Das Register "Erweiterte Einstellungen" enthält zahlreiche Parameter, mit denen die Ausführung einer benutzerdefinierten Prognose angepasst wird. Bei der automatischen Methode wählt die Prognose-Engine die optimalen Parametereinstellungen bei der Ausführung der Prognose. Bei allen anderen Methoden verwendet die Prognose-Engine die Standardeinstellungen, wenn Sie keine anderen Werte angeben.
Prognoseparameter
Führt die verschiedenen Einstellungen auf, die Sie ändern können. Wählen Sie eine Einstellung, um die Beschreibung in dem Feld "Beschreibung des Prognoseparameters" anzuzeigen.
Die Parameter können in folgenden Kategorien gruppiert werden:
Nicht alle Parameter sind für alle Prognosemethoden verfügbar.
Setup-Parameter: Diese Parameter stellen der Prognose-Engine grundlegende Informationen darüber bereit, wie eine Prognose angegangen werden soll. Legen Sie die Parameter "Prognoseansatz" und "Datenfilter" immer fest, wenn Sie eine bestimmte Prognosemethode benutzen.
Prognoseansatz: Gibt den Ansatz der Prognose-Engine bei der Anwendung des Expert-Systems an. Automatisch gibt dem Expert-System volle Kontrolle. Bei Manuell können Sie eine Methode und Parametereinstellungen wählen, die für die historischen Daten zutreffend sind.
Datenfilter: Identifiziert die Basiseigenschaften der Daten zur Datenfilterung. Legen Sie diesen Parameter fest, wenn Sie eine andere Methode als Automatisch verwenden.
Größe des Überprüfungsfensters: Das Überprüfungsfenster wird als Bruchteil der Gesamtanzahl von historischen Perioden angegeben. Das Expert-System verwendet das Überprüfungsfenster, um die besten Methoden- und Parametereinstellungen zu ermitteln.
Allgemeine Parameter: Verwenden Sie diese Parameter mit einer bestimmten Prognosemethode.
Letzten Zyklus zuweisen: Bestimmt, ob der letzte Zyklus mit Zuweisung oder Prognostizierung berechnet wird. Die Zuweisung kann die Gefahr einer Überanpassung bei Trend oder Saisonalität reduzieren. Dieser Parameter hängt von der Einstellung für die Periodizität ab.
Periodizität: Die Anzahl von Perioden in einem einzigen Zyklus oder die Anzahl von Perioden in jeder Gruppe von verschachtelten Zyklen. Der Standardwert 1 gruppiert die Perioden gar nicht, sodass jede Periode logisch unabhängig ist.
Wenn Sie z.B. Monat als Basisebene für die Prognose verwenden und die Zeit-Hierarchie Ebenen für Monat, Quartal und Jahr hat, betragen die Zyklen 12 Monate in einem Jahr und 3 Monate in einem Quartal. Für einen einzelnen Zyklus geben Sie die Anzahl von Perioden ein. Bei verschachtelten Zyklen führen Sie die Zyklen in Klammern von dem höchsten zum niedrigsten Aggregat, durch Komma getrennt auf (12,3).
Grenzwert-Maximum und Grenzwert-Minimum: Prognosegrenzwerte verhindern, dass die Prognose-Engine gelegentlich unvernünftig hohe oder niedrige Werte generiert. Der obere Grenzwert wird berechnet, indem das Grenzwert-Maximum mit dem höchsten Wert in der historischen Reihe multipliziert wird. Der untere Grenzwert wird berechnet, indem das Grenzwert-Minimum mit dem kleinsten Wert in der historischen Reihe multipliziert wird.
Wenn der Grenzwert-Maximum-Parameter z.B. 100,0 und der größte historische Wert 5.600 ist, kann kein Prognose-Wert größer als 560.000 sein. Wenn der Grenzwert-Minimum-Parameter 0,5 und der kleinste historische Wert 300 ist, kann kein Prognose-Wert kleiner als 150 sein.
Gleitender gesamter Ablauf Maximum und Gleitender gesamte Ablauf Minimum: Der Maximalwert einer Ablaufkonstante, invers bezogen auf Geräusch, zufällige Abweichung und Stabilität in der Historie von intermittierenden Daten. Legen Sie einen höheren Wert fest, wenn sich die Historie von einem Zyklus zum nächsten schnell entwickelt oder wenn der Geräuschpegel niedrig ist. Dieser Parameter wird nur mit dem intermittierenden Datenfilter benutzt. Die Differenz zwischen Maximum und Minimum muss gleichmäßig durch 0,4 teilbar sein.
