预测不是衡量准确性, 而是偏差率

文:文/刘宝红2023年第五期

  预测就如赌博,赌对说明了什么?说 明了你幸运。我们其实是很难分析赌对的 原因,除了基本的“从数据出发,由判断 结束”的需求预测流程,以及选择更合适 的数理统计模型。即使这两者都做对了, 你还是可能预测失败。所以,从赌对中, 我们很难学到太多的东西。这就如你问那 位九十多岁的老寿星长寿的秘诀,他说他 吃饭,他运动,他睡觉——他其实也不知 道为什么长寿,否则的话,为什么不教给 他的老伴儿,这样,老伴儿就不会在三十 年前去世了。

  成功并不能让我们更聪明多少,也很 难复制。否则的话,马云会把他的那些成 功法则一遍又一遍地复制,把地球上的钱 都赚光了; 苹果也是,把iPhone的成功复 制到i汽车、i电视、i电冰箱,凡是你能想 到的,前面都加个i。人之所以变聪明,是 因为我们从失败中学习。具体地说,就是 坚守基本原则的情况下,尽量避免那些失 败,这样就增加成功的概率。

  就拿长寿来说,基本原则就是吃好、 运动好、休息好。要避免的失败呢,就是 不吸毒, 少喝酒,不在XYZ公司上班——

  加班太多,过劳死;压力太大,容易跳 楼。对于需求预测来说,坚持基本原则就 是选择最合适的统计模型,走“从数据出 发,由判断结束”的基本流程。而要避免 的失败呢,则得从预测的偏差率中去发现 ——所有的预测都是错的,识别偏差,纠 正差别就是调整预测的过程。

  需求预测就如发射导弹, 一路飞去, 一路纠偏,命准目标的过程其实就是纠正 偏差的过程。

  让我们先来看偏差怎么计算。概念上 很简单:实际值与预测值的差就是偏差。

图片 162.png

图片 164.png

导弹击中目标的过程,就是发现偏差,纠正偏差的过程

  但预测是个循环更新的过程,如果每月滚 动的话,每一个月就有个预测。那究竟该 用哪个月的预测来计算偏差?这取决于供 应链的响应周期:在一般的行业,生产周 期加上长周期物料的采购前置期,大概在 3个月左右。因此,理论上讲,用三个月 前的预测(M-3)最合理:1月份,你告 诉我4月份的预测是100个,我就按照这 个来采购、生产。结果4月份的实际需求 是80个,那么偏差就是20个,偏差率是 25%。

  M-3的偏差率一般会非常高,会揭 示太多的“问题”。而最大的问题呢,就 是预测做得太早而不准,解决方案就是缩 短供应链的响应周期,这样我们就不需要 那么早地做预测了。所以时间是最大的因 素,对于需求预测来说又不可控,反倒把 很多别的可控因素给掩盖了。

  打个不一定很恰当的比方。乔丹的 投篮命准率是49.7%,这是他在三分线内 外的命准率。假定乔丹一过中场就投篮, 估计命准率只有5%。分析为什么95%的 球都投丢了,结论很容易是他离篮板太远 了。其实即使乔丹在篮下,跟篮板的距离是0,也不是百分之百地命准。这意味着 在距离因素以外,还有别的因素在影响他 的投篮命准率,比如投篮的姿势,手腕的 发力等。这些其实是可以控制的,但因为 被距离因素掩盖掉了,反倒没有被发现, 采取合适的纠偏措施。

  有些企业用M-1来统计偏差,用1个 月前的预测作为基准。这有一定的合理 性,因为一般的行业,需求预测的冻结期 大概是1个月以内(意味着数量、配置和 日期都不能改变),如果进入冻结期还改 变预测,那对生产和供应链的代价很高, 所以必须严加控制。半冻结期大概在1到 2个月,这段时间内的需求变化呢,对不 起,供应链你就想法消化吧。就这样,冻 结期内的问题由销售买单;半冻结区内的 变动由供应链买单,两头一凑,算是个折 中方案吧。

  但是,对于芯片等采购提前期很长 (动辄就13个星期或更长),供应灵活性 很差的情况(比如芯片生产流程很长很复 杂,人工干预挺困难),M-1对供应链来 说就有点太不公平——M-1的预测准确度 挺高,但太迟了,因为供应链的决策早都做了。这就是为什么有些企业用M-2来统计预测的准确度,分析其偏差度。当然,还有些企业采取更折中的方式,用M-1、M-2、M-3的平均值来统计需求预测的差异,这在操作上有点太复杂,也掩盖了不少有用的信息,指导意义有多大,还有待商榷。

