Prognose 4.0 mit probabilistischen Vorhersagen
Vor etwas mehr als einem Jahr haben wir Quantilgitter als unsere Prognosetechnologie der Version 3.0 vorgestellt. Lokad ist mehr denn je bestrebt, die besten Prognosen zu liefern, die die Technologie hervorbringen kann. Heute ist unsere vierte Generation der Prognosetechnologie, nämlich unser probabilistischer Prognosemotor, live und für alle Kunden in der Produktion verfügbar. Dieser neue Motor besteht aus einer vollständigen Neuentwicklung unseres Prognosetechnologiestacks und löst viele langjährige Herausforderungen, mit denen wir konfrontiert waren.
Wahre Wahrscheinlichkeiten
Die Zukunft ist unsicher, egal wie gut die Prognosetechnologie ist. Als Lokad sich 2012 erstmals mit der Quantilprognose befasste, wurde schnell klar, dass Ungewissheit nicht wie bei klassischen Prognoseansätzen ignoriert werden sollte, sondern vielmehr akzeptiert werden sollte. Einfach ausgedrückt konzentrieren sich die Kosten der Supply Chain auf die statistischen Extremwerte: Es ist die überraschend hohe Nachfrage, die zu Bestandsausfällen führt, und die überraschend niedrige Nachfrage, die zu totem Bestand führt. Dazwischen läuft die Supply Chain in der Regel recht reibungslos.
Mit Quantilgittern lieferte Lokad eine viel feinere Vision möglicher zukünftiger Ergebnisse. Wie der Name schon sagt, wurden unsere Quantilgitter auf der Grundlage unserer Quantilprognosen erstellt, tatsächlich mehrere Schichten von Quantilen. Diese Quantilgitter erwiesen sich im letzten Jahr als enorm nützlich, aber während unser Prognosemotor Wahrscheinlichkeiten lieferte, arbeitete intern fast die gesamte Logik nicht direkt mit Wahrscheinlichkeiten. Die von uns berechneten Wahrscheinlichkeiten waren ein Nebenprodukt eines Quantilprognose-Systems.
Aufgrund dieser quantilen Wurzeln hatte unser Prognosemotor 3.0 mehrere subtile Einschränkungen. Und obwohl die meisten dieser Einschränkungen für Kunden zu subtil waren, wurden sie vom F&E-Team von Lokad nicht ignoriert. Daher haben wir uns entschlossen, unsere gesamte Prognosetechnologie mit einer echten, nativen probabilistischen Prognoseperspektive neu zu starten. Und so begann der Prognosemotor 4.0.
Durchlaufzeit Prognose
Durchlaufzeiten werden häufig als gegeben angesehen. Während vergangene Durchlaufzeiten bekannt sind, können zukünftige Durchlaufzeiten nur geschätzt werden. Lokad hatte jahrelang die Herausforderung unterschätzt, die zukünftigen Durchlaufzeiten genau zu approximieren. Durchlaufzeiten sind subtil: Die meisten statistischen Muster, wie Saisonalität (und insbesondere das chinesische Neujahr), die sich auf die Nachfrage auswirken, wirken sich auch auf die Durchlaufzeit aus.
In unserem Prognosemotor 4.0 haben Durchlaufzeiten einen besonderen Stellenwert mit ihrem eigenen Durchlaufzeit-Prognosemodus erhalten. Durchlaufzeiten profitieren nun von dedizierten integrierten Prognosemodellen. Natürlich sind Durchlaufzeitprognosen in unserem Motor ein Verteilung von Wahrscheinlichkeiten, die mit einem unsicheren Zeitraum verbunden sind.
Integrierte Nachfrageprognose
Durchlaufzeiten variieren, und dennoch war unser Prognosemotor 3.0 auf feste Durchlaufzeiten beschränkt. Aus traditioneller Sicht geht die klassische Sicherheitsbestands-Analyse davon aus, dass die Durchlaufzeit einer Normalverteilung folgt, während fast alle von uns durchgeführten Messungen darauf hinweisen, dass variable Durchlaufzeiten eindeutig nicht normalverteilt sind. Während unsere Experimente routinemäßig zeigten, dass eine feste Durchlaufzeit besser war als ein fehlerhaftes Modell, war es dennoch keine vollkommen zufriedenstellende Lösung, auf statische Durchlaufzeiten beschränkt zu sein.
Der Prognosemotor 4.0 führt das Konzept der integrierten Nachfrageprognose ein, wobei integriert bedeutet, dass die Prognose über die Durchlaufzeit integriert wird. Der Motor nimmt eine vollständige Verteilung von Durchlaufzeitwahrscheinlichkeiten und erzeugt die entsprechende probabilistische Nachfrageprognose. In der Praxis wird die Durchlaufzeitverteilung auch vom Prognosemotor berechnet, wie zuvor gesehen. Die integrierte Nachfrageprognose bietet schließlich eine zufriedenstellende Antwort auf die Herausforderung, mit variablen Durchlaufzeiten umzugehen.
