keine weitere Bearbeitung
Da bei aggregierter Prognose in der Maintenance die Verteilregel ("Anzahl", "anteilig", "wie bisher") aus dem Selektionsbild und nicht aus den Benutzereinstellungen gezogen werden und dort standardmäßig "anteilig" ausgewählt ist, ist dies aktuell die einzige Möglichkeit, die im Analyse-Report funktioniert. Verteilung nach Anzahl ist gar nicht möglich und ohne Verteilversion wird die Prognose nicht gespeichert. Also im Analyse-Report entweder Verteilregel aus den Benutzereinstellungen ziehen, oder einen entsprechenden Parameter hinzufügen.
Vorläufige Version eines solchen Tools wurde umgesetzt. Report: /GIB/DCF_FOR_ANALYSIS Transaktionscode: /n/GIB/DCF_ANA - Für selektierte Hierarchien/Materialien kann die Prognose mit unterschiedlichen Konfigurationen durchgeführt und analysiert werden. - Beispiel: Konf.1 = Blattebene, Konf.2 = Superhierarchie, Konf.3 = Aggregation Warengruppe. - Für jede dieser Konfigurationen werden Trackingsignale berechnet, anhand derer sie verglichen werden können. - Für die Bewertung eines Materials wird der Durchschnitt der Trackingsignale über alle Hierarchien gebildet. Bisher ist TUK U2 das einzige Kriterium, in Zukunft soll hier erweitert werden (z.B. anhand der DCF Bewertung). - Daraus lässt sich (theoretisch) ableiten, für welches Material welche Konfiguration im Durchschnitt "am besten" ist, sprich wie es prognostiziert werden sollte.
Das Thema der optimalen Aggregationsebene für Planung und Prognose hat mehrere zusammenhängende Aspekte, die nicht separat betrachtet werden können. Testen verschiedener Aggregationsebenen: a) Definition der zu betrachtenden Ebenen - Hierarchieattribute wie VKORG, Werk sowie abgeleitete Attribute z.B. Land des Kundens (sofern ein Kundenbezug in der Hierarchie existiert) - Materialspezifische Attribute wie Produktgruppe sowie abgeleitete Attribute wie USN Klassifizierung - Abgeleitete Attribute aus Verbrauchscharakteristik (Saisonal, Trend, XYZ - Klassifizierung, Sporadizität) - Temporale Aggregation (Woche <-> Monat <-> Quartal <-> Jahr) - Kombinationen aus den oben genannten Merkmalen b) Definition der zu testenden Materialien Materialien ähnlicher Verbrauchscharakteristik? Ggf. können Materialien zu Aggregationsprofilen/-Gruppen zusammengefasst werden. D.h. zunächst muss ein Testplan festgelegt werden, der die zu testenden Kombinationen eingrenzt. Zum Test wird die Zeitreihe segmentiert/aufgeteilt, damit mehrfach getestet werden kann. Das ausgewählte Prognoseverfahren ist dabei zweitrangig; entscheidend ist, das eine Ebene durchschnittlich im Vergleich zu anderen Ebenen bessere Ergebnisse bei der Prognose erzielt. Ggf. können Die Festlegung der optimalen Aggregationsebene kann nicht losgelöst von Verteilung auf Blattebene betrachtet werden! Eine sehr aussagefähige und akkurate Prognose auf aggregierter ebene ist nutzlos, wenn sie nicht auf Blattebene zu nachvollziehbar guten Ergebnissen führt. D.h. Benchmark für eine optimale Prognose ist immer die Genauigkeit auf Blattebene. Hier könnte z.B. die naive Prognose als oberer Benchmark dienen - die gilt es zu schlagen. Daher sammeln und testen verschiedener Verteilungslogiken (insbesondere Betrachtung bei anspruchsvollen Verbrauchsverläufen z.B. Sporaden, Trend, Saisonalität). Ergebnis kann z.B. eine an bestimmten Kriterien wie XYZ Klassifizierung festgemachte Empfehlung optimaler Verteilungsschlüssel sein. Mögliche Verteilungsschlüssel: - Historische Werte - Durchschnittswerte (historische Werte / Produktgruppen usw.) - Gleichverteilung - historische Werte von Vorgängern, Referenzmaterialien usw. - Prognose auf Blattebene (u.U. mit eingegrenzter Auswahl Verfahren) - Naive Prognose - Zeitreihendekomposition (z.B. Saisonaler Verbrauch durch Aufteilung der Jahreswerte per Saisonfaktoren auf Monate)