公司利用时间序列预测来制定核心规划决策,帮助他们应对不确定的未来。 这篇文章旨在解决供应链利益相关者的问题,他们都有一个共同的需求,即确定在不同的规划时间范围内需要多少成品。 除了规划需要多少单位的商品外,企业通常还需要知道哪里需要这些商品,以创建地理最佳的库存。
供给过剩与供给不足的微妙平衡
如果制造商生产的零件或成品太少,那么由此产生的供应不足可能会导致他们做出艰难的选择,在贸易伙伴或业务部门之间分配可用资源。 因此,采购订单的接受率可能较低,实现的利润也较少。 在供应链的更下游,如果零售商相对于需求来说可供销售的产品太少,他们可能会因缺货而令购物者失望。 当零售购物者有紧急需求时,这些短缺可能会导致从替代零售商或可替代品牌购买。 如果替代品成为新的默认值,这种替代可能会带来流失风险。
在供应钟摆的另一端,商品供应过剩也会招致惩罚。 剩余物品现在必须存放在库存中直至售出。 一定程度的安全库存预计将有助于应对预期需求的不确定性; 然而,库存过多会导致效率低下,从而削弱组织的利润。 特别是当产品易腐烂时,供应过剩可能会导致购买可销售成品的全部或部分初始投资损失。
即使产品不易腐烂,在储存期间它们实际上也成为闲置资源,可以在资产负债表上作为自由现金或用于进行其他投资。 除了资产负债表之外,存储和运输成本也不是免费的。 组织通常具有有限数量的安排仓库和物流能力。 他们必须在这些限制范围内运作,有效地利用可用资源。
平均而言,面对供应过剩和供应不足之间的选择,大多数组织更愿意通过明确的选择来实现供应过剩。 与供应过剩的成本相比,供应不足的可衡量成本通常更高,有时甚至高出好几倍,我们将在下面的章节中讨论。
偏向供应过剩的主要原因是为了避免在产品缺货时失去客户商誉的无形成本。 制造商和零售商考虑长期客户价值并希望培养品牌忠诚度——这一使命有助于为他们的供应链战略提供信息。
在本节中,我们研究了由于在需求规划过程中分配过多或过少的资源而导致的不平等。 接下来,我们研究时间序列预测以及需求预测如何与项目级供应策略最佳匹配。
销售和运营规划周期的经典方法
从历史上看,预测是通过统计方法实现的,这些方法会产生点预测,从而为未来提供最可能的值。 这种方法通常基于移动平均或线性回归的形式,旨在使用普通最小二乘法来拟合模型。 点预测由单个平均预测值组成。 由于点预测值以平均值为中心,因此预计真实值大约有 50% 的时间会高于平均值。 剩下 50% 的时间,真实数字将低于预测点。
点预测可能很有趣,但如果在没有专家审查的情况下进行预测,零售商可能会在 50% 的情况下导致必备品售完。 为了防止客户服务不足,供需规划人员应用手动判断覆盖或通过安全库存公式调整点预测。 公司可能会使用自己对安全库存公式的解释,但其想法是帮助确保在不确定的短期范围内提供产品供应。 最终,规划者需要根据他们的规则、解释和对未来的主观看法来决定是否扩大或缩小平均点预测。
现代、最先进的时间序列预测使选择成为可能
为了满足现实世界的预测需求,AWS 提供了一系列广泛而深入的功能,提供现代的时间序列预测方法。 我们提供机器学习 (ML) 服务,包括但不限于 亚马逊 SageMaker 画布 (详情请参阅 使用 Amazon SageMaker Canvas 快速构建更快地训练时间序列预测模型), 亚马逊预报 (通过 Amazon Forecast 的时间序列预测开始您的成功之旅), 亚马逊SageMaker 内置算法(使用 Amazon SageMaker 进行深度需求预测)。 此外,AWS还开发了一个开源软件包, 自动胶,它支持多种 ML 任务,包括时间序列领域的任务。 欲了解更多信息,请参阅 使用 AutoGluon-TimeSeries 轻松准确地进行预测.
