首页 »
知识库 » 此处
作者：Joannes Vermorel，2012 年 2 月提高需求预测的准确度能够在存货方面实现节省。本文将对
周转率低于 15 的存货的节省情况进行量化。本文基于缺货率保持不变，额外准确度全部用在降低存货水平上面的出发点。
公式
下文提供了公式证明的细节，但我们要从最终结果开始讲起。先介绍一下以下变量：
- $V$ 总存货值。
- $H$ 年持有成本（百分比），表示与存货相关的所有成本之和。
- $\sigma$ 现有系统的预测误差，用单位 MAE（平均绝对误差）表示。下文提供了该衡量指标的定义。
- $\sigma_n$ 进行标杆分析的新系统的预测误差（极有可能低于 $\sigma$）。
通过修正预测得出的年度效益 $B$：
$$B=V H \left(\sigma - \sigma_n \right)$$
单位 MAE
只要是测量
交付周期内的误差，并且交付周期内的总销售量以百分比表示，那么就可以使用上述公式。
虽然对交付周期测量 MAPE（平均绝对百分误差）适合该定义，但在这里强烈
建议您不要使用 MAPE。当库存中存在周转较慢的产品时，MAPE 提供的测量结果其实不稳定。由于本文侧重于
低周转率的存货，因此存在的滞销品被视为具有“类似确定性”。
要计算
单位MAE（类似于百分比），要引入：
- $y_i$ 在交付周期内对项目 $i$ 的实际需求。
- $\hat{y}_i$ 交付周期内对项目 $i$ 的需求预测。
为确保测量的一致性，假设所有项目采用相同的起始日期 $t$。对于一组 $i$ 项目，单位 MAE 可以这样表示：
$$\sigma = \frac{\sum_i |y_i - \hat{y}_i|}{\sum_i y_i}$$
此值
类似于百分比，且其表现与 MAE 基本相同。相比 MAPE，它不受滞销品的负面影响，即对于所考量的周期 $y_i = 0$。
实例
假设有一家大型 B2B 专业设备零售网络，利用新预测系统可以将（相对）预测误差降低 20%。
- $V = 100,000,000$ €（1 亿欧元）
- $H = 0.2$（存货的年摩擦成本为 20%）
- $\sigma=0.2$（原系统的误差为 20%）
- $\sigma_n=0.16$（新系统的误差为 16%）
根据上面的公式，可以得出每年的收益 $B=800,000$€。
公式证明
要对上述结果进行证明，我们要对新预测系统生成的所有预测结果的 $\sigma - \sigma_n$ % 引入
系统性降低偏差。通过引入该偏差，可以：
- 增大 $\sigma - \sigma_n$ % 的所有预测过低的误差。
- 减小预测过高（但数量尚不明确）的平均误差。
如果消除通过对预测过高运用偏差所带来的结果的改进，可以看到，在最坏的情况下，新（即现在的已纳入偏差的）预测系统的准确度降低 $\sigma - \sigma_n$ %，导致总体准确度仍小于或等于 $\sigma$
随后,我们会发现存货 $V$ 的总量
与 交付需求成正比。在使用
安全库存模式确定存货水平时这种表现很明确，但本质上它也适用于替代性的方法。
通过将预测结果降低 $\sigma - \sigma_n$ %，存货 $V$ 的数量随之减少。由于已纳入偏差的系统的准确度仍低于 $\sigma$，所以缺货频率也应低于原有系统。
最后，我们已通过更准确的预测表明了构建降低 $\sigma - \sigma_n$ % 的存货水平确实会导致更多的缺货 – 因为预测优于或等于原系统的预测结果。
考虑到总的年度摩擦成本为 $H$，所以这样的减少程度将产生的节省为 $V \left(\sigma - \sigma_n \right)$。
对持有成本的误解
变量 $H$ 应包含
持有存货涉及到的所有摩擦成本。但我们经常发现存在这样一种误解：$H$ 的值介于 4% 至 6% 之间。然而，则会只是公司向银行贷款来作为流动资金所产生的成本。
将现金转变为存货很容易，但将存货重新转变为现金很难。
只考虑纯粹的财务成本大大低估了存货的实际成本：
- 货物储存本身一般每年会增加 2% 至 5% 的开销。
- 制造的几乎所有类型的产品中，废弃成本每年占 10% 至 20%。
所以对大部分成品存货而言，每年较合理的摩擦成本百分比是 20%。
Lokad 的洞察
对于低周转率的存货，本地的
分位数预测一般可以提供准确的结果。在预测间歇式需求时，传统的
平均数预测表现不如人意。请随时利用我们的
Web 应用生成的预测结果对您当前的库存做法进行标杆分析。