Versuche: Die Anzahl von Versuchen, die durchgeführt werden, um die beste Methode und Kombination von Parametereinstellungen zu bestimmen.
Historische Datenglättungsparameter: Verwenden Sie diese Parameter, um eine glattere Prognose aus intermittierenden historischen Daten zu erhalten.
Geglättete historische Daten verwenden: Bestimmt, ob historische Daten geglättet werden. Glättung wird im Allgemeinen für wöchentliche oder feiner granulierte Daten benutzt, bei denen viele Werte fehlen. Die Glättung der historischen Daten erzeugt eine glattere Baseline-Prognose.
Fehlende Werte interpolieren: gibt an, ob Sie die Daten glätten möchten, indem fehlende Werte interpoliert und nicht deren Mittelwert berechnet wird. Dieser Parameter wird benutzt, wenn fehlende Werte unvollständige Daten und keinen Mangel an Aktivität angeben.
Medianwert für Glättungsbereich: Die Anzahl von Zeitperioden, die in einem Median-Glättungsfenster benutzt werden, um Ausreißer zu identifizieren und durch angepasste Datenwerte zu ersetzen. Diese Einstellung muss eine ungerade Zahl sein, sodass die aktuelle Zeitperiode in der Mitte des Fensters liegt.
Bei monatlichen Daten verwenden Sie einen Höchstwert von 5, um eine übermäßige Aufbereitung der Daten zu verhindern. Bei wöchentlichen Daten verwenden Sie einen Höchstwert von 13. Verwenden Sie ein längeres Fenster (15 oder mehr) für tägliche oder stündliche Daten.
Exponentielle Glättungsparameter: Verwenden Sie diese Parameter mit der einfachen exponentiellen Glättung, doppelten exponentiellen Glättung und mit Holt-Winters-Methoden.
Alpha: Eine Glättungskonstante, mit der bestimmt wird, wie eine Prognose auf plötzliche Schwankungen reagiert. Die prozentuale Gewichtung wird der Vorperiode zugewiesen, der Rest wird auf die anderen historischen Perioden verteilt.
Je niedriger der Wert von Alpha, desto langsamer reagiert die Prognose auf plötzliche Änderungen. Ein Wert von 0,5 reagiert sehr schnell. Ein Wert von 1,0 gibt der Vorperiode eine Gewichtung von 100 % und ergibt dasselbe Ergebnis wie die Berechnung der Vorperiode. Ein Wert von 0,0 eliminiert die Vorperiode aus der Analyse.
Beta: Eine Glättungskonstante, die bestimmt, wie sensibel eine Prognose für den Trend ist. Je kleiner der Betawert, desto geringer die Gewichtung des Trends. Der Betawert ist im Allgemeinen klein, weil der Trend ein langfristiger Effekt ist.
Gamma: Eine Glättungskonstante, die bestimmt, wie sensibel die Prognose auf saisonale Faktoren reagiert. Je niedriger der Wert von Gamma, desto geringer die Gewichtung der saisonalen Faktoren.
Trend-Dämpfung: Eine Konstante, die bestimmt, wie schnell die Schätzung des Trends über dem Prognosehorizont abnimmt. Eine höherer Wert ergibt eine langsamere Wiedergabe, während ein niedriger Wert eine schnellere Wiedergabe ergibt. Je kleiner der Wert desto weniger Auswirkung hat ein Trend auf die Prognose. Der Wert dieses Parameter reflektiert Ihr Vertrauen in den Trend.
Regressionsparameter: Verwenden Sie diesen Parameter mit den linearen und nicht-linearen Regressionsmethoden.
Zyklischer Ablauf: Eine Konstante, die bestimmt, wie sensibel die Prognose auf Abweichungen von der Baseline-Aktivität reagiert. Je niedriger der Wert, desto geringer die Gewichtung der Abweichungen.
Wenn Abweichungen während einer signifikanten Anzahl von Perioden beträchtlich sind oder andauern, legen Sie einen niedrigeren Wert fest. Wenn die Abweichungen recht zufällig und nicht mit einer der angrenzenden Zeitperioden verbunden sind, legen Sie einen höheren Wert fest.
Parameterwert
Der aktuelle Wert der Einstellung, den Sie ändern können.
Auf Standardwert zurücksetzen
Setzt alle Werte wieder auf die Originaleinstellungen zurück.
Beschreibung des Prognoseparameters
Zeigt eine Beschreibung des aktuell ausgewählten Prognoseparameters an. Um die Beschreibung eines anderen Parameters anzuzeigen, wählen Sie diesen Parameter in der Liste "Prognoseparameter".
Copyright © 2003, 2007, Oracle. All rights reserved. Alle Rechte vorbehalten,