考虑上一节中讨论的点预测。 现实世界的数据比用平均或直线回归线估计表示的更为复杂。 另外,由于供给过剩和供给不足的不平衡,您需要的不仅仅是单点估算。 AWS 服务通过使用 ML 模型和分位数回归来满足这一需求。 分位数回归使您能够从各种以分位数表示的规划方案中进行选择,而不是依赖于单点预测。 正是这些分位数提供了选择,我们将在下一节中更详细地描述。
旨在服务客户并促进业务增长的预测
下图提供了通过分位数回归实现的具有多个结果的时间序列预测的可视化。 用 p05 表示的红线提供了实际数字(无论它是什么)预计会跌破 p05 线的概率,大约有 5% 的时间。 相反,这意味着 95% 的情况下,真实数字可能会落在 p05 线上方。
接下来,观察用 p70 表示的绿线。 大约 70% 的时间真实值会低于 p70 线,而有 30% 的机会超过 p70。 p50 线提供了对未来的中点视角,平均而言,50/50 的机会值将落在 p50 之上或之下。 这些是示例,但任何分位数都可以以相同的方式解释。
在下一节中,我们将研究如何衡量分位数预测是否产生按项目的供应过剩或供应不足。
从历史数据衡量供应过剩和供应不足
上一节演示了观察预测的图形方式; 查看它们的另一种方式是采用表格方式,如下表所示。 创建时间序列模型时,部分数据会被保留在训练操作中,从而可以生成准确性指标。 尽管未来是不确定的,但这里的主要思想是,在所有其他条件相同的情况下,抑制期内的准确性是对明天预测结果的最佳近似。
该表不显示准确性指标; 相反,它显示了过去已知的真实值,以及从 p50 到 p90 的几个分位数预测,步长为 10。在最近的历史性五个时期内,真实需求为 218 单位。 分位数预测提供一系列值,从最低 189 个单位到最高 314 个单位。 通过下表,很容易看出 p50 和 p60 导致供应不足,最后三个分位数导致供应过剩。
我们之前指出,存在供给过剩和供给不足的不对称性。 大多数有意识地选择供应过剩的企业都是为了避免让客户失望。 关键问题变成:“对于未来,业务计划应该针对哪个分位数预测数字?” 鉴于存在的不对称性,需要做出权衡决定。 这一需求将在下一节中解决,其中预测数量(作为单位)将转换为其各自的财务含义。
根据利润最大化或客户服务目标自动选择正确的分位数
要将分位数值转换为业务值,我们必须找到与每个库存积压单位和每个库存不足单位相关的惩罚,因为它们很少相等。 这种需求的解决方案在运筹学领域已有详细记录和研究,称为报童问题。 Whitin (1955) 是第一个制定包含定价效应的需求模型的人。 报童问题的得名源于当时新闻卖家必须决定当天购买多少份报纸。 如果他们选择的数字太低,他们就会提前卖光,并且当天无法达到收入潜力。 如果他们选择的数字太高,他们就会被“昨天的新闻”困住,并可能面临失去部分清晨投机投资的风险。
要计算每个单位的超额和不足处罚,您希望预测的每个项目都需要一些数据。 您还可以根据业务需要将数据指定为项目+位置对、项目+客户对或其他组合,从而增加复杂性。
- 该商品的预期销售价值。
- 购买或制造该物品的总成本。
- 如果未售出,则与库存中的物品相关的估计持有成本。
- 该物品的残值(如果未售出)。 如果高度易腐烂,残值可能接近于零,导致原始商品投资成本全部损失。 当货架稳定时,残值可能会低于该物品的预期销售价值,具体取决于存储的和可能老化的物品的性质。
下表展示了如何从已知历史时期的可用预测点中自行选择分位数点。 以项目 3 为例,该项目前期的真实需求为 1,578 单位。 p50 估计为 1,288 单位将导致供应不足,而 p90 值为 2,578 单位则将产生供应过剩。 在观察到的分位数中,p70 值产生的最大利润为 7,301 美元。 了解这一点后,您可以看到与 p50 值相比,p1,300 选择将如何导致接近 70 美元的损失。 这只是一个示例,但表中的每一项都有一个独特的故事要讲述。
解决方案概述
下图说明了建议的工作流程。 第一的, 亚马逊SageMaker数据牧马人 使用时间序列预测器生成的回测预测。 接下来,回测预测和已知实际情况与项目基础上的财务元数据相结合。 此时,SageMaker Data Wrangler 转换使用回测预测来计算每个项目预测不足和预测过高的单位成本。
SageMaker Data Wrangler 将单位预测转化为财务背景,并自动选择在所检查的分位数中提供最高利润的特定于项目的分位数。 输出是一组表格数据,存储在 Amazon S3 上,在概念上类似于上一节中的表。
