Prognosefehler und saisonale Korrelation
Nachdem LN die Bedarfsprognose für einen Planartikel errechnet hat, bestimmt LN die Prognosefehler und eine eventuelle saisonale Korrelation.
LN berechnet die folgenden Felder im Programm Planartikel - Prognoseeinstellungen (cpdsp1110m000):
- Durchschnittlicher Prognosefehler (AFCE)
- Mittlere absolute Abweichung (MAD)
- Mittlere relative Abweichung (MRD)
- Standardabweichung (SDEV)
- Saisonaler Korrelationsfaktor (COR)
Die Berechnungen beruhen auf den nachstehenden Formeln.
Durchschnittlicher Prognosefehler
AFCE = sum(BP(t) - TaB(t)) / n| AFCE | das Feld Durchschnittlicher Prognosefehler |
| sum() | die Summe für alle Perioden aus der Historie |
| BP(t) | die Bedarfsprognose für Periode t |
| TaB(t) | der tatsächliche Bedarf für Periode t |
| n | die Anzahl der Perioden aus der Historie |
Mittlerer absoluter Prognosefehler
MAD = sum(abs(BP(t) - TaB(t))) / n| MAD | das Feld Mittlere absolute Abweichung |
| sum() | die Summe für alle Perioden aus der Historie |
| abs(BP(t)-TaB(t)) | absoluter Wert von (BP(t)/TaB(t)) |
| BP(t) | die Bedarfsprognose für Periode t |
| TaB(t) | der tatsächliche Bedarf für Periode t |
| n | die Anzahl der Perioden aus der Historie |
Mittlerer relativer Prognosefehler
MRD = sum(100 * abs((BP(t) - TaB(t))) / TaB(t)) / n| MRD | Mittlere relative Abweichung |
| sum | die Summe für alle Perioden aus der Historie |
| BP(t) | die Bedarfsprognose für Periode t |
| TaB(t) | tatsächlicher Bedarf für Periode t |
| n | die Anzahl der Perioden aus der Historie |
Standardabweichung des Prognosefehlers
SDEV = sqr(sum(((BP(t) - TaB(t)) - AFCE)^2) / (n - 1))| SDEV | das Feld Standardabweichung |
| sqr() | die Quadratwurzel |
| sum() | die Summe für alle Perioden aus der Historie |
| BP(t) | die Bedarfsprognose für Periode t |
| TaB(t) | der tatsächliche Bedarf für Periode t |
| AFCE | der mittlere absolute Prognosefehler |
| n | die Anzahl der Perioden aus der Historie |
Saisonale Korrelation
LN bestimmt die Standardabweichung vom tatsächlichen Bedarf für zwei Datenmengen. Die Datenmenge 1 besteht aus den Perioden von der ersten bis zur letzten Periode abzüglich der Saisonlänge (in Perioden). Die Datenmenge 2 besteht aus den Perioden von der ersten Periode nach der Saisonlänge in Perioden bis zur letzten Periode. Die Datenmenge 2 ist also im Vergleich zur Datenmenge 1 um eine Saisonlänge verschoben.
Die folgende Abbildung verdeutlicht dies für eine Saisonlänge von einem Monat.
| A | Datenmenge 1 |
| B | Datenmenge 2 |
| 1 | Januar |
| 2 | Februar |
| 3 | März |
| 4 | April |
| 5 | Mai |
Standardabweichungen:
StA1 = sqr(sum(((TdB(t) - TdB1)^2) / (m - 1)); StA2 =
sqr(sum(((TdB(t+L) - TdB2)^2) / (m - 1))| StA1 | die Standardabweichung für Datenmenge 1 |
| StA2 | die Standardabweichung für Datenmenge 2 |
| sqr() | die Quadratwurzel |
| sum() | die Summe für alle Perioden aus der Historie |
| TdB(t) | der trend-angepasste tatsächliche Bedarf für Periode t (*) |
| TdB1 | der trend-angepasste durchschnittliche Bedarf für Datenmenge 1 (*) |
| TdB2 | der trend-angepasste durchschnittliche Bedarf für Datenmenge 2 (*) |
| L | die Dauer der Saison in Perioden |
| m | die Anzahl der Perioden in der Historie abzüglich der Saisondauer in Perioden |
LN ermittelt den Kovarianzfaktor für zwei Datenmengen.
(*) Weitere Informationen zur Berechnung des trendangepassten durchschnittlichen Bedarfs finden Sie unter Prognoseverfahren: Polynomische Regression.
KVF = sum((TdB(t) - TdB1) x (TdB(t+L) - TdB2) / (m - 1))| KVF | Kovarianzfaktor |
| sum | die Summe aller Perioden abzüglich der Saisondauer in Perioden |
| TdB(t) | der trend-angepasste tatsächliche Bedarf für Periode t |
| TdB1 | der trend-angepasste durchschnittliche Bedarf für Datenmenge 1 |
| TdB2 | der trend-angepasste durchschnittliche Bedarf für Datenmenge 2 |
| L | die Dauer der Saison in Perioden |
| m | die Anzahl der Perioden in der Historie abzüglich der Saisondauer in Perioden |
Abschließend wird der saisonale Korrelationsfaktor wie folgt berechnet:
COR = KVF / (StA1 x StA2)| COR | das Feld Saisonaler Korrelationsfaktor |
| KVF | Kovarianzfaktor |
| StA1 | Standardabweichung für Datenmenge 1 |
| StA2 | Standardabweichung für Datenmenge 2 |