Neue Produkte Prognose
Die Prognose der Nachfrage für neue Produkte ist schlichtweg schwierig. Da sich die Prognose in diesem Fall offensichtlich nicht auf die Verkaufshistorie stützen kann, muss sich der Prognosemotor auf andere vor dem Start des Produkts bekannte Daten verlassen. Unser Prognosemotor 3.0 hatte bereits ein Tags-Framework, das genau auf diesen speziellen Anwendungsfall abzielte. Leider enthielten die Tags nicht so viele Informationen, wie wir es uns gewünscht hätten, und es blieb eine gewisse Genauigkeit auf der Strecke.
Mit der Version 4.0 wird diese spezifische Herausforderung mit der Einführung von Kategorien und Hierarchien überarbeitet. Kategorien und Hierarchien sind ausdrucksstärker und strukturierter als Tags und vermitteln wesentlich mehr Informationen. Der Prognosemotor 4.0 nutzt den vollen Vorteil dieses umfangreicheren Datenframeworks, um genauere Prognosen zu liefern, wobei die Prognose neuer Produkte den akutesten Anwendungsfall darstellt.
Bestandsausfälle und Promotionen
Das Ziel des Prognosemotors besteht darin, die zukünftige Nachfrage vorherzusagen. Unsere Kenntnis der vergangenen Nachfrage ist jedoch in der Regel unvollständig, da nur vergangene Verkäufe wirklich bekannt sind. Verkäufe tendieren typischerweise dazu, eine vernünftige Annäherung an die Nachfrage zu sein, aber Verkäufe sind mit mehreren Verzerrungen verbunden, wobei die häufigsten Fälle Bestandsausfälle und Promotionen sind. Unser Motor 3.0 hatte bereits einige Heuristiken, um mit dieser Verzerrung umzugehen, und Quantilprognosen sind intrinsisch robuster als (klassische) Durchschnittsprognosen. Doch auch hier war die Situation für uns nicht vollständig zufriedenstellend.
Der Motor 4.0 führt den Begriff der verzerrten Nachfrage ein, die entweder zensiert oder aufgebläht sein kann. Wenn die Nachfrage nach einem bestimmten Produkt an einem bestimmten Tag als zensiert markiert ist, teilen wir dem Prognosemotor mit, dass die Nachfrage höher hätte sein sollen und dass die wahre Nachfrage für diesen Tag unbekannt bleibt. Der Motor nutzt diese Informationen, um die Prognosen zu verfeinern, selbst wenn die Historie voller Ereignisse ist, die das Nachfragesignal verzerrt haben.
Extrem seltene Nachfrage
Während Quantilprognosen bei der Schätzung der Wahrscheinlichkeiten seltener Ereignisse klassischen Durchschnitts- oder Medianprognosen weit überlegen sind, zeigen Quantile ihre Grenzen bei der Schätzung von extrem seltenen Ereignissen auf. Zum Beispiel hatten unsere Quantilmodelle Schwierigkeiten, den Verkauf von Artikeln zuverlässig vorherzusagen, die nur einmal oder zweimal im Jahr verkauft werden, sowie den Umgang mit Servicelevels über 98%.
Native probabilistische Modelle, wie sie in unserem Motor 4.0 implementiert sind, verhalten sich bei extrem seltener Nachfrage und “seltenen” Ereignissen im Allgemeinen viel besser. Diese Modelle hätten innerhalb eines Quantilprognose-Frameworks implementiert werden können (eine probabilistische Prognose kann leicht in eine Quantilprognose umgewandelt werden), aber unser Motor 3.0 hatte nicht die Infrastruktur, um sie zu unterstützen. Daher wurden sie stattdessen in den Motor 4.0 implementiert.
In Envision integriert
Die Versionen 2.0 und 3.0 unseres Prognosemotors wurden mit einer webbasierten Benutzeroberfläche geliefert. Auf den ersten Blick schien es einfach zu sein. Die Benutzeroberfläche ließ jedoch den Faktor außer Acht, der die eigentliche Herausforderung bei der Verwendung eines (beliebigen) Prognosemotors darstellt, nämlich die vollständige Kontrolle über die in den Prognosemotor übertragenen Daten zu gewährleisten. Tatsächlich bleibt “Müll rein, Müll raus” ein allzu häufiges Problem.
Der Motor 4.0 ist in Envision integriert, unserer domänenspezifischen Sprache, die auf die quantitative Optimierung für den Handel ausgerichtet ist. Der Aufruf des Prognosemotors erfordert eine Reihe von Datenargumenten, die von einem Envision-Skript bereitgestellt werden. Dieser Ansatz erfordert etwas mehr Aufwand zu Beginn, aber die Produktivitätsvorteile treten schnell ein, sobald Anpassungen an den Eingabedaten vorgenommen werden.
Die Veröffentlichung unseres Prognosemotors 4.0 ist nur der erste Teil einer Reihe wichtiger Verbesserungen, die in den letzten Wochen bei Lokad vorgenommen wurden. Bleiben Sie dran, es gibt noch mehr.