最后,时间序列预测器用于生成未来时期的未来预测。 在这里,您还可以选择根据选择的分位数来驱动推理操作,或对推理数据进行操作。 这可以让您降低计算成本,同时消除手动审查每个项目的负担。 您公司的专家可以有更多时间专注于高价值项目,同时可以对目录中的数千个项目应用自动调整。 作为考虑因素,未来存在一定程度的不确定性。 然而,在所有其他条件相同的情况下,混合选择分位数应该可以优化整个时间序列集中的结果。 在 AWS,我们建议您使用两个抑制预测周期来量化混合分位数选择所带来的改进程度。
解决方案指导可加速您的实施
如果您希望重新创建本文中讨论的分位数选择解决方案并将其适应您自己的数据集,我们提供了一组合成数据示例和一个示例 SageMaker Data Wrangler 流文件来帮助您开始 GitHub上。 整个实践体验应该需要不到一个小时即可完成。
我们提供此帖子和示例解决方案指南,以帮助您加快上市时间。 推荐特定分位数的主要推动者是 SageMaker Data Wrangler,这是一项专门构建的 AWS 服务,旨在减少为 ML 用例准备数据所需的时间。 SageMaker Data Wrangler 提供了一个可视化界面来设计数据转换、分析数据和执行特征工程。
如果您是 SageMaker Data Wrangler 的新手,请参阅 开始使用 Data Wrangler 了解如何通过以下方式启动服务 亚马逊SageMaker Studio。 独立地,我们有超过 150篇博客文章 有助于发现服务解决的各种示例数据转换。
结论
在这篇文章中,我们讨论了分位数回归如何在时间序列预测中支持多个业务决策点。 我们还讨论了与预测过高和不足相关的不平衡成本惩罚——通常供应不足的惩罚是供应过剩惩罚的几倍,更不用说供应不足可能会导致客户商誉的损失。
这篇文章讨论了组织如何评估多个分位数预测点,同时考虑每个项目的供应过剩和供应不足成本,以自动选择可能在未来时期提供最大利润的分位数。 必要时,当业务规则需要固定分位数而不是动态分位数时,您可以覆盖选择。
该流程旨在帮助实现业务和财务目标,同时消除必须手动对每个预测项目应用判断调用的摩擦。 SageMaker Data Wrangler 可帮助流程持续运行,因为分位数选择必须随着实际数据的变化而动态变化。
应该注意的是,分位数选择不是一次性事件。 还应该在每个预测周期内评估该过程,以考虑包括商品成本增加、通货膨胀、季节性调整、新产品推出、消费者需求变化等在内的变化。 所提出的优化过程位于时间序列模型生成之后,称为模型训练步骤。 分位数选择是在未来预测生成步骤(有时称为推理步骤)中进行和使用的。
如果您对本文有任何疑问,或者想要更深入地了解您独特的组织需求,请联系您的 AWS 客户团队、AWS 解决方案架构师,或者在我们的支持中心打开一个新案例。
参考资料
- 广东省德永 (2020)。 定价报童:审查和扩展。 国际生产研究杂志,58(6),1776–1804。
- Liu, C.、Letchford, AN 和 Svetunkov, I. (2022)。 报童问题:估计和优化的综合方法。 欧洲运筹学杂志,300(2), 590–601。
- Punia, S.、Singh, SP 和 Madaan, JK (2020)。 从预测分析到规范分析:数据驱动的多项目报童模型。 决策支持系统,136。
- Trapero, JR、Cardós, M. 和 Kourentzes, N. (2019)。 分位数预测最优组合以增强安全库存估算。 国际预测杂志,35(1), 239–250。
- 怀廷,TM (1955)。 库存控制和价格理论。 管理科学。 2 61-68。
关于作者
查尔斯·劳克林 是首席 AI/ML 专家解决方案架构师,在 AWS 的 Amazon SageMaker 服务团队工作。 他帮助制定服务路线图,并每天与不同的 AWS 客户合作,利用尖端的 AWS 技术和思想领导力帮助他们实现业务转型。 Charles 拥有供应链管理硕士学位和博士学位。 在数据科学中。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
- 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
- 柏拉图ESG。 碳, 清洁科技, 能源, 环境, 太阳能, 废物管理。 访问这里。
- 柏拉图健康。 生物技术和临床试验情报。 访问这里。
- Sumber: https://aws.amazon.com/blogs/machine-learning/beyond-forecasting-the-delicate-balance-of-serving-customers-and-growing-your-business/
- :具有
- :是
- :不是
- :在哪里
- ][p
- 1
- 10
