(이 기사는 Yamaguchi Yudai, Yukimoto Akira, Izumi Keisuke 및 Kobashi Shigenobu가 작성했습니다모든 그림 제조업체의 작업' = Diamond Inc, 2021 년 9 월 29 일 출판 = 일부 발췌문 및 편집)
특수 시계열 모델
수요는 다양한 안전 슬롯사이트 모델을 사용할 수있는 세 가지 요소로 광범위하게 분류 될 수 있습니다 (그림 2-2)
- 계절성: 주기적으로 반복 된 패턴
- 트렌드: 레벨이 바뀌는 방향
- 노이즈: 랜덤 변형
과거의 판매 데이터를이 세 가지 요소로 분류하고 무작위로 안전 슬롯사이트할 수없는 노이즈없이 두 개를 늘리는 이미지의 안전 슬롯사이트 모델Holt Winters Model(Holt-Winters Model)라고하며 기존 제품에 대한 수요 안전 슬롯사이트을 이해하기에 적합합니다
demand = (마지막 레벨 + 미래까지 x 트렌드를 안전 슬롯사이트할 때까지) x 미래의 계절성
()는 안전 슬롯사이트을 원하는 미래까지의 레벨 변경을 나타냅니다 아이디어는 미래 시점에서 수요를 안전 슬롯사이트하기 위해 계절에 따라 이것을 곱하는 것입니다 직관적으로 이해하기 쉽고 동시에 수요의 특성을 이해할 수 있습니다 추가를 통해 계절성을 표현하는 버전도 있습니다
이 수준, 추세 및 계절성을 계산하는 데 사용되는 것지수 스무딩(지수 스무딩), 미국 해군 연구에서 고안된 방법 지수 평활 방법의 기본 공식은 다음과 같습니다
새로운 안전 슬롯사이트 값 = 이전 안전 슬롯사이트 값 +α (마지막 이전 - 마지막 이전 안전 슬롯사이트 값)
개념은 특정 안전 슬롯사이트 값에 대한 실제 결과와의 편차에 따라 다음 안전 슬롯사이트 값을 수정하는 것입니다 이것은 사람의 생각과 비슷합니다 성능이 안전 슬롯사이트보다 높으면 다음 안전 슬롯사이트을 업그레이드하고 싶을 것입니다 지수 평활화는이 생각의 표현이라고 말할 수 있습니다
이 공식은 다음과 같이 변환 할 수 있습니다 :
안전 슬롯사이트 값 = α × 실제 성능 +α (1-α) × 실제 성능 +α (1-α)^2 × 실제 성능 +
α는 1 미만의 양수이며 계수가 낮을수록 방정식의 끝에 더 많이 도달합니다 다시 말해, 평균 값은 가장 최근의 성능 (가중 평균)을 기반으로 가중치로 계산됩니다 (단순한) 이동 평균은 동일한 무게입니다
Holt Winters 모델은 지수 스무딩을 사용하여 레벨, 계절성 및 트렌드를 나타냅니다 지수 평활 방법의 조합은이중 지수 스무딩 방법(다중 스무딩)트리플 지수 스무딩 방법호출됩니다
차이 아이디어에 추가 arima 모델(자동 회귀 정수-게이트 이동 평균) 계절성을 고려할 수있는계절 알리 -MA 모델다른 사람들은 종종 수요 안전 슬롯사이트 시스템에서 구현됩니다
그렇지 않으면, 높은 수요의 간격과 규모는 지수 평활 방법을 사용하여 표현됩니다크로스턴 모델및 지수 스무딩은 다양한 시계열 모델의 기초입니다 지수 스무딩 방법 자체는 계절성이나 추세를 표현할 수 없으며 알파를 결정하기가 어렵 기 때문에 수요 안전 슬롯사이트 관행에 거의 사용되지 않습니다 그러나 다양한 모델의 기초가되는 것은 매우 중요한 아이디어입니다
수요 안전 슬롯사이트을위한 복잡한 모델이 필요합니까?
정교한 안전 슬롯사이트 모델이 항상 비즈니스에 효과적인 것은 아닙니다 해외 연구에 따르면 고급 수학을 사용하는 복잡한 안전 슬롯사이트 모델은 안전 슬롯사이트 정확도 향상에 기여하지 않으며 일부 제품에 대해 간단한 안전 슬롯사이트 방법이 더 정확합니다 물론,최적의 안전 슬롯사이트 논리는 업계 및 비즈니스 환경과 같은 다양한 요인에 따라 변경
시계열 모델 외에도 수요 사이의 인과 관계를 모델링하는 개념도 있습니다 수요를 일으키는 요인이 가정되고 수요에 미치는 영향 정도는 회귀 분석을 통해 추정됩니다 이것은인과 모델(인과 관계)라고하지만 변수가 많을수록 모델이 더 복잡해집니다
원인 요소 사이에 어떤 종류의 관계가있을 수 있기 때문에,이를 구성하고 표현하기가 쉽지 않습니다 예를 들어, TV 광고와 특별 소매점 인 두 가지 프로모션이있을 때 수요에 큰 영향을 미치는 제품이 있다고 가정 해 봅시다 현재 TV 광고가 출시 될 링크가 발생할 가능성이 높습니다 다시 말해, 수요를 유발하는 요인은 관련이 없을 수 있습니다 변수가 많을수록 이러한 관계가 더 복잡해지고 모델에서 표현하기가 어려워집니다
그리고이 모델에서 인과 관계를 표현하면 각 요소가 주문에 대한 각 요소의 영향은 올바르게 추정되지 않습니다 결과,더 많은 변수가있는 겉보기 고급 모델을 만들더라도 각 변수의 영향의 신뢰성이 낮습니다트렌드가 지적되었으며 안전 슬롯사이트 정확도가 반드시 높을 필요는 없습니다
사람들은 복잡한 안전 슬롯사이트 모델을 더 높은 정확도로 생각하는 경향이있는 것 같습니다 이것은이 책에서 약간 소개 된 시계열 모델이 불필요하다는 것을 의미하지는 않지만, 예를 들어, 전년 대비 단순한 수요 안전 슬롯사이트도 속도와 이해력이 중요한 비즈니스에서도 매우 효과적입니다
그러나 과거 데이터가 풍부한 기존 제품의 경우에도 2020 년 COVID-19 감염의 확산과 같은 외부 환경에 큰 변화가 있거나 불규칙적으로 유지되는 프로모션을 고려하고 있다면 통계를 사용하여 데이터를 적절히 분석해야합니다
*이미지를 클릭하여 Amazon으로 점프