SAP 系统的预测模型与预测公式

       物料计划是PP模块的一个重要组成部分其核心要素在于通过不同的方式对未来一段时间内预期的物料需求进行提前计划从而根据相应的提前期进行有条不紊 的生产与采购活动。在众多的物料计划方式中MRP无疑是应用最为广泛的一种这是因为MRP这种物料需求的计划方式逻辑清晰、容易理解、易于使用且 MRP的顺利运行无需过多过严苛的先决条件。同时MRP的运算逻辑本身也十分合理、在功能上也强大为企业物料计划员所广为接受。

       从本质上讲MRP的物料计划方式是一种根据未来需求推算未来需求、以及根据未来需求推算未来供给的过程。无论如何我们一定要事先通过某种方式如计划 独立需求、销售订单将未来的物料需求给到系统而后系统才能根据这些需求进行一系列的MRP运算。这样一来当我们使用MRP的时候就必须要花费一定 的工作量找到一些可行的方法将未来的物料需求输入到系统中。因此可以说虽然MRP的运行在很大程度上降低了计划员的工作量但由于MRP本身以物料 需求的输入作为前提条件则维护物料需求的工作量就是不可避免的。

       在SAP系统中除了最经典的MRP运算方式之外还存在着另外一种物料计划方式这就是预测Forecast。与MRP所不同的是预测功能的本质 是根据过去的物料消耗值来推算未来的物料消耗值即物料需求。在这种情况下我们无需在系统中输入物料在未来的预期需求系统就会直接根据物料在历史上 的消耗数据自动推算出未来的物料需求。

        可以看出预测功能在SAP系统中是一项非常高级与深入的功能它可以实现物料需求推算的自动化、进而实现物料供给推算的自动化。我们再也不需绞尽脑汁地 去设想物料在未来的需求数据了系统的自动运算会搞定一切。

        然而虽然预测功能是如此的高档与智能化但真正在SAP系统中应用了这一功能的企业却是寥寥无几。这其中最重要的原因就在于预测功能的成功应用需要太 多、太复杂的先决条件而绝大多数企业根本不具备这些先决条件。换句话说极少有企业能将预测过程中出现的种种复杂与深奥的参数进行量化与固化。

        事实上在预测功能的应用当中最为核心的部分就是物料需求的推算规则。系统之所以能够依据物料的历史消耗数据推算出物料的未来需求值靠的就是有一个明 确的推算规则。我们需要事先将推算规则赋予给系统系统才能够在这个规则的基础上依据物料的历史消耗值进行计算。通常而言我们将这个用于进行预测计算的 规则称之为预测模型Forecast Model而将这个模型中所量化的计算方法称之为预测公式Forecast Formula。

       系统在执行预测功能的时候就是首先从预测模型中提取出预测公式而后再将物料的历史消耗数据作为公式变量参与到计算中。而计算出的结果就是我们所需要的 物料未来消耗值物料需求。

        因此物料的历史消耗数据仅仅是预测运算的变量而预测模型与预测公式则在预测功能的应用中占据了最为核心的位置。选择一个合适的预测模型是成功应用预测 功能的必要条件。因为如果模型选得不得当再丰富的物料历史消耗数据都是没有意义的。而如果我们想要选择好正确的预测模型就必须要事先对每个预测模型的 运算原理、以及预测模型中每个参数所起到的作用有着充分的了解。

       正因为预测模型所占据的这种核心地位本博文系列将会抛开具体的测试案例专门从数学的角度逐一对SAP系统所提供的各类预测模型以及其中所包含的参数进 行分析力求加深对这些预测模型的理解与掌握为后续的预测功能测试做好铺垫。虽然从分析内容上来看本博文系列看上去更像是学术文章而不是技术文档但 这类基于数学意义的分析却是我们未来应用好预测功能的基础。从某种程度上来讲理解了这些模型与参数预测功能的研究就算成功了一半。

        一、从下篇博文开始我们将会对SAP系统所提供的各种预测模型进行分析与探讨它们包括
        1移动平均模型--Moving Average Model
        2加权移动平均模型--Weighted Moving Average Model
        3一阶指数平滑模型含季节因子-- First-Order Exponential Smoothing Model
        3.1常数模型--Constant Model
        3.2通用一阶指数平滑模型含季节因子-- General First-Order Exponential Smoothing Model
        4二阶指数平滑模型 -- Second-Order Exponential Smoothing Model
       
        二、本博文系列中我们还将介绍SAP系统所提供的五大预测值评估标准它们是
        1误差总量--Error Total
        2初始化预测平均绝对偏差MAD I--Mean Absolute Deviation for Forecast Initialization
        3事后预测平均绝对偏差MAD II--Mean Absolute Deviation for Ex-Post Forecast
        4跟踪信号--Tracking Signal
        5泰尔系数--Theil Coefficient

        三、我们还将探讨SAP系统所提供的预测值修正方法--公差巷Tolerance Lane

        四、本博文系列中我们还将介绍预测模型中涉及到的五大参数它们分别是
        1α -- alpha 基本平滑因子
        2β -- beta 趋势平滑因子
        3γ -- gamma 季节平滑因子
        4δ -- delta 平均绝对偏差因子
        5σ -- sigma 异常控制因子