Özet
Tedarik zinciri yönetiminin birçok alanında analitik yöntemler, "sinir bozucu ondalık sayılar" içeren tahminler üretir; örneğin talep tahminleri ve üretim planlaması. Sinir bozucu ondalık sayıları ortadan kaldırmanın geleneksel yöntemi yuvarlamadır. Ancak bu aynı zamanda kritik bilgilerin (kümülatif toplam) kaybıyla da sonuçlanır ve bu da genellikle firmanın iş yükünü olduğundan az veya fazla gösterebilir. Yuvarlama yöntemi bu bilgi kaybını 1 ile sınırlandırır. Bu blog, bu yöntemin önemini ve bu geliştirilmiş tam sayı tahminlerinin nasıl hesaplanacağını gösterir.
Giriş
“Munchkins” (torunlar) ile vakit geçirirken, pozitif tam sayılara (belki de sıfır olan) neden doğal sayılar denildiği açıktır; sayma sezgiseldir. Aynı rahatlık tedarik zinciri yönetiminde de yaşanıyor. Zaman serisi tahmin yöntemi günlük talebin 3.1, 4.2 ve 2.3 olduğunu öngörüyorsa tercihimiz bu sinir bozucu ondalık sayılardan kurtulmak olur. Eğer ürün planı günlük üretimin 2.9, 3.1, 1.7 olması gerektiğini söylüyor, biz de aynı his içerisindeyiz. Soru, ondalık sayıların en iyi şekilde nasıl ortadan kaldırılacağıdır; burada en iyi, kayıp bilgi miktarının en aza indirilmesi olarak tanımlanır.
Geleneksel yöntem, her bir değeri bir tam sayıya yuvarlamak ve "yuvarlama hatalarının" dengeleneceğini varsaymaktır. Ancak bu her zaman doğru değildir. Tablo 1'de üç ürüne (ürün 14, 1 ve 2) ilişkin 3 günlük talep tahminleri yer almaktadır. Gerçek talep tahminleri ikinci, üçüncü ve dördüncü sütunlarda yer almaktadır. Her ürüne ilişkin taleplerin toplamı (53.1, 50.0 ve 48.7) bir sonraki satırda verilmektedir. Yuvarlatılmış talepler beşinci ila yedinci sütunlarda yer alır ve bunların toplamı bir sonraki satırda (50, 51, 52) bulunur. Son satır, gerçek tahminlerin toplamı ile yuvarlanmış tahminlerin toplamı arasındaki ayrıntıyı gösterir. Ürün 1 (3.1) ile ürün 3 (-3.3) arasında oldukça büyük bir fark var.
İhtiyacımız olan, kümülatif toplamlardaki farkı 1'e sınırlayan ve yuvarlanan değerlerin kümülatif toplamının gerçek değerlerin kümülatif toplamından daha büyük olmasını sağlayan bir "yuvarlama" yöntemidir. Buna “yuvarlama yuvarlama” denir. Bu blog yuvarlama yuvarlaması için bir algoritma sağlar. Ticaretin Veri Bilimi Araçları serisinin bir parçasıdır.
Ticaretin Makine Öğrenimi ve Veri Bilimi Araçları: Birinci Dereceden Fark
Ticaret Araçları: Farklı Zaman Serileri Nasıl Karşılaştırılır / Birleştirilir – “Normalleştirme”
Ticaretin Veri Bilimi Araçları: Monte Carlo Bilgisayar Simülasyonu
Yuvarlanarak Yuvarlamanın Temelleri
Bir kümülatif toplam örneğiyle başlayacağız. Tablo 2'de ürün 1 için talep tahmini ve fiili ve tam sayı tahmininin kümülatif toplamı yer almaktadır. Sütun 3 kümülatif gerçek değerdir. 1. Gün, 1. günün talep tahminidir. 2. Gün, 1. Gün'ün (3.1) kümülatif toplamı artı 2. gün için talep tahmininin (4.2) toplamıdır, yani 7.3. 3. Gün 7.3 + 2.3 = 9.6'dır. Sütun 4, tam sayı tahminlerinin kümülatif toplamıdır. 3. Gün (9) = 7+2. Son sütun, her gün için her kümülatif toplam arasındaki deltadır. 4. gün için delta değeri -0.7 = 15.0 – 15.7'dir. Deltanın büyüyen boyutunu gözlemleyin.
Tamsayı tahmininin kümülatif toplamının her zaman gerçek değerlerin kümülatif toplamından büyük veya ona eşit olduğu ve delta boyutunun hiçbir zaman 1'den büyük olmadığı durumlarda tamsayı tahminleri oluşturmak için hangi algoritmayı kullanırız? Tablo 3'te bu algoritma gösterilmektedir.
- 1. gün, yuvarlanan tahmin tavandır (yukarı yuvarlanır), burada 3.1 1. gün için tam sayı tahminlerinin kümülatif toplamı 4'tür.
- 2. gün, fiili tahminin taban değerini (4.2 4) 1. gün (4) itibarıyla kümülatif tahmine ekleriz, bu da bize 8 (=4+4) verir. Bu değer 1. günün gerçek kümülatif toplamından büyük veya ona eşitse (ki bu 7.3'tür), o zaman 2. gün için taban değeri ve yuvarlanan yuvarlama tahminini seçeriz. Değilse tavan tahmini kullanılır.
- 3. Gün, 2(taban) + 8 (tamsayı kümülatif toplam) = 10, bu >= 9.6 (kümülatif toplam fiili), taban (2)'yi seçin.
- 6. Gün, 3(taban) + 20 (tamsayı kümülatif toplam) = 23, bu da < 23.1 (kümülatif toplam fiili), 4. gün için yuvarlanan tahmin olarak kullanılacak tavanı (6) seçin.
Tablo 3'ün son sütununda tüm değerlerin pozitif ve hepsinin 1'den küçük veya XNUMX'e eşit olduğunu gözlemleyin.
Alternatif bir algoritma Tablo 4'te gösterilmektedir. Adım 1, gerçek kümülatif toplam için tavan değerinin hesaplanmasıdır (sütun 4'te gösterilmiştir). Yuvarlama tahmini (sütun 5), bugün için fiili kümülatif toplamın tavanı (sütun 4) ile dün arasındaki farktır. 4. gün (6) için yuvarlanan tahmin, 4. gün (16) kümülatif toplam tavanı eksi 3. gün (10) kümülatif toplam tavanıdır; 6 = 16-10. APL2'de kod “Z1←¯2- /0,⌈+X” şeklindedir.
Sonuç
Tedarik zinciri yönetiminin birçok alanında analitik yöntemler, "sinir bozucu ondalık sayılar" içeren tahminler üretir. Örneğin talep tahminleri ve üretim planlaması. Sinir bozucu ondalık sayıları ortadan kaldırmanın geleneksel yöntemi yuvarlamadır. Ancak bu aynı zamanda kritik bilgilerin kaybıyla da sonuçlanır; kümülatif toplam genellikle firma üzerindeki iş yükünü eksik veya fazla gösterebilir. Yuvarlama yuvarlama yöntemi bu bilgi kaybını 1 ile sınırlandırır.
Bu gönderiyi beğendin mi? Üye olun veya Arkieva'yı takip edin Linkedin, Twitter, ve Facebook blog güncellemeleri için.
Kaynak: https://blog.arkieva.com/data-science-tools-of-the-trade-rounding-decimals/