- 100
- 2019
- 2020
- 2022
- 420
- 7
- 95%
- a
- 关于
- 以上
- 加快
- 验收
- 根据
- 账号管理
- 精准的
- 实现
- 获得
- 法案
- 适应
- 增加
- 地址
- 解决
- 调整
- 劝
- 后
- 驳
- 岁
- 向前
- AI / ML
- 算法
- 所有类型
- 让
- 允许
- 靠
- 还
- 尽管
- Amazon
- 亚马逊SageMaker
- 亚马逊 SageMaker 画布
- 亚马逊网络服务
- 其中
- 量
- an
- 分析
- 分析
- 和
- 另一个
- 任何
- 分析数据
- 应用的
- 使用
- 的途径
- 方法
- 约
- 保健
- 安排
- AS
- 旁白
- 相关
- At
- 自动表
- 自动
- 可使用
- 避免
- AWS
- 背部
- 回溯测试
- 当前余额
- 资产负债表
- 资产负债表
- 基于
- 基础
- BE
- 因为
- 成为
- 成为
- 很
- 作为
- 如下。
- 最佳
- 之间
- 超越
- 偏见
- 博客
- 半身裙/裤
- 品牌
- 广阔
- 内建的
- 负担
- 商业
- 企业
- 但是
- by
- 被称为
- 呼叫
- CAN
- 帆布
- 能力
- 进行
- 携带
- 案件
- 例
- 现金
- 检索目录
- 原因
- Center
- 中心
- 链
- 机会
- 更改
- 改变
- 查尔斯
- 选择
- 选择
- 选择
- 选择
- 选择
- 组合
- 组合
- 相当常见
- 公司
- 公司
- 相比
- 完成
- 复杂
- 复杂
- 计算
- 概念
- 意识
- 考虑
- 考虑
- 由
- 约束
- 消费者
- 上下文
- 控制
- 反过来
- 兑换
- 转换
- 核心
- 正确
- 价格
- 成本
- 可以
- 再加
- 创建信息图
- 创造
- 危急
- 顾客
- 客户服务
- 合作伙伴
- 前沿
- 周期
- 周期
- 每天
- data
- 数据科学
- 数据驱动
- 天
- 决定
- 决定
- 决定
- 深
- 更深
- 默认
- 学位
- 交付
- 需求
- 需求预测
- 需求
- 证明
- 演示
- 根据
- 描述
- 设计
- 设计
- 欲望
- 细节
- 详情
- 确定
- 发达
- 令人失望
- 通过各种方式找到
- 讨论
- 讨论
- 潜水
- 不同
- do
- 不会
- 域
- 向下
- 驾驶
- 两
- ,我们将参加
- 动态
- 每
- 早
- 易
- 只
- 影响
- 有效
- 推动者
- 使
- 结束
- 工程师
- 提高
- 确保
- 整个
- 等于
- 特别
- 评估
- 欧洲
- 评估
- 评估
- 活动
- 所有的
- 检查
- 例子
- 例子
- 超过
- 过剩
- 存在
- 预期
- 体验
- 技术专家
- 专家
- 表示
- 扩展
- 秋季
- 快
- 专栏
- 少数
- 少
- 部分
- 数字
- 文件
- 金融
- 财务目标
- 找到最适合您的地方
- 姓氏:
- 适合
- 五
- 固定
- 流
- 专注焦点
- 遵循
- 其次
- 以下
- 针对
- 收益预测
- 预测
- 形式
- 公式
- 培育
- 发现
- Free
- 摩擦
- 止
- ,
- 进一步
- 未来
- 期货
- 生成
- 产生
- 代
- 地理
- 得到
- 特定
- 胶子
- 理想中
- 非常好
- 货
- 善意
- 绿色
- 成长
- 指导
- 民政事务总署
- 动手
- 有
- 有
- he
- 保持
- 帮助
- 帮助
- 相关信息
- 高
- 更高
- 最高
- 高度
- 历史性
- 历史的
- 保持
- 持有
- 地平线
- 视野
- 小时
- 创新中心
- How To
- 但是
- HTML
- HTTPS
- i
- 主意
- 空闲
- if
- 说明
- 失调
- 即时
- 改善
- in
- 包括
- 包括
- 包含
- 收入
- 增加
- 增加
- 独立地
- 通货膨胀
- 通知
- 信息
- 初始
- 无形资产
- 集成
- 有趣
- 接口
- 国际
- 解释
- 成
- 介绍
- 库存
- 调查
- 投资
- 投资
- IT
- 项目
- 加盟
- 日志
- 旅程
- 知道
- 会心
- 已知
- 名:
- 发射
- 铅
- 领导团队
- 信息
- 学习
- 最少
- 离开
- 减
- 喜欢
- 容易
- 有限
- Line
- 物流
- 长期
- 失去
- 离
- 低
- 降低
- 机
- 机器学习
- 制成
- 主要
- 使
- 颠覆性技术
- 方式
- 手册
- 手动
- 制造商
- 许多
- 市场
- 匹配
- 最大化
- 最多
- 可能..
