Oppsummering
I mange områder av forsyningskjedestyring genererer analytiske metoder estimater med "pesky desimaler"; for eksempel etterspørselsestimater og produksjonsplanlegging. Den tradisjonelle metoden for å eliminere irriterende desimaler er avrunding. Dette resulterer imidlertid også i tap av kritisk informasjon, den kumulative summen, som ofte enten kan undervurdere eller overdrive arbeidsbelastningen på firmaet. Den rullende avrundingsmetoden begrenser dette informasjonstapet til 1. Denne bloggen demonstrerer viktigheten av denne metoden og hvordan man beregner disse forbedrede heltallsestimatene.
Introduksjon
Mens du tilbringer tid med "munchkins" (barnebarna) er det klart hvorfor de positive heltallene (kanskje med null) blir referert til som de naturlige tallene; telling er intuitivt. Den samme komforten oppstår i supply chain management. Hvis prognosemetoden for tidsserier forutsier daglig etterspørsel på 3.1, 4.2 og 2.3 – foretrekker vi å kvitte oss med de irriterende desimalene. Hvis produktplan sier at den daglige produksjonen skal være 2.9, 3.1 og 1.7, har vi den samme følelsen. Spørsmålet er hvordan man best eliminerer desimalene, der best defineres som å minimere mengden tapt informasjon.
Den tradisjonelle metoden er å avrunde hver enkelt verdi til et heltall og anta at "avrundingsfeilene" vil balansere ut. Dette er imidlertid ikke alltid sant. Tabell 1 har 14 dagers etterspørselsestimater for tre produkter (produkt 1, 2 og 3). De faktiske etterspørselsestimatene er i kolonne to, tre og fire. Summen av krav for hvert produkt (53.1, 50.0 og 48.7) vises i nest siste rad. De avrundede kravene er i kolonner fem til syv, og totalsummen deres er i nest siste rad (50, 51, 52). Den siste raden viser detaljene mellom summen av de faktiske estimatene og summen av de avrundede estimatene. Det er en betydelig forskjell for produkt 1 (3.1) og produkt 3 (-3.3).
Det vi trenger er en "avrundingsmetode" som begrenser forskjellen i de kumulative summene til 1 og sikrer at den kumulative summen av de avrundede verdiene er større enn den kumulative summen av de faktiske verdiene. Dette kalles "rullende avrunding". Denne bloggen gir en algoritme for rullende avrunding. Det er en del av serien om Data Science Tools of the Trade.
Maskinlæring og datavitenskapelige verktøy: Førsteordens forskjell
Bransjeverktøy: Hvordan sammenligne / kombinere forskjellige tidsserier – "normalisering"
Data Science Tools of the Trade: Monte Carlo Computer Simulation
Grunnleggende om rullende avrunding
Vi starter med et eksempel på kumulativ sum. Tabell 2 har etterspørselsestimatet for produkt 1 og den kumulative summen for faktisk og heltallsestimat. Kolonne 3 er den kumulative faktiske. Dag 1 er etterspørselsestimatet for dag 1. Dag 2 er den kumulative summen fra dag 1 (3.1) pluss behovsestimat for dag 2 (4.2) som er 7.3. Dag 3 er 7.3 + 2.3 = 9.6 Kolonne 4 er den kumulative summen for heltallsestimatene. Dag 3 (9) = 7+2. Den siste kolonnen er deltaet mellom hver kumulativ sum for hver dag. For dag 4 er deltaverdien -0.7 = 15.0 – 15.7. Observer den økende størrelsen på deltaet.
Hvilken algoritme bruker vi for å generere heltallsestimater der den kumulative summen av heltallsestimatet alltid er større enn eller lik den kumulative summen av de faktiske, og størrelsen på deltaet aldri er større enn 1? Tabell 3 viser denne algoritmen.
- Dag 1, det rullende estimatet er taket (runde opp), her 3.1 Den kumulative summen av heltallsestimatene for dag 1 er 4.
- Dag 2 legger vi gulvverdien til det faktiske estimatet (4.2 4) til det kumulative estimatet per dag 1 (4) som gir oss 8 (=4+4). Hvis denne verdien er større enn eller lik den faktiske akkumulerte summen for dag 1 (som er 7.3), så velger vi gulvverdien og rullerende avrundingsestimat for dag 2. Hvis ikke, brukes takestimatet.
- Dag 3, 2(etasje) + 8 (heltall kumulativ sum) = 10, som er >= 9.6 (kumulativ sum faktisk), velg etasje (2).
- Dag 6, 3 (etasje) + 20 (heltall kumulativ sum) = 23, som er < 23.1 (kumulativ sum faktisk), velg tak (4) for å bruke som rullerende estimat for dag 6.
Observer i den siste kolonnen i tabell 3 at alle verdiene er positive og alle mindre enn eller lik 1.
En alternativ algoritme er vist i tabell 4. Trinn 1 beregner takverdien for den faktiske kumulative summen (vis i kolonne 4). Det rullende avrundingsestimatet (kolonne 5) er differansen mellom taket for faktisk kumulativ sum (kolonne 4) for i dag med i går. Det rullerende anslaget for dag 4 (6) er tak for kumulativ sum dag 4 (16) minus taket for kumulativ sum for dag 3 (10); 6 = 16-10. I APL2 er koden "Z1←¯2- /0,⌈+X".
konklusjonen
I mange områder av forsyningskjedestyring genererer analytiske metoder estimater med "pesky desimaler". For eksempel etterspørselsestimater og produksjonsplanlegging. Den tradisjonelle metoden for å eliminere irriterende desimaler er avrunding. Dette resulterer imidlertid også i tap av kritisk informasjon; den kumulative summen kan ofte enten undervurdere eller overdrive arbeidsbelastningen på firmaet. Den rullende avrundingsmetoden begrenser dette informasjonstapet til 1.
Likte dette innlegget? Bli medlem! eller følg Arkieva videre Linkedin, Twitterog Facebook for bloggoppdateringer.
Kilde: https://blog.arkieva.com/data-science-tools-of-the-trade-rounding-decimals/
