Opciones de asignación de medidas para el motor de previsiones ATT
Puede seleccionar las opciones en la pestaña Asignaciones de medida de la página Motores de previsiones del motor de previsiones ATT.
Consulte Definición del motor de previsiones ATT.
En esta tabla se muestran las opciones de asignación de medidas:
| Medida | Descripción |
|---|---|
| Historial | Medida que contiene los valores de historial contra los que se generan los datos de previsión. |
| Valor ponderado del período | Medida que contiene los datos del valor ponderado del período. El comando de macro CalculatePeriodWeighting se utiliza para cumplimentar la medida ponderada. Los datos del período de ponderación se utilizan para normalizar el historial y los datos de previsión. Se trata de un campo obligatorio. |
| Máscara del historial | Medida que contiene los datos de la máscara del historial. Esta medida se utiliza para indicar los períodos del historial que no se emplean al generar una previsión. Se trata de un campo obligatorio. |
| Previsión | Medida a la que se transfieren los datos de previsión estadísticos generados por el motor de previsiones. |
| Desviación estándar | Medida a la que se transfieren los datos de desviación estadísticos estándar generados por el motor de previsiones. |
| Nivel | Medida a la que se transfieren los datos de nivel estadísticos generados por el motor de previsiones. |
| Crecimiento | Medida a la que se transfieren los datos (tendencia) de crecimiento estadísticos generados por el motor de previsiones. |
| Adaptar modelo en línea | Medida que se debe usar para almacenar el modelo de previsión en línea, mediante períodos de historial, generado por el motor de previsiones. |
| Excepción de historial breve | Medida a la que se transfieren los datos de la excepción de historial breve de las combinaciones de artículos o ubicaciones indicadas. La previsión no se genera para combinación de artículos o ubicaciones de esta excepción. |
| Excepciones de señal de seguimiento | Medida a la que se transfieren los datos de excepción de señal de seguimiento de la previsión generada. La excepción se devuelve únicamente cuando el algoritmo predeterminado está establecido en Holt-Winters, Mínimos cuadrados o Promedio móvil. Si la previsión llama a Mejor (algoritmo de selección), la excepción se devuelve únicamente cuando la previsión generada está basada en Holt-Winters, Mínimos cuadrados o Promedio móvil. La medida que recibe las excepciones de señal de seguimiento resultantes de la previsión generada. Los períodos >0 tienen una excepción de señal de seguimiento. El valor 1 también se escribe en pconst para indicar que el artículo/ubicación tiene al menos una excepción de señal de seguimiento dentro del horizonte de excepción de seguimiento. |
| Valores atípicos | Medida a la que se transfieren los datos de excepción atípica de la previsión generada. La excepción se devuelve únicamente cuando el algoritmo predeterminado está establecido en Mínimos cuadrados. Si la previsión llama a Mejor (algoritmo de selección), la excepción se devuelve únicamente cuando la previsión generada está basada en Mínimos cuadrados. La medida que recibe las excepciones atípicas resultantes de la previsión generada. El período de historial >0 tiene un valor atípico y se enmascara del proceso de ajuste del modelo. El valor 1 se escribe en pconst para indicar que el artículo/ubicación tiene al menos un valor atípico en el horizonte de excepción atípica. |
| Excepción de cambio por etapas | Medida a la que se transfieren los datos de excepción de cambio por etapas de la previsión generada. La excepción se devuelve únicamente cuando el algoritmo está establecido en Holt-Winters. Si la previsión llama a Mejor (algoritmo de selección), la excepción se devuelve únicamente cuando la previsión generada está basada en Holt-Winters. La medida que recibe las excepciones de cambio por etapas resultantes de la previsión generada. Los períodos >0 tienen una excepción de cambio por etapas que indica el primer período en el que se tiene en cuenta un número de valores atípicos contiguos. El valor 1 también se escribe en pconst para indicar que el artículo/ubicación tiene al menos una excepción de cambio por etapas del horizonte de excepción de cambio por etapas. |
| Algoritmo | Medida a la que se transfiere el algoritmo seleccionado por el motor de previsiones. El valor de retorno puede ser uno de los siguientes:
Nota: Esto se aplica principalmente cuando se llama al motor de previsiones usando el algoritmo Mejor.