- 意味着
- 含义
- 手段
- 意思
- 衡量
- 满足
- 元数据
- 方法
- 方法
- 指标
- 使命
- 杂
- ML
- 模型
- 模型
- 现代
- 更多
- 早上
- 最先进的
- 移动
- 移动平均线
- 多
- 必须
- 一定有
- 命名
- 自然
- 导航
- 近
- 必要
- 需求
- 打印车票
- 需要
- 全新
- 新产品
- 消息
- 报纸
- 下页
- 注意到
- 现在
- 数
- 观察
- of
- 提供
- 优惠精选
- 经常
- on
- 一
- 正在进行
- 仅由
- 打开
- 开放源码
- 开源软件
- 操作
- 操作
- 操作
- 运营
- 最佳
- 优化
- 优化
- or
- 订单
- 普通
- 组织
- 组织
- 原版的
- 其他名称
- 我们的
- 输出
- 结果
- 产量
- 超过
- 最划算
- 覆盖
- 积压
- 己
- 包
- 对
- 部分
- 伙伴
- 部分
- 过去
- 为
- 演出
- 期间
- 期
- 透视
- 件
- 计划
- 规划行程
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 请
- 点
- 点
- 定位的
- 可能
- 帖子
- 潜力
- 可能
- 预测
- 预测
- 比较喜欢
- Prepare
- 防止
- 以前
- 先前
- 车资
- 价格
- 小学
- 校长
- 先
- 市场问题
- 问题
- 过程
- 生产
- 生成
- 产生
- 产品
- 生产
- 核心产品
- 利润
- 利润
- 建议
- 提供
- 提供
- 采购
- 追求
- 题
- 有疑问吗?
- 快速
- R
- 范围
- 很少
- 价格表
- 宁
- 达到
- 真实
- 真实的世界
- 实现
- 原因
- 最近
- 建议
- 红色
- 减少
- 参考
- 简称
- 相对的
- 依靠
- 其余
- 删除
- 研究
- 资源
- 资源
- 那些
- 导致
- 导致
- 零售
- 零售商
- 零售商
- 检讨
- 风险
- 路线图
- 定位、竞价/采购和分析/优化数字媒体采购,但算法只不过是解决问题的操作和规则。
- 运行
- 运行
- s
- 实现安全
- sagemaker
- 销售
- 同
- 情景
- SCI
- 科学
- 季节性
- 部分
- 部分
- 看到
- 寻求
- 选择
- 选择
- 出售
- 卖家
- 系列
- 服务
- 服务
- 特色服务
- 服务
- 集
- 几个
- 形状
- Share
- 片
- 架
- 转换中
- 购物
- 短期的
- 应该
- 显示
- 如图
- 作品
- 类似
- 单
- So
- 软件
- 出售
- 方案,
- 解决方案
- 一些
- 专家
- 具体的
- 投机
- 广场
- 稳定
- 利益相关者
- 开始
- 国家的最先进的
- 统计
- 步
- 步骤
- 库存
- 存储
- 存储
- 故事
- 直
- 策略
- 策略
- 研究
- 成功
- 供应
- 供需平衡
- 供应链
- 供应链管理
- SUPPORT
- 支持系统
- 支持
- 盈余
- 合成的
- 产品
- 表
- 采取
- 需要
- 任务
- 团队
- 技术
- 展示
- 比
- 这
- 未来
- 其
- 他们
- 理论
- 那里。
- 博曼
- 他们
- 事
- 认为
- Free Introduction
- 那些
- 思想
- 精神领袖
- 数千
- 三
- 通过
- 次
- 时间序列
- 至
- 也有
- 强硬
- 向
- 交易
- 产品培训
- 改造
- 转换
- true
- 真实的价值
- 二
- 一般
- 最终
- 不确定
- 不确定
- 下
- 理解
- 独特
- 单元
- 单位
- 直到
- 使用
- 用过的
- 运用
- 折扣值
- 价值观
- 各种
- 查看
- 想
- 是
- 方法..
- we
- 卷筒纸
- Web服务
- 井
- 为
- 任何
- ,尤其是
- 每当
- 而
- 是否
- 这
- 而
- WHO
- 宽
- 大范围
- 将
- 中
- 也完全不需要
- 工作流程
- 合作
- 将
- 完全
- 您一站式解决方案
- 和风网
- 零