Технология квантильного прогнозирования — система оптимизации товарных запасов

Квантильная технология прогнозирования


Технология прогнозирования » Здесь

Квантильные прогнозы — огромный шаг вперед по сравнению с классическими прогнозами, когда речь идет о товарных запасах.
Обновление за март 2013 г.: вероятностное прогнозирование превосходит квантильные прогнозы (четвертое поколение системы прогнозирования).



Самый известный вид прогнозов - это усредненный прогноз, в котором строго сбалансированы соответствующие вероятности недо- и перепрогнозирования. Прогноз температуры воздуха на следующий день является примером усредненного прогноза. Квантильные прогнозы существенно отличаются, в них намеренно вводится смещение, чтобы была возможность менять вероятности недо- и перепрогнозирования. Квантильные прогнозы представляют собой радикальное улучшение классических прогнозов для многих областей бизнеса, как розничная, оптовая торговля и производство. В марте 2012 Lokad стал первой компанией, предлагающей квантильные прогнозы индустриального уровня. На этой странице представлена информация о важности квантильных прогнозов и их отличие от классических.

Прочие видеоролики

КВАНТИЛЬНЫЕ ПРОГНОЗЫ ЧАСТЬ I
Смотреть на YouTube.

КВАНТИЛЬНЫЕ ПРОГНОЗЫ ЧАСТЬ II
Смотреть на YouTube.


Документация

Управление запасом запасных частей при помощи квантильного прогнозирования (на английском.)

Большинство производителей оборудования и компаний, занимающихся розничной торговлей, в мире работают в условиях жесткой конкуренции, поэтому поддержание высокого уровня обслуживания по существующей клиентской базе является для многих из них стратегическим приоритетом. Тем не менее, эффективное управление запасами запчастей все еще является сложной задачей, вследствие масштабов и непостоянства спроса. В данном документе описываются основные задачи и текущее состояние технологии планирования запасов запчастей, а также, в качестве нового действенного подхода к решению проблемы, предлагаются квантильные прогнозы.






Вступление

Возможно, термин квантильный прогноз, возможно, звучит сложно и есть вероятность того, что вы его раньше никогда не слышали, если, конечно, не занимаетесь статистикой. Тем не менее, квантильные прогнозы повсеместно используются в розничном и производственном бизнесе, без упоминания самого термина. Например, определение точки пополнения запасов является прямым эквивалентом получения квантильного прогноза спроса.

unbalanced scales news for inventory optimization



Несмотря на повсеместное использование квантильных прогнозов в розничной торговле и производстве, они пока получили довольно мало внимания на рынке. Самым простым объяснением является, что в индустрии программного обеспечения поддержка квантильных прогнозов практически не осуществлялась. Тем не менее, с приходом в эту сферу Lokad, нельзя больше не принимать во внимание эту важную часть технологии.

Для чего нужно прогнозирования спроса?

Для понимания полезности квантильных прогнозов для розничного продавца или производителя, нам нужно вернуться к вопросу, зачем вообще нужны прогнозы. Прогнозирование спроса важно, чтобы в нужное время обеспечить необходимый уровень ресурсов, таких как товарные запасы, персонал или денежные средства.

Тем не менее, соответствие уровня спроса и необходимого уровня ресурсов обычно является очень несимметричной проблемой: затраты, связанные с переизбытком ресурсов (т.е. перепрогнозированием) могут значительно отличаться от затрат в связи с недостатком ресурсов (т.е. недопрогнозированием).

Например:
  • Розничные продуктовые магазины обычно стремятся к вероятности обслуживания 95% и выше (т.е. очень низкому уровню дефицита). В этом случае предполагается, что дополнительные издержки, связанные с отсутствием в наличии товара, значительно больше дополнительных издержек в связи с наличием дополнительного количества товара.
  • Производители автомобилей все чаще вынуждены стремиться к снижению затрат на производство. В результате, некоторые производители придерживаются стратегии нулевых товарных запасов, и, следовательно, нулевого наличия машин для продажи, когда все машины производятся по заказу после предоплаты. В этой ситуации считается, что дополнительные издержки, связанные с хранением готового товара превосходят издержки, связанные с отсутствием товара для продажи.

Таким образом, для компаний обычно не выгодно размещать свои ресурсы, основываясь на данных обычных усредненных прогнозов спроса, потому что уделять 50% времени малому количеству ресурсов не отражает реальной ситуации в бизнесе. Следовательно, компании намеренно вводят смещение в распределение своих ресурсов, чтобы отразить характерную для их бизнеса асимметрию. Основная характеристика квантильных прогнозов - это лучшее поведение в ситуации асимметрии.


Определение: квантильный прогноз (τ, λ), где τ (тау) - это целевая вероятность, λ (лямбда)- это горизонт, выраженный в днях, представляет прогноз спроса на λ следующих дней с вероятностью τ оказаться больше будущего спроса (и следовательно, с вероятностью 1-τ оказаться ниже будущего спроса).

Экстраполированные квантильные прогнозы и когда они не работают

Квантильные прогнозы известны уже на протяжении десятилетий, тем не менее, применение оригинальной модели квантильного прогноза часто считается намного более сложным, чем использование модели усредненного прогноза. В результате основное большинство поставщиков услуг прогнозирования (*) предлагают только усредненные прогнозы.

(*) Насколько нам известно, в марте 2012 Lokad стал первой компанией, которая предлагает использование настоящей технологии квантильных прогнозов в масшатабах отрасли. Тем не менее, исследовательские прототипы для квантильной регрессии существуют в научных кругах уже несколько десятилетий.

Тем не менее, не смотря на то, что компании нуждаются в квантильных прогнозах, они обычно идут обходным путем, применяя экстраполяцию для получения своих квантильных прогнозов. На практике такой подход состоит из предположения, что для кривой спроса характерно нормальное распределение и внесения некоторой коррекции. Такой способ используется, например, в клссической модели резервного запаса.


