预测误差和季节相关性
LN 在计算出某计划物料的需求预测之后，LN 便可确定预测误差和任何季节相关性。
LN 将在“按计划物料列出的预测设置 (cpdsp1110m000)”进程中计算下列字段：
- “平均预测误差”(AFCE)
- “平均绝对偏差”(MAD)
- “平均相对偏差”(MRD)
- “标准偏差”(SDEV)
- “季节性相关因子”(COR)
具体计算公式如下：
平均预测误差
AFCE = sum(FD(t) - AD(t)) / n| AFCE | “平均预测误差”字段 |
| sum() | 所有历史期段的总和 |
| FD(t) | 期段 t 的预测需求 |
| AD(t) | 期段 t 的实际需求 |
| n | 历史期段数 |
平均绝对预测误差
MAD = sum(abs(FD(t) - AD(t))) / n| MAD | “平均绝对偏差”字段 |
| sum() | 所有历史期段的总和 |
| abs(FD(t) - AD(t)) | (FD(t) - AD(t)) 的绝对值 |
| FD(t) | 期段 t 的预测需求 |
| AD(t) | 期段 t 的实际需求 |
| n | 历史期段数 |
平均相对预测误差
MRD = sum(100 * abs((FD(t) - AD(t))) / AD(t)) / n| MRD | “平均相对偏差” |
| sum | 所有历史期段的总和 |
| FD(t) | 期段 t 的预测需求 |
| AD(t) | 期段 t 的实际需求 |
| n | 历史期段数 |
预测误差的标准偏差
SDEV = sqr(sum(((FD(t) - AD(t)) - AFCE)^2) / (n - 1))| SDEV | “标准偏差”字段 |
| sqr() | 平方根 |
| sum() | 所有历史期段的总和 |
| FD(t) | 期段 t 的预测需求 |
| AD(t) | 期段 t 的实际需求 |
| AFCE | 平均预测误差 |
| n | 历史期段数 |
季节相关性
LN 将根据两个数据集的实际需求确定标准偏差。数据集 1 包括的期段为第一期至最后一期，再减去以期段为单位的季节长度。数据集 2 包括自以期段为单位的季节长度之后的第一期起至最后一期的所有期段。换言之，与数据集 1 相比，数据集 2 为后移一个季节长度。
下图说明季节长度为一个月的数据集的划分情况。
| 实际 | 数据集 1 |
| B | 数据集 2 |
| 1 | 一月 |
| 2 | 二月 |
| 3 | 三月 |
| 4 | 四月 |
| 5 | 五月 |
标准偏差：
SDV1 = sqr(sum(((DM(t) - DM1)^2) / (m - 1)) SDV2 =
sqr(sum(((DM(t+L) - DM2)^2) / (m - 1))| SDV1 | 数据集 1 的标准偏差 |
| SDV2 | 数据集 2 的标准偏差 |
| sqr() | 平方根 |
| sum() | 所有历史期段的总和 |
| DM(t) | 按趋势进行调整的期段 t 的实际需求 (*) |
| DM1 | 按趋势进行调整的数据集 1 的平均需求 (*) |
| DM2 | 按趋势进行调整的数据集 2 的平均需求 (*) |
| L | 季节长度（以期段数为单位） |
| m | 历史期段数减去以期段数为单位的季节长度 |
LN 决定两个数据集的协方差因子。
(*) 有关按趋势进行调整的平均需求的计算方法，请参见预测方法：多项式回归。
COV = sum((DM(t) - DM1) x (DM(t + L) - DM2) / (m - 1))| COV | 协方差因子 |
| sum | 所有期段的总和减去以期段数为单位的季节长度 |
| DM(t) | 按趋势进行调整的期段 t 的实际需求 |
| DM1 | 按趋势进行调整的数据集 1 的平均需求 |
| DM2 | 按趋势进行调整的数据集 2 的平均需求 |
| L | 季节长度（以期段数为单位） |
| m | 历史期段数减去以期段数为单位的季节长度 |
最后，按以下公式计算季节相关性因子：
COR = COV / (SDV1 x SDV2)| COR | “季节性相关因子”字段 |
| COV | 协方差因子 |
| SDV1 | 数据集 1 的标准偏差 |
| SDV2 | 数据集 2 的标准偏差 |