Options de mappage des mesures pour le moteur de prévisions ATT
Dans l'onglet Mappage de mesures de la page Moteurs de prévisions, vous pouvez définir des options pour le moteur de prévisions ATT.
Reportez-vous à la rubrique Définition du moteur de prévisions ATT.
Ce tableau affiche les options de mappage de mesures :
| Mesure | Description |
|---|---|
| Historique | Mesure qui contient les valeurs d'historique par rapport auxquelles les données de prévision sont générées. |
| Valeur pondérée de la période | Mesure qui contient les données de pondération. La commande de macro CalculatePeriodWeighting est utilisée pour renseigner la mesure de pondération. Les données de pondération de la période sont utilisées pour normaliser l'historique et les données de prévisions. Il s'agit d'un champ requis. |
| Masque d'historique | Mesure qui contient les données du masque d'historique. Cette mesure est utilisée pour indiquer les périodes d'historique qui ne sont pas utilisées pour générer une prévision. Il s'agit d'un champ requis. |
| Prévision | Mesure vers laquelle les données de prévisions statistiques générées par le moteur de prévisions sont transférées. |
| Ecart standard | Mesure vers laquelle les données de déviation standard statistique générées par le moteur de prévisions sont transférées. |
| Niveau | Mesure vers laquelle les données de niveau statistique générées par le moteur de prévisions sont transférées. |
| Croissance | Mesure vers laquelle les données de croissance (tendance) statistique générées par le moteur de prévisions sont transférées. |
| Calcul du modèle en ligne | Mesure à utiliser pour enregistrer le modèle de prévisions en ligne généré par le moteur de prévisions, en utilisant les périodes historiques. |
| Exception d'historique court | Mesure vers laquelle les données d'exception d'historique court pour des combinaisons d'articles ou d'emplacements spécifiés sont transférées. La prévision n'est pas générée pour la combinaison d'articles ou d'emplacements pour cette exception. |
| Exceptions de signal de suivi | Mesure vers laquelle les données d'exception de signal de suivi pour la prévision générée sont transférées. L'exception n'est renvoyée que lorsque l'algorithme par défaut est défini à Holt-Winters, Moindres carrés ou Moyenne mobile. Si la prévision appelle 'Meilleur' (algorithme de prélèvement), l'exception n'est renvoyée que si la prévision générée est basée sur Holt-Winters, Moindres carrés ou Moyenne mobile. Mesure qui reçoit les exceptions de signal de suivi pour la prévision générée. Les périodes > 0 ont une exception de signal de suivi. La valeur 1 est également écrite dans pconst pour indiquer que l'article/l'emplacement possède au moins une exception de signal de suivi dans l'horizon d'exception de suivi. |
| Aberrants | Mesure vers laquelle les données d'exception aberrantes pour la prévision générée sont transférées. L'exception est renvoyée uniquement lorsque l'algorithme par défaut est défini à Moindres carrés. Si la prévision appelle 'Meilleur' (algorithme de prélèvement), l'exception n'est renvoyée que lorsque la prévision générée est basée sur les Moindres carrés. Mesure qui reçoit les exceptions aberrantes pour la prévision générée. Les périodes d'historique > 0 ont une observation aberrante et sont masquées du processus d'adaptation du modèle. La valeur 1 est écrite dans pconst pour indiquer que l'article/l'emplacement a au moins une observation aberrante dans l'horizon d'exception aberrante. |
| Exceptions de modification d'étape | Mesure vers laquelle les données d'exception de changement d'étape pour la prévision générée sont transférées. L'exception n'est renvoyée que lorsque l'algorithme défini est Holt-Winters. Si la prévision appelle 'Meilleur' (algorithme de prélèvement), l'exception n'est renvoyée que lorsque la prévision générée est basée sur les Holt-Winters. Mesure qui reçoit les exceptions de modification d'étape pour la prévision générée. Les périodes > 0 ont une exception de modification d'étape qui indique la première période où un nombre d'observations aberrantes contigües sont observées. La valeur 1 est également écrite dans pconst pour indiquer que l'article/l'emplacement a au moins une exception de modification d'étape dans l'horizon d'exception modification d'étape. |
| Algorithme | Mesure vers laquelle l'algorithme sélectionné par le moteur de prévisions doit être transféré. La valeur de retour peut être l'une des suivantes :
Remarque : Cette commande est surtout applicable lors de l'appel du moteur de prévisions au moyen de l'algorithme Best "(le meilleur").
