对于Non-MRP的库存计划,其核心便是对未来供应和需求的预测。Oracle库存管理模块提供了基于历史数据的预测算法。预测数据可以来源于其他预测,也可以来源于MRP,或者直接基于历史数据根据一定的数学模型创建预测。要创建预测,必须先定义预测规则,包括了时段类型和统计数据来源等,其中需要解释一下预测方式(也称之为预测模型)。
预测方式只有两种:集中(重点)和统计。
集中
集中预测方式通过评估多种预测技术来测试选定物料,并选择一种最佳预测技术来预测需求。该方式主要通过以下5种模型来预测:
- 预测值 = 上年度同期实际需求
- 预测值 = 本年度上一期实际需求
- 预测值 = 本年度前两期实际需求的平均数
- 预测值 = 上年度同期实际需求 x (本年度上一期实际需求 / 上年度上一期实际需求)
- 预测值 = 本年度上一期实际需求 x (本年度上一期实际需求 / 本年度上上期实际需求)
集中预测方式仅按照以上模型进行预测。那么,如何评估哪种模型更合适呢?这需要通过绝对百分比误差(APE)来评估预测效果,该值越小,预示着预测精度越高,最终也会选择APE值最小的预测。
APE = (实际需求 – 预测需求) / 实际需求
重点预测方式主要是为了预测某个期间(单期)的需求,实际上,它并不限于需要预测的期间数量,只是针对每一期都采用该方式。
统计
统计预测方式使用指数平滑法、趋势以及季节性算法来预测物料需求,具体包括:
- 指数平滑模型
- 趋势模型
- 季节性模型
- 趋势和季节性模型
在系统中,针对选择的模型都必须输入介于0和1之间的因子数值。每种模型具体的计算方式,有兴趣的话可以寻找相关资料自行查阅。如果不清楚因子的具体作用,不妨输入1,数值越靠大,表示越偏向于近期的数据。
不管采用何种预测方式,为了保证预测精度,至少要具备一年的历史数据。
本文作者:网友 来源:网络收集
CIO之家 www.ciozj.com 微信公众号:imciow