Экстраполированные квантильные прогнозы — это классические (усредненные) прогнозы, преобразованные в квантильные методом экстраполяции. Это понятие противоположно понятию оригинального квантильного прогноза, когда статистическая модель непосредственно рассчитывает квантильный прогноз. Экстраполяция опирается на вводимые данные, но в большей степени на распределение, которое определяется а-приори. Это распределение, обычно обычное распределение, обычно является самым слабым звеном в процессе экстраполяции, так как оно отличается от реальной ситуации.

К сожалению, у экстраполяции есть серьезные недостатки в трех наиболее распространенных ситуациях:

  • Высокие квантили (т.е. высокая вероятность обслуживания)
  • Нерегулярный спрос
  • Неравномерный спрос (оптовые заказы)

Мы обнаружили, что в этих случаях оригинальная модель квантильного прогноза на 20 и более процентов превосходит лучшие модели экстраполированных прогнозов. Сравнение производится по наилучшим показателям классической и квантильной модели прогнозирования Lokad.

Высокие квантили (высокая вероятность обслуживания)

high quantiles for inventory optimization software

Предположение, что отклонения в прогнозе обычно имеют нормальное распрtделение обычно подходит для квантилей, близких к среднему или срединному значению. Тем не менее, качество приближения снижается в то время как увеличивается желаемое значение в процентах. Мы обнаружили, что для высоких процентных значений,обычно для всех более 90%, экстраполяция сама становится самым слабым звеном в прогнозировании. В таких ситуациях, лучше отдавать предпочтение оригинальной квантильной модели.

Нерегулярный спрос

Для отражения неопределенности экстраполяция пытается построить сглаженную кривую функции будущего спроса. Тем не менее, когда спрос имеет нерегулярный или неравномерный характер, спрос не является сглаженной функцией: для каждого периода (неделя, месяц), для количества продаваемого товара, т.е. наблюдаемого спроса, есть целое число в промежутке, например, от 0 до 5.

intermittent quantiles for inventory optimization software

Исторически сложилось, что многие усредненные модели разрабатывались для лучшей обработки данных при нерегулярном спросе. С точки зрения квантильной технологии очевидно, что чем такая проблема, тем меньше вероятность, что усредненный прогноз будет правильно экстраполирован в точный квантильный прогноз в случае нерегулярного спроса. В противовес этому, оригинальные квантильные прогнозы могут полностью подойти под модель спроса малых целых чисел.

Неравномерный спрос (оптовые заказы)

Когда есть оптовые заказы, кривая спроса имеет игольчатую форму. Эта форма отражает тот факт, что небольшое количество заказов составляют большую часть общего спроса. Однако, в отличие от ситуации с нерегулярным спросом, значение спроса всегда больше нуля, а спрос, проходящий через неотъемлемые значения играет незначительную роль. Важнейшим недостатком усредненных прогнозов является тот факт, что они оказываются не в состоянии правильно спрогнозировать эти всплески в будущем.

Проще говоря, существует два подхода к работе со всплесками:

  • Удалить эти значения, если компания считает, что они не стоят перераспределения ресурсов.
  • Адаптировать подготовленные ресурсы, чтобы с ними справиться, или по крайней мере справиться с определенной частью всплеска.


spiky quantiles for inventory optimization software

В обоих случаях, усредненные прогнозы ведут себя не лучшим образом: экстраполированные значение квантилей остаются слишком низкими в момент пика, и в то же время они переоценивают количество ресурсов необходимое в момент спада. Оригинальные квантильные прогнозы обрабатвают пиковые значения намного более прямо и точно.





Оригинальные квантильные прогнозы Lokad

Lokad предоставляет полностью автоматизированый онлайн сервис, принимающий данные на обработку и возвращающий квантильные прогнозы, каждое значение в которых соответствует своему горизонту и желаемому значению в процентах (соответственно сроку поставки и вероятности обслуживания при оптимизации товарных запасов). Экстраполяция не требуется.

Для использования квантильного процесса прогнозирования не требуется знаний по статистике. На практике, большинство компаний используют наше веб-приложение для получения оптимального значения точек пополнения запасов; а это значение и является квантильным прогнозным значением относительно товарных запасов.

Для каждого временного ряда квантильный прогноз - это единственное значение переменной. В отличие от усредненных прогнозов, квантильные прогнозы обычно не представляются в виде кривой, изменяющейся со временем, и которая продолжает кривую прошлых значений в будущее.

Квантильные прогнозы ведут себя иначе с точки зрения статистики, хотя фундаментальные модели поведения спроса остаются прежними: тренд, сезонность, жизненный цикл товара, рекламные акции... Все модели, которые поддерживаются нашей классической технологией прогнозов также поддерживаются нашей квантильной технологией прогнозов.

Классические (усредненные) прогнозы в сравнении с квантильными

С точки зрения математики, квантильные прогнозы представляют обобщение классического понятия прогнозов. С практической точки зрения, квантильные прогнозы обычно превосходят (являются более точными) для большинства ситуаций в бизнесе, когда риски переоценки и недооценки спроса не являются равнозначными.

Вместе с тем, квантильные прогнозы также являются менее читаемыми и менее понятными. Следовательно, классические прогнозы остаются для управленцем важнейшим инструментом оценки развития бизнеса.

Мы не планируем отказываться от классических прогнозов. Фактически все наши разработки в сфере технологии прогнозов находят применение для обоих подходов. Квантильные прогнозы являются для нас шансом улучшить понимание поведения спроса с точки зрения статистики. Нашей первой по приоритетности задачей остается обеспечение более точных прогнозов.