Pronóstico de demanda periódico

Pronóstico de demanda periódico











Inicio » Recursos » Aquí

Cuando se habla de la cadena de suministro, un pronóstico periódico hace referencia al pronóstico de demanda tradicional en el que los valores se calculan de acuerdo con un período, generalmente un día, una semana o un mes. Si bien generalmente recomendamos utilizar pronósticos de demanda probabilísticos siempre que sean pertinentes, existen algunas situaciones en las que los pronósticos periódicos son aceptables. El modo de pronóstico periódico de Lokad está pensado para generar pronósticos de series de tiempo diarios.

Sintaxis general

El motor de pronóstico tiene una función específica para los pronósticos diarios periódicos. La sintaxis es la siguiente:

// 'T' es de tipo [Id, *]
table T = forecast.periodic(
  hierarchy: H1, H2, H3, H4
  category: C1, C2, C3, C4
  horizon: 56 // vector numérico en días
  present: (max(Orders.Date) by 1) + 1
  demandDate: Orders.Date
  demandValue: Orders.Quantity
  censoredDemandDate: OOS.Date)

show table "Periodic" with Id
T.ForecastDate
T.Mean
T.Sigma

La tabla T devuelta por el motor de pronóstico no tiene el tipo [Id, Date, *] sino el tipo [Id, *]. Esta es una estipulación impuesta por Envision, y las fechas, del modo en que existen en la tabla `Día` o `Semana`, no pueden introducirse dinámicamente durante la ejecución.

El argumento horizon es un vector numérico —o simplemente un número escalar— que puede definirse para cada artículo. El horizonte se expresa en días. El motor de pronóstico no tiene ninguna dependencia sobre el horizonte: utilizar un horizonte más largo no influye en pronósticos anteriores. El horizonte se utiliza solo para truncar los pronósticos y mantener bajo control la profundidad de detalle de los resultados.

Los demás argumentos son idénticos a sus equivalentes, que introdujimos previamente con los pronósticos de demanda probabilísticos.

Los valores diarios T.Mean devueltos por el motor de pronóstico son fraccionarios, posiblemente menores que 1. Tras bambalinas, el motor de pronóstico utiliza modelos de pronóstico probabilísticos que se proyectan como sus promedios diarios.

Cada valor diario también se asocia con T.Sigma, que representa un cálculo de la raíz cuadrada de la varianza de los pronósticos. La varianza se obtiene como el segundo momento centrado derivado de modo similar del modelo de pronóstico probabilístico calculado por el motor de pronóstico.

Error cuadrático medio

Los pronósticos periódicos diarios calculados por Lokad se optimizar con respecto al error cuadrático medio (ECM), que el motor de pronóstico utiliza como la función de pérdida. Intuitivamente, a través de esta función de pérdida, se espera que los pronósticos estén equilibrados: la masa de los sobrepronósticos debería ser equivalente a la masa de los subpronósticos.

Es notable que utilizar el ECM como pérdida puede generar valores fraccionarios para el pronóstico de la demanda. Por lo tanto, por ejemplo, la demanda diaria proyectada para un producto de baja rotación puede ser un valor entre 0 y 1.

El motor de pronóstico genera pronósticos diarios promedio, que no deberían confundirse con los pronósticos diarios de mediana. Los pronósticos de mediana también están equilibrados, pero de un modo levemente diferente: los pronósticos de mediana equilibrados tiene un 50 % de probabilidad de estar por encima o por debajo de la demanda futura, mientras que los pronósticos promedio tienen un 50 % de masa por encima o por debajo de la demanda futura.

Cuándo utilizar los pronósticos diarios

Los pronósticos periódicos diarios no funcionan bien ni con la demanda intermitente ni con la demanda errática. La limitación es una consecuencia directa de la naturaleza misma de los pronósticos periódicos diarios más que una limitación del motor de pronóstico en sí. Por diseño, los promedios diarios no aportan mucha información sobre la incertidumbre de la demanda en sí. La varianza estimada, que también es devuelta por el motor de pronóstico, de algún modo mitiga un poco este problema, pero la mitigación es superficial.

Por lo tanto, como regla general, sugerimos no utilizar el modo de pronóstico periódico si las series de tiempo de entrada no tienen aproximadamente 10 unidades por día en promedio. Por debajo de las 10 unidades, los métodos de pronóstico probabilístico nativos entregan siempre resultados operativos superiores.