内容字号:默认大号超大号

段落设置:段首缩进取消段首缩进

字体设置:切换到微软雅黑切换到宋体

网站服务器_合肥企业网站建设_折扣

2021-07-11 18:47 出处:欧普曼云计算 人气: 评论(0

在SAP环境中,有许多预测方法。从最简单的一个开始,淘客插件,即根据货物消耗量在S/4中执行预测,然后将其带到补货运行。下一个inbuild工具是使用多步骤POS入站补货流程,该流程也在S/4上执行。两者的区别在于,第一种是基于商品的消费IM,零售中的IM来自与商店交易相关的GI,第二种是基于POS记录的销售额。

除了内置工具外,还有非常常用的预测外部工具预测和补充(F&R)。该应用程序是SAP SCM解决方案的一部分,我认为它需要SAP APO的许多计算功能。

最后一个完全专用于零售业的工具是SAP统一需求预测(UDF)。这个应用程序驻留在sapcar上,在内存计算和贝叶斯回归模型中使用非常强大的Hana。这个预测工具是专门为零售和时尚行业考虑到这些行业的具体方面,如预包装,集文章,通用变量关系文章和站点之间的依赖关系。

首先,请将本文视为对自定义项预测主题的深入了解,因为功能和配置的范围可以是大量书籍的内容。

预测过程始终从建模开始,因此创建了我们数据的模型考虑到季节、趋势、价格影响等因素的数量,建模功能尝试向每个DIF(需求影响因素)解释提供的数据,并评估其在模型上的权重。

下一步是执行预测。预测使用建模的结果和给定的输入,如计划的促销和价格。UDF可以预测未来类似DIF发生的影响,并从这些影响中得出未来的需求。

从产品和位置范围的角度来看,这两项活动都可以在许多差异中执行。很多时候,我们有一个新版本的产品,但还没有销售历史或新开店的情况相同。在这种情况下,要么使用参考产品的数据进行规划,要么同时使用商品层次结构或商店相关性。

聚合:如果产品位置级别的历史销售数据稀疏,则可以在聚合级别更好地检测需求影响因素(DIF)。在本例中,首先对聚合数据运行建模。然后,聚合建模和预测的结果增加了产品位置级别的基线和预测。分级优先级:配置分级优先级的计算,以增强对历史销售数据或促销数据很少或没有的产品的建模。有了层次结构的先验知识,这样的产品就可以沿着层次结构(产品层次结构、位置层次结构、,一般产品及其变体之间的关系)。

由于预测是相当专家模式的任务,需要高水平的配置和统计知识,因此并非所有参数的变化都应反映在生产结果中。在自定义项中,我们可以在执行预测建模时选择三种模式中的一种。

生产模式:这是默认模式。您可以安排运行或直接执行它,软件企业管理,结果将作为新的建模或预测结果保存在数据库中。诊断模式:此模式用于诊断评估和预测分析当您要调整某些参数和测试流并查看配置中潜在更改的结果时,为要运行的每个诊断作业指定诊断ID。例如可以在生产环境中对DIF进行集合分解,并查看结果。假设预测:您可以触发按需运行。结果将按请求提供给消费应用程序(例如,SAP Promotion Management)。如果在计划过程中经常使用预测,云服务器租用,因为预测允许您衡量未来可能执行或不执行的特定行动方案的影响(如计划报价)。

数据来源–自定义项支持各种时间序列来源(如销售点数据、消费数据或销售订单)。最常用的POS数据,也可以与来自其他销售渠道(如电子商务)的销售订单数据一起增强。数据的粒度可以是日或周,欧洲云服务器,通常建议提供过去两年的历史数据,以便系统能够区分季节、趋势等。

作为使用自定义项进行预测的摘要,需要执行以下活动:

运行初始建模–可选运行分层优先级建模–可选运行层次结构或产品/位置建模-必需为产品/位置或层次结构分配运行预测–强制

作为一个简单的场景,我想检查哪些模型在诊断模式下的UDF plus中是标准的,查看更改一些标准参数的影响。

所有配置都在CAR中的节点SPRO->SAP CAR->Demand Data Foundation->Modeling下完成和预测。

第一步是创建诊断ID,用于测试建模和预测参数调整。

定义诊断ID后,下一步是配置在我们的模型中使用的数据源和将使用的模型本身。

在我的例子中是时间序列(其中大多数是假设)是来自POS系统的数据。聚合配置文件在我的情况下是没有使用,但如前所述,它可以帮助组更准确的结果,如T恤衫是以不同的颜色和大小出售,并在聚合水平建模将确保更宝贵的数字文章。仅当您希望对每个MRP类型的建模进行额外拆分时,才使用"模型类别"。模型定义是描述使用哪种模型定义以及如何将分解到特定系统或客户dif来计算模型值的最重要参数。每种型号定义下都有更多配置,只有系统或客户DIF。

在标准中,提供以下三种类型:CPG、RTL、,RTLSDP.

