Oversikt over behovsprognose

Bruk behovsprognoser til å forutsi uavhengig etterspørsel fra salgsordrer og avhengig etterspørsel på ethvert frakoblingspunkt for kundeordrer. Reglene for utvidet behovsprognosereduksjon er en ideell løsning for massetilpasning.

For å generere den opprinnelige prognosen sendes et sammendrag av historiske transaksjoner til Microsoft Azure Machine Learning driftet på Azure. Fordi denne tjenesten ikke er delt mellom brukere, kan du enkelt tilpasse den for å oppfylle bransjespesifikke krav. Bruk administrasjon av forsyningskjede til å visualisere prognosen, justere prognosen og vise viktige ytelsesindikatorer (KPI-er) om prognosenøyaktighet.

Nøkkelfunksjoner for behovsprognose

Her er noen av de viktigste funksjonene i behovsprognose:

• Generer en statistisk opprinnelig prognose som er basert på historiske data.
• Bruke et dynamisk sett med prognosedimensjoner.
• Visualisere behovstrender, konfidensintervaller og justeringer av prognosen.
• Godkjenn den justerte prognosen for bruk i planleggingsprosesser.
• Fjerne utestående.
• Opprette målinger av prognosenøyaktighet.

Viktige temaer i behovsprognose

Etterspørselsprognoser implementerer tre hovedtemaer:

• Modularitet – behovsprognose er modulær og enkel å konfigurere. Du kan aktivere eller deaktivere funksjonen ved å endre konfigurasjonsnøkkelen på Handel > Lagerprognose > Behovsprognose.
• Bruk av Microsoft-stabelen – Machine Learning lar deg raskt og enkelt opprette prediktive analyseeksperimenter, for eksempel estimeringseksperimenter for etterspørsel, ved hjelp av algoritmer R eller Python programmeringsspråk og et enkelt dra-og-slipp-grensesnitt.
  • Du kan laste ned behovsprognoseeksperimenter, endre dem slik at de overholder dine forretningskrav, publisere dem som en webtjeneste på Azure og bruke dem til å generere behovsprognoser. Du kan laste ned eksperimentene hvis du kjøper et administrasjon av forsyningskjede abonnement for en produksjonsplanlegger som bruker på bedriftsnivå.
  • Du kan opprette dine egne eksperimenter i Microsoft Azure Machine Learning studio (klassisk), publisere dem som tjenester på Azure og bruke dem til å generere behovsprognoser.
  • Hvis du ikke trenger høy ytelse, eller hvis du ikke krever at en stor mengde data skal behandles, kan du bruke gratisnivået for Machine Learning. Start alltid fra dette nivået, spesielt under implementerings- og testfaser. Hvis du trenger høyere ytelse og ekstra lagringsplass, kan du bruke standardnivået for Machine Learning. Dette nivået krever et abonnement på Azure og omfatter ekstra kostnader. For opplysninger om priser for Machine Learning kan du se Machine Learning Studio-priser.
• Prognosereduksjon på ethvert frakoblingspunkt – Etterspørselsprognoser bygger på denne funksjonaliteten, noe som lar deg forutsi både avhengig og uavhengig etterspørsel på ethvert frakoblingspunkt.

Grunnleggende flyt i behovsprognose

Diagrammet nedenfor viser grunnleggende flyt i behovsprognose.

Generering av behovsprognose starter i administrasjon av forsyningskjede. Historiske transaksjonsdata fra administrasjon av forsyningskjede-transaksjonsdatabasen samles inn og fyller ut en oppsamlingstabell. Denne oppsamlingstabellen mates senere til en Machine Learning-tjeneste. Ved å utføre minimal tilpassing kan du koble ulike datakilder til oppsamlingstabellen. Datakildene kan inneholde Microsoft Excel filer, CSV-filer (kommadelt verdi) og data fra Microsoft Dynamics AX 2009 og Microsoft Dynamics AX 2012. Derfor kan du generere behovsprognoser som vurderer historiske data som er spredt mellom flere systemer. Hoveddata, for eksempel elementnavn og enheter, må imidlertid være de samme på tvers av ulike datakilder.

Hvis du bruker Machine Learning-eksperimentene behovsprognose, ser de etter en beste tilpasning blant tidsserieprognosemetoder for å beregne en basislinjeprognose. Parameterne for disse prognosemetodene styres i administrasjon av forsyningskjede.

Prognosene, historiske data og eventuelle endringer som ble gjort i behovsprognosene i tidligere gjentakelser, er deretter tilgjengelige i administrasjon av forsyningskjede.

Du kan bruke administrasjon av forsyningskjede til å visualisere og endre basislinjeprognosene. Manuelle justeringer må være autorisert før prognosene kan brukes til planlegging.

Begrensninger

Behovsprognose er et verktøy som hjelper kunder i fabrikasjonsbransjen med å opprette prognoseprosesser. Det tilbyr kjernefunksjonaliteten for en behovsprognoseløsning og er utformet slik at det kan enkelt utvides. Behovsprognose egner seg kanskje ikke best for kunder i bransjer som handel, engros, lager, transport eller andre profesjonelle tjenester.

Behovsprognose, variantkonverteringsbegrensning

Målenhet (UOM) per variantkonvertering støttes ikke fullt ut når du genererer etterspørselsprognose hvis lager-UOM er forskjellig fra UOM for etterspørselsprognose.

Generering av prognose (Måleenhet for lager > Måleenhet for behovsprognose) bruker måleenhetkonvertering for produkt. Når du laster inn historiske data for generering av etterspørselsprognoser, brukes UOM-konverteringen på produktnivå alltid når du konverterer fra lager-UOM til UOM for behovsprognose, selv om det er definert konverteringer på variantnivå.

Den første delen av autorisasjonsprognosen (Måleenhet for behovsprognose > Måleenhet for lager) bruker måleenhetkonvertering for produkt. Den andre delen av autorisasjonsprognosen (Måleenhet for lager > Måleenhet for salg) bruker måleenhetkonverteringen for variant. Når den genererte etterspørselsprognosen er godkjent, bruker konverteringen til lager-UOM fra etterspørselsprognose UOM produktnivå UOM-konvertering. Samtidig respekterer konverteringen mellom lagerenheten og salgs-UOM de definerte konverteringene på variantnivå.

Feilsøke behovsprognoser

Hvis du opplever problemer med behovsprognoser, kan du se gjennom tabellen nedenfor for veiledning om vanlige oppgaver og scenarioer før du kontakter kundestøtte.

Relatert informasjon

• Oppsett av behovsprognose
• Generere en statistisk basislinjeprognose
• Foreta manuelle justeringer i basislinjeprognosen
• Autorisere en justert prognose
• Overvåke prognosenøyaktighet
• Fjerne utestående fra historiske transaksjonsdata ved beregning av en behovsprognose
• Konserninterne planleggingsgrupper for behovsprognose
• Hovedplanlegging med behovsprognoser
• Forutsi fremtidig etterspørsel etter produkter og tjenester med etterspørselsprognoser for å drive forretningsbeslutninger
• Video: Utvide funksjonaliteten for behovsprognose
• Nettseminar: Behovsprognose med Azure Machine Learning Series