Χαρακτηριστικά
Σε πολλούς τομείς της διαχείρισης της εφοδιαστικής αλυσίδας, οι αναλυτικές μέθοδοι δημιουργούν εκτιμήσεις με «ενοχλητικά δεκαδικά ψηφία». για παράδειγμα, εκτιμήσεις ζήτησης και προγραμματισμός παραγωγής. Η παραδοσιακή μέθοδος για την εξάλειψη των ενοχλητικών δεκαδικών είναι η στρογγυλοποίηση. Ωστόσο, αυτό έχει επίσης ως αποτέλεσμα την απώλεια κρίσιμων πληροφοριών του σωρευτικού ποσού, το οποίο συχνά μπορεί είτε να υποτιμήσει είτε να υπερεκτιμήσει τον φόρτο εργασίας της επιχείρησης. Η μέθοδος κυλιόμενης στρογγυλοποίησης περιορίζει αυτήν την απώλεια πληροφοριών στο 1. Αυτό το ιστολόγιο καταδεικνύει τη σημασία αυτής της μεθόδου και τον τρόπο υπολογισμού αυτών των βελτιωμένων εκτιμήσεων ακεραίων.
Εισαγωγή
Ενώ περνάμε χρόνο με τους «munchkins» (εγγόνια) είναι σαφές γιατί οι θετικοί ακέραιοι αριθμοί (ίσως με μηδέν) αναφέρονται ως φυσικοί αριθμοί. Η μέτρηση είναι διαισθητική. Αυτή η ίδια άνεση εμφανίζεται στη διαχείριση της εφοδιαστικής αλυσίδας. Εάν η μέθοδος πρόβλεψης χρονοσειρών προβλέπει ημερήσια ζήτηση των 3.1, 4.2 και 2.3 - η προτίμησή μας γίνεται να απαλλαγούμε από αυτά τα ενοχλητικά δεκαδικά. Αν το σχέδιο προϊόντος λέει ότι η ημερήσια παραγωγή πρέπει να είναι 2.9, 3.1 και 1.7, έχουμε την ίδια αίσθηση. Το ερώτημα είναι πώς να εξαλειφθούν καλύτερα τα δεκαδικά ψηφία, όπου το καλύτερο ορίζεται ως η ελαχιστοποίηση του όγκου των χαμένων πληροφοριών.
Η παραδοσιακή μέθοδος είναι να στρογγυλοποιούμε κάθε μεμονωμένη τιμή σε έναν ακέραιο και να υποθέσουμε ότι τα «λάθη στρογγυλοποίησης» θα εξισορροπηθούν. Ωστόσο, αυτό δεν είναι πάντα αλήθεια. Ο Πίνακας 1 περιέχει εκτιμήσεις ζήτησης 14 ημερών για τρία προϊόντα (προϊόν 1, 2 και 3). Οι εκτιμήσεις της πραγματικής ζήτησης βρίσκονται στις στήλες δύο, τρεις και τέσσερις. Το άθροισμα των απαιτήσεων για κάθε προϊόν (53.1, 50.0 και 48.7) παρέχονται στην επόμενη έως την τελευταία σειρά. Οι στρογγυλεμένες απαιτήσεις βρίσκονται στις στήλες πέντε έως επτά και το σύνολο τους βρίσκεται στην επόμενη έως την τελευταία σειρά (50, 51, 52). Η τελευταία σειρά δείχνει τη λεπτομέρεια μεταξύ του αθροίσματος των πραγματικών εκτιμήσεων και του αθροίσματος των στρογγυλεμένων εκτιμήσεων. Υπάρχει μια σημαντική διαφορά για το προϊόν 1 (3.1) και το προϊόν 3 (-3.3).
Αυτό που χρειαζόμαστε είναι μια μέθοδος «στρογγυλοποίησης» που δεσμεύει τη διαφορά στα αθροιστικά αθροίσματα στο 1 και διασφαλίζει ότι το αθροιστικό άθροισμα των στρογγυλεμένων τιμών είναι μεγαλύτερο από το αθροιστικό άθροισμα των πραγματικών τιμών. Αυτό ονομάζεται «κύλιση στρογγυλοποίησης». Αυτό το ιστολόγιο παρέχει έναν αλγόριθμο για κυλιόμενη στρογγυλοποίηση. Αποτελεί μέρος της σειράς Data Science Tools of the Trade.
Machine Learning and Data Science Tools of the Trade: First-Order Difference
Data Science Tools of the Trade: Monte Carlo Computer Simulation
Βασικά στοιχεία της κυλιόμενης στρογγυλοποίησης
Θα ξεκινήσουμε με ένα παράδειγμα αθροιστικού αθροίσματος. Ο Πίνακας 2 έχει την εκτίμηση της ζήτησης για το προϊόν 1 και το σωρευτικό άθροισμα για την πραγματική και ακέραια εκτίμηση. Η στήλη 3 είναι το σωρευτικό πραγματικό. Η ημέρα 1 είναι η εκτίμηση ζήτησης για την ημέρα 1. Η ημέρα 2 είναι το σωρευτικό άθροισμα από την Ημέρα 1 (3.1) συν την εκτίμηση ζήτησης για την ημέρα 2 (4.2) που είναι 7.3. Η ημέρα 3 είναι 7.3 + 2.3 = 9.6 Η στήλη 4 είναι το σωρευτικό άθροισμα για τις εκτιμήσεις ακεραίων. Ημέρα 3 (9) = 7+2. Η τελευταία στήλη είναι το δέλτα μεταξύ κάθε αθροιστικού αθροίσματος για κάθε ημέρα. Για την ημέρα 4, η τιμή δέλτα είναι -0.7 = 15.0 – 15.7. Παρατηρήστε το αυξανόμενο μέγεθος του δέλτα.
