浅谈SAP系统的预测模型与预测公式

在之前已经有多篇博文从多个角度对SAP系统的MRP功能进行过分析的情况下，从本篇博文起，我们将开始探讨SAP系统中一个很不常用的物料计划功能-- 预测（Forecast）。

物料计划是PP模块的一个重要组成部分，其核心要素在于通过不同的方式，对未来一段时间内预期的物料需求进行提前计划，从而根据相应的提前期进行有条不紊的生产与采购活动。在众多的物料计划方式中，MRP无疑是应用最为广泛的一种，这是因为MRP这种物料需求的计划方式逻辑清晰、容易理解、易于使用，且 MRP的顺利运行无需过多过严苛的先决条件。同时，MRP的运算逻辑本身也十分合理、在功能上也强大，为企业物料计划员所广为接受。

从本质上讲，MRP的物料计划方式是一种根据未来需求推算未来需求、以及根据未来需求推算未来供给的过程。无论如何，我们一定要事先通过某种方式（如计划独立需求、销售订单）将未来的物料需求给到系统，而后系统才能根据这些需求进行一系列的MRP运算。这样一来，当我们使用MRP的时候，就必须要花费一定的工作量，找到一些可行的方法，将未来的物料需求输入到系统中。因此可以说，虽然MRP的运行在很大程度上降低了计划员的工作量，但由于MRP本身以物料需求的输入作为前提条件，则维护物料需求的工作量就是不可避免的。

在SAP系统中，除了最经典的MRP运算方式之外，还存在着另外一种物料计划方式，这就是预测（Forecast）。与MRP所不同的是，预测功能的本质是根据过去的物料消耗值来推算未来的物料消耗值（即物料需求）。在这种情况下，我们无需在系统中输入物料在未来的预期需求，系统就会直接根据物料在历史上的消耗数据，自动推算出未来的物料需求。

可以看出，预测功能在SAP系统中是一项非常高级与深入的功能，它可以实现物料需求推算的自动化、进而实现物料供给推算的自动化。我们再也不需绞尽脑汁地去设想物料在未来的需求数据了，系统的自动运算会搞定一切。

然而，虽然预测功能是如此的高档与智能化，但真正在SAP系统中应用了这一功能的企业却是寥寥无几。这其中最重要的原因就在于预测功能的成功应用需要太多、太复杂的先决条件，而绝大多数企业根本不具备这些先决条件。换句话说，极少有企业能将预测过程中出现的种种复杂与深奥的参数进行量化与固化。

事实上，在预测功能的应用当中，最为核心的部分就是物料需求的推算规则。系统之所以能够依据物料的历史消耗数据推算出物料的未来需求值，靠的就是有一个明确的推算规则。我们需要事先将推算规则赋予给系统，系统才能够在这个规则的基础上依据物料的历史消耗值进行计算。通常而言，我们将这个用于进行预测计算的规则称之为预测模型（Forecast Model），而将这个模型中所量化的计算方法称之为预测公式（Forecast Formula）。

系统在执行预测功能的时候，就是首先从预测模型中提取出预测公式，而后再将物料的历史消耗数据作为公式变量参与到计算中。而计算出的结果就是我们所需要的物料未来消耗值（物料需求）。

因此，物料的历史消耗数据仅仅是预测运算的变量，而预测模型与预测公式则在预测功能的应用中占据了最为核心的位置。选择一个合适的预测模型是成功应用预测功能的必要条件。因为如果模型选得不得当，再丰富的物料历史消耗数据都是没有意义的。而如果我们想要选择好正确的预测模型，就必须要事先对每个预测模型的运算原理、以及预测模型中每个参数所起到的作用有着充分的了解。

正因为预测模型所占据的这种核心地位，本博文系列将会抛开具体的测试案例，专门从数学的角度逐一对SAP系统所提供的各类预测模型以及其中所包含的参数进行分析，力求加深对这些预测模型的理解与掌握，为后续的预测功能测试做好铺垫。虽然从分析内容上来看，本博文系列看上去更像是学术文章而不是技术文档，但这类基于数学意义的分析却是我们未来应用好预测功能的基础。从某种程度上来讲，理解了这些模型与参数，预测功能的研究就算成功了一半。