|
| Coefficient d'auto-corrélation | Mesure vers laquelle la valeur de coefficient de corrélation (mesure de la relation entre deux étapes de prévision) générée par le moteur de prévisions doit être transférée. Si la prévision en deux étapes n'est pas utilisée, cette valeur est zéro. |
| Degrés de liberté | Mesure vers laquelle les degrés de liberté générés par le moteur de prévisions doivent être transférés. Les degrés de liberté représentent la quantité d'informations indépendantes qui doivent être incluses pour l'estimation d'un paramètre dans le calcul final. Cette valeur indique le nombre de points de données à utiliser dans le modèle adapté. Celui-ci n'inclut pas le nombre de points de données dans la fenêtre de démarrage. |
| Facteur d'amortissement de tendance d'historique | Mesure vers laquelle le facteur d'amortissement de tendance d'historique employé par le moteur de prévisions doit être transféré. Il s'agit d'un facteur de correction destiné à réduire l'instabilité des données collectées durant le processus de lissage exponentiel. Cette valeur est un nombre qui est multiplié par la valeur de tendance (taux de croissance) pour le calcul de chaque valeur de prévision à l'instant spécifié. |
| Critère d'information | Mesure vers laquelle le critère d'information employé par le moteur de prévisions doit être transféré. Cette mesure permet de comparer les modèles d'algorithme. |
| Coefficient d'égalisation des niveaux | Mesure vers laquelle le niveau (c.-à-d. le composant, ou constante d'égalisation, du processus de lissage exponentiel servant à générer les prévisions) du coefficient d'égalisation employé par le moteur de prévisions doit être transféré. Le niveau du coefficient d'égalisation (alpha) est sélectionné par fitModelPickingAlgorithm() lorsque le type de moteur de prévisions est Holt-Winters ou que le paramètre Optimiser a la valeur VRAI, et que l'algorithme est Holt-Winters. |
| Valeur P Ljung-Box | Mesure vers laquelle la valeur P Ljung-Box (valeur de test statistique) doit être transférée. Cette valeur sert à tester si les résidus (point d'historique moins la prévision d'une étape d'avance) d'un modèle sont significatifs. |
| Valeur P Ljung-Box significative | Mesure vers laquelle la valeur de l'indicateur précisant dans quelles proportions la valeur P Ljung-Box est significative doit être transférée. Cette valeur détermine à quel point le test Ljung-Box est significatif. |
| Historique d'adaptation de modèle | Mesure vers laquelle les données d'historique employées par le moteur de prévisions dans le processus de spécification de modèle doivent être transférées. |
| Forme de modèle | Mesure vers laquelle le formulaire de modèle employé par la technique de moteur de prévisions sélectionnée doit être transféré. La valeur de retour peut être l'une des suivantes :
|
| Moyenne point mobile | Mesure vers laquelle le nombre de points de moyenne mobile employés par le moteur de prévisions doit être transféré. Lorsque la technique de prévision est Moyenne mobile, il s'agit de la valeur sélectionnée par fitModelPickingAlgorithm(). |
| Exception d'obsolescence | Mesure vers laquelle les données d'exception d'obsolescence générées par le moteur de prévisions sont transférées (obsolescence : terme s'appliquant à un article pour lequel le niveau des ventes et des prévisions est zéro). Indique que le niveau prévu est négatif dans l'horizon de prévision de la période de cycle. Cette valeur est le niveau projeté une fois la croissance correspondante appliquée à chaque niveau de la période future de l'horizon de période du cycle. Les modifications d'étape ou l'amortissement de croissance ne sont pas inclus dans le calcul. |