Ποιον αλγόριθμο χρησιμοποιούμε για να δημιουργήσουμε ακέραιες εκτιμήσεις όπου το σωρευτικό άθροισμα της εκτίμησης ακεραίων είναι πάντα μεγαλύτερο ή ίσο με το αθροιστικό άθροισμα των πραγματικών και το μέγεθος του δέλτα δεν είναι ποτέ μεγαλύτερο από 1; Ο Πίνακας 3 δείχνει αυτόν τον αλγόριθμο.
- Ημέρα 1, η κυλιόμενη εκτίμηση είναι το ανώτατο όριο (στρογγυλοποίηση προς τα πάνω), εδώ 3.1 Το σωρευτικό άθροισμα των εκτιμήσεων ακεραίων για την ημέρα 1 είναι 4.
- Ημέρα 2, προσθέτουμε την κατώτατη τιμή της πραγματικής εκτίμησης (4.2 4) στη σωρευτική εκτίμηση της ημέρας 1 (4) που μας δίνει 8 (=4+4). Εάν αυτή η τιμή είναι μεγαλύτερη ή ίση με το πραγματικό σωρευτικό άθροισμα για την ημέρα 1 (που είναι 7.3), τότε επιλέγουμε την τιμή κατώτατου επιπέδου και την κυλιόμενη εκτίμηση στρογγυλοποίησης για την ημέρα 2. Εάν όχι, τότε χρησιμοποιείται η εκτίμηση ανώτατου ορίου.
- Ημέρα 3, 2 (όροφος) + 8 (ακέραιο αθροιστικό άθροισμα) = 10, που είναι >= 9.6 (αθροιστικό άθροισμα πραγματικό), επιλέξτε όροφο (2).
- Ημέρα 6, 3(όροφος) + 20 (ακέραιο αθροιστικό άθροισμα) = 23, που είναι < 23.1 (αθροιστικό άθροισμα πραγματικό), επιλέξτε το ανώτατο όριο (4) για χρήση ως κυλιόμενη στρογγυλή εκτίμηση για την ημέρα 6.
Παρατηρήστε στην τελευταία στήλη του Πίνακα 3, όλες οι τιμές είναι θετικές και όλες μικρότερες ή ίσες με 1.
Ένας εναλλακτικός αλγόριθμος παρουσιάζεται στον Πίνακα 4. Το βήμα 1 είναι ο υπολογισμός της ανώτατης τιμής για το πραγματικό σωρευτικό άθροισμα (εμφάνιση στη στήλη 4). Η κυλιόμενη εκτίμηση στρογγυλοποίησης (στήλη 5) είναι η διαφορά μεταξύ του ανώτατου ορίου του πραγματικού σωρευτικού αθροίσματος (στήλη 4) για το σήμερα με το χθες. Η κυλιόμενη εκτίμηση για την ημέρα 4 (6) είναι ανώτατο όριο για την ημέρα σωρευτικού αθροίσματος 4 (16) μείον το ανώτατο όριο του σωρευτικού αθροίσματος για την ημέρα 3 (10). 6 = 16-10. Στο APL2 ο κωδικός είναι "Z1←¯2- /0,⌈+X".
Συμπέρασμα
Σε πολλούς τομείς της διαχείρισης της εφοδιαστικής αλυσίδας, οι αναλυτικές μέθοδοι παράγουν εκτιμήσεις με «ενοχλητικά δεκαδικά». Για παράδειγμα, εκτιμήσεις ζήτησης και προγραμματισμός παραγωγής. Η παραδοσιακή μέθοδος για την εξάλειψη των ενοχλητικών δεκαδικών είναι η στρογγυλοποίηση. Ωστόσο, αυτό έχει επίσης ως αποτέλεσμα την απώλεια κρίσιμων πληροφοριών. το σωρευτικό άθροισμα μπορεί συχνά είτε να υποτιμήσει είτε να υπερεκτιμήσει τον φόρτο εργασίας της επιχείρησης. Η μέθοδος κυλιόμενης στρογγυλοποίησης περιορίζει αυτήν την απώλεια πληροφοριών στο 1.
Σας άρεσε αυτή η ανάρτηση; Εγγραφείτε ή ακολουθήστε την Αρκίεβα linkedin, Twitter, να Facebook για ενημερώσεις ιστολογίου.
Πηγή: https://blog.arkieva.com/data-science-tools-of-the-trade-rounding-decimals/