一、从下篇博文开始，我们将会对SAP系统所提供的各种预测模型进行分析与探讨，它们包括：
        1：移动平均模型--Moving Average Model
        2：加权移动平均模型--Weighted Moving Average Model
        3：一阶指数平滑模型（含季节因子）-- First-Order Exponential Smoothing Model
        3.1：常数模型--Constant Model
        3.2：通用一阶指数平滑模型（含季节因子）-- General First-Order Exponential Smoothing Model
        4：二阶指数平滑模型 -- Second-Order Exponential Smoothing Model

        二、本博文系列中我们还将介绍SAP系统所提供的五大预测值评估标准，它们是：
        1：误差总量--Error Total
        2：初始化预测平均绝对偏差（MAD I）--Mean Absolute Deviation for Forecast Initialization
        3：事后预测平均绝对偏差（MAD II）--Mean Absolute Deviation for Ex-Post Forecast
        4：跟踪信号--Tracking Signal
        5：泰尔系数--Theil Coefficient

三、我们还将探讨SAP系统所提供的预测值修正方法--公差巷（Tolerance Lane）

四、本博文系列中我们还将介绍预测模型中涉及到的五大参数，它们分别是：
        1：α -- alpha （基本平滑因子）
        2：β -- beta （趋势平滑因子）
        3：γ -- gamma （季节平滑因子）
        4：δ -- delta （平均绝对偏差因子）
        5：σ -- sigma （异常控制因子）

浅谈SAP系统的预测模型与预测公式相关推荐

浅谈SAP顾问未来十年在中国的发展前景
浅谈SAP顾问未来十年在中国的发展前景笔者从事SAP咨询行业已经超过15年,对于SAP咨询行业以及SAP咨询顾问职业,笔者至今都保持着刚入行时候的那种看好,那种期待,那种憧憬. 时代在变,环境在变, ...
浅谈SAP咨询行业的衰落
浅谈SAP咨询行业的衰落笔者在SAP咨询行业从业有一些年头了,也服务过将近20个不同行业的大客户.这些客户绝大部分都是世界500强跨国外资企业,也有国内成长起来的在行业里属于头部企业的民营企业.笔者 ...
[原创] 浅谈ETL系统架构如何测试？
[原创] 浅谈ETL系统架构如何测试? 来新公司已入职3个月时间,由于公司所处于互联网基金行业,基金天然固有特点,基金业务复杂,基金数据信息众多,基金经理众多等,所以大家可想一下,基民要想赚钱真不容易 ...
浅谈Android系统进程间通信（IPC）机制Binder中的Server和Client获得Service Manager接口之路
原文地址: http://blog.csdn.net/luoshengyang/article/details/6627260 在前面一篇文章浅谈Service Manager成为Android进程间 ...
《浅谈-Android系统越用反应越慢的问题》
<浅谈-Android系统越用反应越慢的问题> android应用程序和iphone应用程序不一样,用过iphone的都知道,点击图标进入程序后,如果还想用其他程序,必须先按返回退出然后进 ...
浅谈SpaceBuilder系统的缓存机制_缓存思想
在前面的文章中也提及到为了提高系统的性能,SpaceBuilder在内部做了大量的工作,而数据缓存就是其中非常高效的处理方式. 我们知道SpaceBuilder采用了多层架构的处理模式,数据通过业务实 ...
浅谈秒杀系统架构设计
秒杀是电子商务网站常见的一种营销手段. 原则不要整个系统宕机. 即使系统故障,也不要将错误数据展示出来. 尽量保持公平公正. 实现效果秒杀开始前,抢购按钮为活动未开始. 秒杀开始时,抢购按钮可以点 ...
东方木2020浅谈win10系统还原怎么操作
编辑:东方木影院地点:武汉时间:2020年2月14日东方木2020浅谈win10系统还原怎么操作,如果电脑物理内存不足时,会导致工作效率非常的低,我们可以调整win10 32位系统虚拟内存来加快 ...
android 系统升级方法,安卓系统怎么升级浅谈安卓系统更新升级的几种方法
最近有网友问小编"安卓系统怎么升级?",针对该问题,笔者也在网上查找了下相关资料,不过并没有找到什么有价值的相关介绍,多数都是介绍如何自动升级.或者下载升级版包等等方法,对于一些常 ...

浅谈SAP系统的预测模型与预测公式

浅谈SAP系统的预测模型与预测公式相关推荐

最新文章

热门文章