Yhteenveto
Monilla toimitusketjun hallinnan alueilla analyyttiset menetelmät luovat arvioita "ärsyttävällä desimaalilla"; esimerkiksi kysyntäarviot ja tuotannon suunnittelu. Perinteinen tapa poistaa ärsyttävät desimaalit on pyöristys. Tämä johtaa kuitenkin myös kriittisen tiedon menetykseen, mikä voi usein joko ali- tai yliarvioida yrityksen työtaakkaa. Pyöristysmenetelmä rajoittaa tämän tiedon menetyksen arvoon 1. Tämä blogi osoittaa tämän menetelmän tärkeyden ja kuinka nämä parannetut kokonaislukuarviot lasketaan.
esittely
Kun vietät aikaa "munchkins" (lastenlasten) kanssa, on selvää, miksi positiivisia kokonaislukuja (ehkä nollan kanssa) kutsutaan luonnollisiksi lukuiksi; laskeminen on intuitiivista. Sama mukavuus esiintyy toimitusketjun hallinnassa. Jos aikasarjan ennustemenetelmä ennustaa päivittäisen kysynnän 3.1, 4.2 ja 2.3, haluamme päästä eroon näistä ärsyttävistä desimaaleista. Jos tuotesuunnitelma sanoo, että päivittäisen tuotannon pitäisi olla 2.9, 3.1 ja 1.7, meillä on sama tunne. Kysymys on siitä, kuinka parhaiten eliminoidaan desimaalit, missä paras määritellään hävinneen tiedon määrän minimoimiseksi.
Perinteinen menetelmä on pyöristää jokainen yksittäinen arvo kokonaislukuun ja olettaa, että "pyöristysvirheet" tasapainottavat. Tämä ei kuitenkaan aina pidä paikkaansa. Taulukossa 1 on 14 päivän kysyntäarviot kolmelle tuotteelle (tuote 1, 2 ja 3). Todelliset kysynnän arviot ovat sarakkeissa kaksi, kolme ja neljä. Kunkin tuotteen pyyntöjen summa (53.1, 50.0 ja 48.7) esitetään seuraavalla viimeisellä rivillä. Pyöristetyt vaatimukset ovat sarakkeissa viidestä seitsemään ja niiden kokonaismäärä on seuraavalla viimeisellä rivillä (50, 51, 52). Viimeisellä rivillä näkyy todellisten arvioiden summan ja pyöristettyjen arvioiden summan välinen yksityiskohta. Tuotteella 1 (3.1) ja tuotteella 3 (-3.3) on huomattava ero.
Tarvitsemme "pyöristysmenetelmän", joka rajoittaa kumulatiivisten summien eron yhdeksi ja varmistaa, että pyöristettyjen arvojen kumulatiivinen summa on suurempi kuin todellisten arvojen kumulatiivinen summa. Tätä kutsutaan "pyöristykseksi". Tämä blogi tarjoaa algoritmin pyöristämiseen. Se on osa Data Science Tools of the Trade -sarjaa.
Alan koneoppimis- ja tietotiedetyökalut: ensimmäisen asteen ero
Kaupan työkalut: kuinka vertailla / yhdistää erilaisia aikasarjoja - "normalisointi"
Kaupan tietotieteen työkalut: Monte Carlon tietokonesimulaatio
Pyöristyksen perusteet
Aloitamme esimerkillä kumulatiivisesta summasta. Taulukossa 2 on kysynnän arvio tuotteelle 1 ja kumulatiivinen summa todelliselle ja kokonaislukuarviolle. Sarake 3 on kumulatiivinen todellinen. Päivä 1 on kysynnän arvio päivälle 1. Päivä 2 on kumulatiivinen summa päivästä 1 (3.1) plus kysyntäarvio päivälle 2 (4.2), joka on 7.3. Päivä 3 on 7.3 + 2.3 = 9.6 Sarake 4 on kokonaislukuestimaattien kumulatiivinen summa. Päivä 3 (9) = 7+2. Viimeinen sarake on kunkin päivän kumulatiivisen summan välinen delta. Päivän 4 delta-arvo on -0.7 = 15.0 - 15.7. Tarkkaile deltan kasvavaa kokoa.
Mitä algoritmia käytämme kokonaislukuestimaateissa, joissa kokonaislukuestimaatin kumulatiivinen summa on aina suurempi tai yhtä suuri kuin todellisuuksien kumulatiivinen summa ja deltan koko ei ole koskaan suurempi kuin 1? Taulukko 3 esittää tämän algoritmin.
- Päivä 1, rullaava kierrosestimaatti on katto (pyöristys ylöspäin), tässä 3.1 Päivän 1 kokonaislukuestimaattien kumulatiivinen summa on 4.
- Päivä 2 lisäämme todellisen arvion pohja-arvon (4.2 4) kumulatiiviseen arvioon päivästä 1 (4), jolloin saamme 8 (=4+4). Jos tämä arvo on suurempi tai yhtä suuri kuin päivän 1 todellinen kumulatiivinen summa (joka on 7.3), valitaan pohja-arvo ja rullaava pyöristysarvio päivälle 2. Jos ei, käytetään kattoarviota.
- Päivä 3, 2 (kerros) + 8 (kokonaisluku kumulatiivinen summa) = 10, mikä on >= 9.6 (todellisen kumulatiivinen summa), valitse kerros (2).
- Päivä 6, 3 (kerros) + 20 (kokonaisluku kumulatiivinen summa) = 23, mikä on < 23.1 (todellisen kumulatiivinen summa), valitse katto (4) käytettäväksi kierroksen arviona päivälle 6.
Huomaa, että taulukon 3 viimeisessä sarakkeessa kaikki arvot ovat positiivisia ja kaikki pienempiä tai yhtä suuria kuin 1.
Vaihtoehtoinen algoritmi on esitetty taulukossa 4. Vaihe 1 laskee todellisen kumulatiivisen summan kattoarvon (näytä sarakkeessa 4). Liukuva pyöristysarvio (sarake 5) on tämän päivän ja eilisen todellisen kumulatiivisen summan (sarake 4) katon erotus. Päivän 4 (6) rullaava arvio on päivän 4 (16) kumulatiivisen summan katto vähennettynä päivän 3 (10) kumulatiivisen summan enimmäismäärällä; 6 = 16-10. APL2:ssa koodi on “Z1←¯2- /0,⌈+X”.
Yhteenveto
Monilla toimitusketjun hallinnan alueilla analyyttiset menetelmät luovat arvioita "ärsyttävällä desimaalilla". Esimerkiksi kysyntäarviot ja tuotannon suunnittelu. Perinteinen tapa poistaa ärsyttävät desimaalit on pyöristys. Tämä johtaa kuitenkin myös kriittisen tiedon menettämiseen; kumulatiivinen summa voi usein joko ali- tai yliarvioida yrityksen työtaakkaa. Pyöristysmenetelmä rajoittaa tämän tiedon menetyksen arvoon 1.
Nautitko tästä viestistä? Tilaa tai seuraa Arkievaa Linkedin, Twitterja Facebook blogipäivityksiä varten.
Lähde: https://blog.arkieva.com/data-science-tools-of-the-trade-rounding-decimals/