  其实,采用多久前的预测做基准,其实是销售与供应链力量博弈的结果:销售的力量越强,就选择近期的预测做基准;供应链的胳膊越粗,就越可能用更久前的预测做基准。想必我们现在也清楚了,如果两家公司都说他们的预测偏差是30%时,如果一个用的是M-1,另一个是M-3,那他们的差距可不是一点点喔。定义好了偏差怎么计算,让我们进一步探讨差异是怎么分析的。总的来说,我们感兴趣有几个方面:绝对偏差(绝对值),相对偏差(百分比),偏差的方向(偏见)。

  先说绝对偏差。假定需求预测是100,实际需求是80,那么绝对偏差就是20。除以实际需求80,就得到绝对百分比偏差25%。绝对百分比让不同的产品有了可比性,所以是差异分析中较常用的一种。不过你看得出,绝对百分比掩盖了偏差方向,没法判断预测是虚高还是虚低。比如需求预测是60,实际需求是80,其百分比差异也是25%。但你知道,这是预测虚低,会造成短缺,跟预测100、实际80造成的过剩不一样,对供应链的影响也不同。

  这就是为什么有些公司拿掉绝对值,直接计算预测和实际的偏差百分比。这种偏差可以清楚地判断预测与实际的偏差方向,以揭示需求预测中的系统性偏见。比如“由判断结束”中,有几个销售人员习惯性地高估需求,而别的销售人员时高时低,更加符合统计学规律。根据这样的分析,就可有针对性地采 取组织措施,纠正这几个销售人员的行为。

  有的公司把预测和实际的偏差值累计起来,就得到累计偏 差,以判断预测的累计影响。比如而1月、2月、3月的预测偏高, 4月、5月、6月的偏低,半年加起来可能抵消,从而没有造成呆滞 库存。不过这并不意味着完美无缺。比如基于前三个月的过高预 测,供应链可能不得不赶工加急,造成额外的运营成本;由于后 三个月的预测偏低,工厂可能遣散一部分员工,产生遣散费用。 可以说, 一旦汇总,我们可能冒丧失某些信息、掩盖某些问题的 风险。所以,预测的累计偏差一般不独立使用,而是和别的偏差指标一起用。

  此外,还有很多偏差的统计方法,比如统计预测值与实际 值之间的方差、均方差,来衡量偏差的幅度和离散度。但不管用 什么样的统计方法,超过一定限度的会成为异常值,需要根源分 析,采取纠偏措施。需求预测虽说是“预测”,其实大部分时间 都在纠偏:发现差异,分析差异,理解差异,采取纠偏措施,比 如更换统计模型,与销售、市场、产品管理会面讨论,和关联职 能协商等。正是通过处理一个个的“例外”,我们才得以避免失 败,从而能够成功。这就如要长寿很简单,只要解决那些可能让 你死去的“例外”,活着就是长寿。

图片 166.png




中传动网版权与免责声明:

凡本网注明[来源:中国传动网]的所有文字、图片、音视和视频文件,版权均为中国传动网(www.chuandong.com)独家所有。如需转载请与0755-82949061联系。任何媒体、网站或个人转载使用时须注明来源“中国传动网”,违反者本网将追究其法律责任。

本网转载并注明其他来源的稿件,均来自互联网或业内投稿人士,版权属于原版权人。转载请保留稿件来源及作者,禁止擅自篡改,违者自负版权法律责任。

如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。

伺服与运动控制

关注伺服与运动控制公众号获取更多资讯

直驱与传动

关注直驱与传动公众号获取更多资讯

中国传动网

关注中国传动网公众号获取更多资讯

热搜词
  • 运动控制
  • 伺服系统
  • 机器视觉
  • 机械传动
  • 编码器
  • 直驱系统
  • 工业电源
  • 电力电子
  • 工业互联
  • 高压变频器
  • 中低压变频器
  • 传感器
  • 人机界面
  • PLC
  • 电气联接
  • 工业机器人
  • 低压电器
  • 机柜
回顶部
点赞 0
取消 0
往期杂志
  • 2024年第三期

    2024年第三期

    伺服与运动控制

    2024年第三期

  • 2024年第二期

    2024年第二期

    伺服与运动控制

    2024年第二期

  • 2024年第一期

    2024年第一期

    伺服与运动控制

    2024年第一期

  • 2023年第六期

    2023年第六期

    伺服与运动控制

    2023年第六期

  • 2023年第四期

    2023年第四期

    伺服与运动控制

    2023年第四期