选择模型定义后,可以选择设置参数,例如影响系统计算或有助于调查建模结果

建模和预测领域的参数数量非常重要,其中一些需要深入的统计知识。下面是我在我的场景中设置的示例。

建模:

MOD\u COV\u REDUCED–''取决于协方差矩阵的生成方式。空值是默认值,表示已满。MOD_OUTPUT_COV–"X"是FCI计算或分级优先级所必需的MOD_DAYS_IN_PERIOD–计算模型数据时考虑的销售历史天数。MOD\u OOSD\u MIN\u LEN–没有任何销售的最小天数,因此系统可以将其视为缺货情况。MOD_OUTPUT_DECOMP–"X"允许分解模型上的每个DIF影响。结果存储在表/DMF/UMD\u TSD中。MOD \u OUTPUT \u TS–"X"控制/DMF/UMD \u TS表中模型拟合和跟踪信息的计算和输出。MOD \u TD \u ERROR \u VARIANCE–"X"控制建模的时间相关误差方差的计算和输出。为每个需求影响因素计算单独的误差方差。

预测:

FC\u HZN\u DUR\u DAYS–要预测的天数FC_OUTPUT_DECOMP–如果希望输出每个需求影响因素(DIF)的预测单位,请启用需求分解。结果存储在/DMF/UFC\u TSD表中。FC_OUTPUT_FCI–控制预测信心指数(FCI)的计算。FC\u OUTPUT\u TRACE–控制附加跟踪信息的输出,如产品价格、存储在/DMF/UFC\u TRC表中的产品列表。FC\u TD\u ERROR\u VARIANCE–"X"控制预测的时间相关误差方差的计算和输出。为每个需求影响因素计算单独的误差方差。

当建模和预测参数已设置并分配给选项诊断id时,图数据库有哪些,该id是所用模型定义的链接。模型定义包含一个DIF列表,用于计算模型最终值的组成部分和后续预测。

分配给模型的每个DIF都有参数,描述是否在模型中使用(DIF模式)以及如何分组(DUS映射)。此外,DIF在模型和预测计算中使用了默认参数。

除了介绍了DIF的基本属性和在模型和预测计算中的使用之外,还介绍了可以影响计算的可配置设置的数量,例如每个工作日的权重或假日时段前后如何影响计算结果。

以下是在同一数据探针上使用三种不同标准模型运行的建模结果(两年的历史销售额)。

CPG–SAP Retail Weekly Demand Model Definition for Year Seasonality with ACV Active

13/02的计算值为5.065 PC

RTL–SAP Retail Demand Model Definition for Year季节性

13/02的计算值为4.935 PC

RTLSDP–短期季节模式的SAP零售需求模型定义

13/02的计算值为5.688 PC

建模和预测结果分别存储在表/DMF/UMD和/DMF/UFC中,其中FCI参数值(用于预测)和MOD VAL(用于建模)被储存。第一个描述生成预测所基于的统计输入数据的数量和质量,第二个度量计算模型与输入数据的拟合程度。

如果已激活分解,则每个DIF计算的结果存储在/DMF/UMD\u TSD表中。对于RTL模型(中间屏幕),模型值为4.935 PC,并根据DIF值计算:

系统:校准:TRND=–528373(DUS映射–基本)系统:校准:WK:DAY=–010121(DUS映射–基础)系统:校准:YR:HRM=–1496814(DUS映射–季节)系统:INT=2690757(DUS映射)

分享给小伙伴们:
本文标签: 网站服务器合肥企业网站建设折扣

相关文章

评论

发表评论愿您的每句评论,都能给大家的生活添色彩,带来共鸣,带来思索,带来快乐。

签名: 验证码: 点击我更换图片

评论列表