|
| Coeficiente de correlación automática | Medida a la que se transfiere el valor del coeficiente de correlación automática (define la medida de relación entre las dos fases de previsión) generado por el motor de previsiones. El valor es cero, si no se utiliza la previsión en dos fases. |
| Grados de libertad | Medida a la que se transfiere el valor de grados de libertad (cantidad de información independiente que se debe incluir para estimar un parámetro en el cálculo final) generado por el motor de previsiones. Este valor indica el número de puntos de datos que se deben usar en el ajuste de modelo que no incluye el número de puntos de datos en la ventana de inicio. |
| Factor de absorción de tendencia del historial | Medida a la que se transfiere el factor de amortiguación de historial (factor de corrección usado para minimizar la inestabilidad en los datos recopilados en el proceso de suavizado exponencial) utilizado por el motor de previsiones. Este valor es un número que se multiplica por el valor de tendencia (tasa de crecimiento) para el cálculo de cada valor de previsión en el momento indicado. |
| Criterio de información | Medida a la que se transfiere el criterio de información usado por el motor de previsiones. Esta medida se utiliza para comparar los modelos de algoritmo. |
| Coeficiente de suavizado de nivel | Medida a la que se transfiere el coeficiente de suavizado de nivel, es decir, el componente (constante de suavizado) en el proceso de suavizado exponencial que se usa para generar previsiones, usado por el motor de previsiones. El coeficiente de suavizado de nivel (alfa) es seleccionado por fitModelPickingAlgorithm(), cuando el tipo de motor de previsiones es Holt-Winters, o cuando el parámetro Optimizar se establece en TRUE (Verdadero), y el algoritmo es Holt-Winters. |
| Valor P Ljung-Box | Medida a la que se transfiere el valor P Ljung-Box (valor de prueba estadístico). Este valor se usa para probar si los valores residuales (punto de historial menos previsión de un paso por delante) de un modelo son significativos. |
| Valor P Ljung-Box significativo | Medida a la que se transfiere el valor del indicador de valor P Ljung-Box significativo. Este valor determina si la prueba de Ljung-Box está en un nivel significativo. |
| Historial de ajuste del modelo | Medida a la que se transfieren los datos de historial usados por el motor de previsiones en el proceso de ajuste de modelo. |
| Formulario modelo | Medida a la que se transfiere el formulario modelo usado por la técnica del motor de previsiones seleccionado. El valor de retorno puede ser uno de los siguientes:
|
| Promedio de punto móvil | Medida a la que se transfiere el número de puntos de media móvil usado por el motor de previsiones. Cuando la técnica de motor de previsiones es Media móvil, indica el valor seleccionado por fitModelPickingAlgorithm(). |
| Excepción de obsolescencia | Medida a la que se transfieren los datos de excepción de obsolescencia (indica que un artículo no tiene ventas, cero previsiones, en el horizonte especificado) desde el motor de previsiones. Esto indica que el nivel previsto es negativo en el horizonte de previsión del período de ciclo. Este valor es el nivel proyectado después de aplicar el crecimiento correspondiente a cada nivel del período futuro en el horizonte del período de ciclo. En este cálculo no se incluyen los cambios por etapas ni la amortiguación del crecimiento. |
| Coeficiente de suavizado estacional | Medida a la que se transfiere el coeficiente de suavizado estacional (tipo de componente periódico usado en la técnica de suavizado, análisis de series de tiempo, que se usa para generar previsiones) usado por el motor de previsiones. El coeficiente de suavizado estacional (gamma) es seleccionado por fitModelPickingAlgorithm(), cuando el tipo de motor de previsiones es Holt-Winters, o cuando el parámetro Optimizar se establece en TRUE (Verdadero), y el algoritmo es Holt-Winters. |
| Tipo estacional | Medida a la que se transfiere el tipo estacional (tipo de componente periódico que se utiliza en la técnica de suavizado) usado por el motor de previsiones. El valor de retorno puede ser uno de los siguientes:
|
| Índices estacionales | Indica la medida que recibe los índices estacionales para el modelo, si procede. Representa hasta qué punto la media de un determinado período tiende a estar por encima (o por debajo) del valor esperado. El tipo de índices estacionales que se generan se muestra en el formulario de modelos y tipos estacionales. Los modelos estacionales añadidos son valores absolutos que se añaden a los niveles más el crecimiento. Los modelos multiplicativos son multiplicadores en los que el nivel más el crecimiento se multiplican por el índice estacional. Genera valores 'n', donde n representa la periodicidad, u observaciones durante el año. Por ejemplo, si se tienen en cuenta los datos mensuales, hay 12 índices estacionales distintos, es decir, uno para cada mes. |
| Probabilidad de evento SMP | Medida a la que se transfiere la probabilidad de evento (tiempo medio entre llegadas) SMP (artículo de baja rotación) de los valores de demanda distintos de cero del algoritmo Crostons. Este parámetro no se rellena (devuelve 0) si el artículo no es un SMP. |
| Tipo de señal de seguimiento | Medida a la que se transfiere el tipo de señal de seguimiento (señal que supervisa las previsiones generadas para compararlas con los valores reales y genera un aviso cuando se identifican salidas inesperadas en los resultados de previsión) usado por el tipo de motor de previsiones seleccionado. El valor de retorno puede ser uno de los siguientes:
|
| Coeficiente de suavizado de tendencia | Medida a la que se transfiere el coeficiente de suavizado de tendencia (tipo de componente usado en la técnica de suavizado, análisis de series de tiempo, que se utiliza para generar previsiones) usado por el motor de previsiones. El coeficiente de suavizado de tendencia (beta) es seleccionado por fitModelPickingAlgorithm(), cuando el tipo de motor de previsiones es Holt-Winters, o cuando el parámetro Optimizar se establece en TRUE (Verdadero), y el algoritmo es Holt-Winters. |
| Tipo de combinación | Indica el tipo de combinación que usa el motor. Posibles valores de retorno:
|
Opciones adicionales de asignación de medidas:
Consulte Asignación de medidas para el algoritmo de regresión múltiple.
En esta tabla se muestran las medidas del modelo de eventos:
| Medida | Descripción |
|---|---|
| Tamaño de evento medio | Medida a la que se añade el tamaño de evento medio, en unidades de artículo, cuando se ejecute el modelo de eventos. Esto es aplicable cuando Realizar modelo de evento = TRUE.
|
| Eventos | Medida a la que se deben añadir los datos de perfil de evento. Un perfil de evento contiene los cocientes históricos y futuros de los períodos definidos por el usuario. Esto es obligatorio cuando Realizar modelo de evento = TRUE.
El perfil de evento indica los períodos de historial y previsión que almacenan la "magnitud del evento", que representa el número de eventos que se incluyen en un período de historial (esto no es lo mismo que el tamaño de evento). Estos datos se transfieren al motor de previsiones para el modelo de eventos, que se usa para crear el tamaño de evento medio, el historial de línea de base y las previsiones. |