Samengevat
Op veel terreinen van supply chain management genereren analytische methoden schattingen met “vervelende decimalen”; bijvoorbeeld vraagramingen en productieplanning. De traditionele methode om vervelende decimalen te elimineren is afronding. Dit resulteert echter ook in het verlies van cruciale informatie (het cumulatieve bedrag), waardoor de werklast voor het bedrijf vaak kan worden onderschat of overschat. De rolling rounding-methode beperkt dit informatieverlies tot 1. Deze blog demonstreert het belang van deze methode en hoe u deze verbeterde schattingen van gehele getallen kunt berekenen.
Introductie
Terwijl we tijd doorbrengen met de “munchkins” (kleinkinderen) wordt het duidelijk waarom de positieve gehele getallen (misschien met nul) de natuurlijke getallen worden genoemd; tellen is intuïtief. Ditzelfde comfort vindt u bij supply chain management. Als de tijdreeksvoorspellingsmethode de dagelijkse vraag van 3.1, 4.2 en 2.3 voorspelt, gaat onze voorkeur uit naar het wegwerken van die vervelende decimalen. Als de productplan zegt dat de dagelijkse productie 2.9, 3.1 en 1.7 zou moeten zijn, wij hebben hetzelfde gevoel. De vraag is hoe de decimalen het beste kunnen worden geëlimineerd, waarbij het beste wordt gedefinieerd als het minimaliseren van de hoeveelheid verloren informatie.
De traditionele methode is om elke individuele waarde af te ronden op een geheel getal en ervan uit te gaan dat de “afrondingsfouten” in evenwicht zullen komen. Dit is echter niet altijd waar. Tabel 1 bevat schattingen van de vraag over 14 dagen voor drie producten (product 1, 2 en 3). De werkelijke vraagschattingen staan in de kolommen twee, drie en vier. De som van de eisen voor elk product (53.1, 50.0 en 48.7) vindt u in de voorlaatste rij. De afgeronde eisen staan in de kolommen vijf tot en met zeven en hun totaal staat in de voorlaatste rij (50, 51, 52). De laatste rij toont het detail tussen de som van de werkelijke schattingen en de som van de afgeronde schattingen. Er is een groot verschil tussen product 1 (3.1) en product 3 (-3.3).
Wat we nodig hebben is een afrondingsmethode die het verschil in de cumulatieve sommen tot 1 beperkt en ervoor zorgt dat de cumulatieve som van de afgeronde waarden groter is dan de cumulatieve som van de werkelijke waarden. Dit wordt “rollend afronden” genoemd. Deze blog biedt een algoritme voor rollend afronden. Het maakt deel uit van de serie over Data Science Tools of the Trade.
Machine Learning en Data Science Tools of the Trade: verschil van de eerste orde
Hulpmiddelen van het vak: verschillende tijdreeksen vergelijken/combineren – “Normaliseren”
Datawetenschapsinstrumenten van het vak: Monte Carlo-computersimulatie
Basisprincipes van rollend afronden
We beginnen met een voorbeeld van een cumulatief bedrag. Tabel 2 bevat de vraagschatting voor product 1 en de cumulatieve som voor de werkelijke en gehele schatting. Kolom 3 is de cumulatieve werkelijke waarde. Dag 1 is de vraagschatting voor dag 1. Dag 2 is de cumulatieve som van dag 1 (3.1) plus de vraagschatting voor dag 2 (4.2), wat 7.3 is. Dag 3 is 7.3 + 2.3 = 9.6 Kolom 4 is de cumulatieve som voor de schattingen van gehele getallen. Dag 3 (9) = 7+2. De laatste kolom is de delta tussen elke cumulatieve som voor elke dag. Voor dag 4 is de deltawaarde -0.7 = 15.0 – 15.7. Observeer de groeiende omvang van de delta.
Welk algoritme gebruiken we om schattingen van gehele getallen te genereren waarbij de cumulatieve som van de schattingen van gehele getallen altijd groter is dan of gelijk is aan de cumulatieve som van de werkelijke getallen, en de grootte van de delta nooit groter is dan 1? Tabel 3 demonstreert dit algoritme.
- Dag 1, de voortschrijdende schatting is het plafond (naar boven afgerond), hier 3.1 De cumulatieve som van de gehele schattingen voor dag 1 is 4.
- Op dag 2 voegen we de bodemwaarde van de werkelijke schatting (4.2 4) toe aan de cumulatieve schatting vanaf dag 1 (4), wat ons 8 (=4+4) oplevert. Als deze waarde groter is dan of gelijk is aan de werkelijke cumulatieve som voor dag 1 (die 7.3 is), selecteren we de bodemwaarde en de voortschrijdende afrondingsschatting voor dag 2. Zo niet, dan wordt de plafondschatting gebruikt.
- Dag 3, 2(vloer) + 8 (gehele cumulatieve som) = 10, dat is >= 9.6 (werkelijke cumulatieve som), selecteer verdieping (2).
- Dag 6, 3 (ondergrens) + 20 (gehele cumulatieve som) = 23, wat < 23.1 is (actuele cumulatieve som), selecteer plafond (4) om te gebruiken als voortschrijdende schatting voor dag 6.
Merk op dat in de laatste kolom van Tabel 3 alle waarden positief zijn en allemaal kleiner dan of gelijk aan 1.
Een alternatief algoritme wordt gedemonstreerd in Tabel 4. Stap 1 berekent de plafondwaarde voor de werkelijke cumulatieve som (weergegeven in kolom 4). De voortschrijdende afrondingsschatting (kolom 5) is het verschil tussen het plafond van de werkelijke cumulatieve som (kolom 4) voor vandaag en gisteren. De voortschrijdende schatting voor dag 4 (6) is het plafond voor de cumulatieve som van dag 4 (16) minus het plafond van de cumulatieve som voor dag 3 (10); 6 = 16-10. In APL2 is de code “Z1←¯2- /0,⌈+X”.
Conclusie
Op veel gebieden van supply chain management genereren analytische methoden schattingen met “vervelende decimalen”. Bijvoorbeeld vraagschattingen en productieplanning. De traditionele methode om vervelende decimalen te elimineren is afronding. Dit resulteert echter ook in het verlies van kritische informatie; het cumulatieve bedrag kan vaak de werklast voor het bedrijf te laag of te hoog inschatten. De rolling rounding-methode beperkt dit informatieverlies tot 1.
Genoten van dit bericht? Inschrijven of volg Arkieva op Linkedin, Twitter en Facebook voor blogupdates.
Bron: https://blog.arkieva.com/data-science-tools-of-the-trade-rounding-decimals/