| Coefficient d'égalisation saisonnière | Mesure vers laquelle le coefficient d'égalisation saisonnière employé par le moteur de prévisions doit être transféré. Ce type de composant périodique est mis à profit dans les techniques d'égalisation et d'analyse des séries chronologiques servant à générer les prévisions. Le coefficient d'égalisation saisonnière (gamma) est sélectionné par fitModelPickingAlgorithm() lorsque le type de moteur de prévisions est Holt-Winters ou que le paramètre Optimiser a la valeur VRAI, et que l'algorithme est Holt-Winters. |
| Type saisonnier | Mesure vers laquelle le type saisonnier employé par le moteur de prévisions doit être transféré. Ce type de composant périodique est mis à profit dans les techniques d'égalisation. La valeur de retour peut être l'une des suivantes :
|
| Indices saisonniers | Indique, le cas échant, la mesure qui reçoit les indices saisonniers pour le modèle. Ceci représente la mesure dans laquelle la moyenne tend à être supérieure ou inférieure à la valeur attendue pour une période donnée. Le type d'indices saisonniers générés s'affiche sur l'écran Type et modèle saisonniers. Les modèles saisonniers ADDITIVE sont des valeurs absolues qui sont ajoutés aux niveaux plus la croissance. Les modèles MULLTIPLICATIVE sont des multiplicateurs où le niveau plus la croissance sont multipliés par l'indice saisonnier. Génère des valeurs "n" où "n" représente la périodicité ou les observations pour l'année. Par exemple, si les données mensuelles sont prises en compte, il y a 12 indices saisonniers distincts, c'est-à-dire un par mois. |
| Probabilité d'événement SMP | Mesure vers laquelle la probabilité d’événement SMP (ou temps moyen entre les arrivées) pour les valeurs de demande supérieures à zéro issues de l’algorithme Crostons doit être transférée. S'il ne s'agit pas d'un article SMP (pièce à faible rotation), ce paramètre n'est pas renseigné et retourne donc la valeur 0. |
| Type de signal de suivi | Mesure vers laquelle le type de signal de suivi employé par le type de moteur de prévisions sélectionné doit être transféré. Ce signal permet de contrôler toutes les prévisions générées pour les comparer avec les résidus et émettre un avertissement en cas de manque imprévu dans les résultats de prévision. La valeur de retour peut être l'une des suivantes :
|
| Coefficient d'égalisation des tendances | Mesure vers laquelle le coefficient d'égalisation des tendances utilisé par le moteur de prévisions doit être transféré. L'égalisation des tendances est mise à profit dans les techniques d'égalisation et d'analyse des séries chronologiques servant à générer les prévisions. Le coefficient d'égalisation des tendances (beta) est sélectionné par fitModelPickingAlgorithm() lorsque le type de moteur de prévisions est Holt-Winters ou que le paramètre Optimiser a la valeur VRAI, et que l'algorithme est Holt-Winters. |
| Type de combinaison | Indique le type de combinaison utilisé par le moteur. Valeurs de retour possibles :
|
Options de mappage de mesures supplémentaires :
Reportez-vous à la rubrique Mappage de mesures pour l'algorithme de régression multiple.
Ce tableau affiche les mesures de modélisation d'événement :
| Mesure | Description |
|---|---|
| Taille d'événement moyenne | Mesure à laquelle la taille d'événement moyenne en unités d'articles est ajoutée lors de l'exécution de la modélisation. Ceci s'applique lorsque Effectuer une modélisation d'événement = VRAI.
|
| Evénements | Mesure à laquelle les données de profil d'événements doivent être ajoutées. Un profil d'événements contient l'historique et les futurs ratios pour les périodes définies par l'utilisateur. Ceci est obligatoire lorsque Effectuer une modélisation d'événement = VRAI.
Le profil d'événements indique l'historique et les périodes de prévision qui stockent la "magnitude d'événement", laquelle représente le nombre d'événements inclus dans une période d'historique (ce qui diffère de la taille d'événement). Ces données sont transférées vers le moteur de prévision pour la modélisation d'événement permettant de créer la taille d'événement moyenne, l'historique de niveau de base et la prévision. |