t) | 期段 t 的实际需求 (*) |
| SF(t) | 期段 t 的季节性因子 |
| a | “需求的平滑因子”字段 |
(*) 对于当前期段和以后的期段，预测需求将被视为实际需求。
趋势因子
具有线性趋势变化：
TF(t) = TF(t-1) + b ((AV(t)-AV(t-1)) - TF(t-1))具有递增趋势变化：
TF(t) = TF(t-1) + b (1.0 + ((AV(t)-AV(t-1))/AV(t)) - TF(t-1))其中，
| TF(t) | 期段 t 的趋势因子 |
| AV(t) | 按季节进行调整的期段 t 的平均需求 |
| b | “趋势的平滑因子”字段 |
季节性因子
具有固定的季节性变化：
SF(t+L) = SF(t) + g ((AD(t) - AV(t)) - SF(t))具有递增季节性变化：
SF(t+L) = SF(t) + g ((AD(t) / AV(t)) - SF(t))其中，
| SF(t) | 期段 t 的季节性因子 |
| AD(t) | 期段 t 的实际需求 (*) |
| AV(t) | 按季节进行调整的期段 t 的平均需求 |
| L | 季节长度（以期段数为单位） |
| g | “季节的平滑因子”字段 |
(*) 对于当前期段和以后的期段，预测需求将被视为实际需求。
需求预测
没有趋势变化：
FD(t+1) = AV(t)具有线性趋势变化：
FD(t+1) = FD(t+1) + TF(t)具有递增趋势变化：
FD(t+1) = FD(t+1) * TF(t)具有固定的季节性变化：
FD(t+1) = FD(t+1) + SF(t+1)具有递增季节性变化：
FD(t+1) = FD(t+1) * SF(t+1)其中，
| AV(t) | 按季节进行调整的期段 t 的平均需求 |
| TF(t) | 期段 t 的趋势因子 |
| SF(t+1) | 期段 t+1 的季节性因子 |
| FD(t+1) | 期段 t+1 的需求预测 |
平均预测误差
其中，
| AD(t) | 期段 t 的实际需求 |
| FD(t) | 期段 t 的需求预测 |
| AE(t) | 期段 t 的平均绝对偏差 (MAD) |
| SE(t) | 期段 t 的平均预测误差 (SER) |
| abs(FD(t) - AD(t)) | (FD(t) - AD(t)) 的绝对值 |
| e | “预测误差的平滑因子”字段 |
跟踪信号的计算方法如下：
TS(t) = abs(SE(t)/AE(t)) 其中，
| TS(t) | 跟踪信号 |
| SE(t) | 期段 t 的平均预测误差 (SER) |
| AE(t) | 期段 t 的平均绝对偏差 (MAD) |
| abs(SE(t)/AE(t)) | (SE(t)/AE(t)) 的绝对值 |
注意
如果预测需求 (FD) 始终大于实际需求 (AD)，(SE(t)/AE(t)) 的值将为 1。如果预测需求 (FD) 始终小于实际需求，(SE(t)/AE(t)) 的值将为 -1。跟踪信号为介于 0 和 1 之间的数值。跟踪信号用于指示预测需求是否系统地高于或低于实际需求。
如果选中了“需求预测的跟踪信号”复选框，需求的平滑因子将取决于预测误差。
如果跟踪信号大于“关键跟踪信号”字段的值，LN 将使需求的平滑因子等于跟踪信号。