L'onglet Paramètres avancés contient de nombreux paramètres permettant de définir le mode d'exécution des prévisions personnalisées. Dans le cas de la méthode Automatique, le moteur de prévision sélectionne les paramètres optimaux pour l'exécution de la prévision. Dans le cas de toutes les autres méthodes, il utilise les paramètres par défaut, sauf si vous en indiquez d'autres.
Paramètre de prévision
Répertorie les différents paramètres que vous pouvez modifier. Sélectionnez un paramètre pour en afficher la description dans la zone Description du paramètre de prévision.
Les paramètres peuvent être regroupés dans les catégories suivantes :
Tous les paramètres ne sont pas disponibles pour toutes les méthodes de prévision.
Paramètres de configuration : ces paramètres fournissent au moteur de prévision des informations de base concernant le mode de prévision. Définissez toujours les paramètres Approche prévisionnelle et Filtre de données lorsque vous employez une méthode de prévision spécifique.
Approche prévisionnelle : indique l'approche suivie par le moteur de prévision pour appliquer le système expert. L'option Automatique offre un contrôle total à ce dernier. L'option Manuelle vous permet de choisir une méthode et des paramètres appropriés aux données historiques.
Filtre de données : identifie une caractéristique de base des données pour les filtrer. Définissez ce paramètre si vous n'utilisez pas la méthode Automatique.
Taille de la fenêtre de vérification : la fenêtre de vérification est indiquée comme fraction du nombre total de périodes historiques. Elle permet au système expert de déterminer les meilleurs méthode et paramètres.
Paramètres généraux : utilisez ces paramètres avec les méthodes de prévision spécifiques.
Allouer le dernier cycle : détermine si le dernier cycle est calculé à l'aide de l'allocation ou des prévisions. Avec l'allocation, le risque d'un ajustement excessif pour tendance ou saisonnalité peut être moindre. Ce paramètre dépend du paramètre Périodicité.
Périodicité : nombre de périodes d'un cycle ou de chaque ensemble de cycles imbriqués. La valeur par défaut (1) ne regroupe pas les périodes. Par conséquent, chaque période est logiquement indépendante.
Par exemple, si vous utilisez Month (Mois) comme niveau de base de la prévision et si la hiérarchie temporelle inclut les niveaux Month (Mois), Quarter (Trimestre) et Year (Année), les cycles représentent les 12 mois d'une année et les 3 mois d'un trimestre. Pour un cycle unique, entrez le nombre de périodes. Pour les cycles imbriqués, répertoriez les cycles entre parenthèses, séparés par une virgule, du plus agrégé au moins agrégé : par exemple, (12,3).
Facteur de calcul de la limite supérieure et Facteur de calcul de la limite inférieure : les limites empêchent le moteur de prévision de générer accidentellement des valeurs anormalement élevées ou anormalement faibles. La limite supérieure est calculée en multipliant son facteur de calcul par la valeur la plus élevée des séries historiques. La limite inférieure est calculée en multipliant son facteur de calcul par la valeur la plus faible des séries historiques.
Par exemple, si le paramètre Facteur de calcul de la limite supérieure est égal à 100 et la valeur historique la plus élevée, à 5 600, aucune valeur de prévision ne peut être supérieure à 560 000. Si le paramètre Facteur de calcul de la limite inférieure est égal à 0,5, et la valeur historique la plus faible, à 300, aucune valeur de prévision ne peut être inférieure à 150.
Déclin total mobile maximal et Déclin total mobile minimal : valeur maximale d'une constante de déclin inversement proportionnelle au bruit, à l'écart aléatoire et à la stabilité de l'historique des données intermittentes. Augmentez cette valeur si l'historique passe rapidement d'un cycle à l'autre ou si le niveau de bruit est faible. Ce paramètre n'est utilisé qu'avec le filtre Données intermittentes. La différence entre le maximum et le minimum doit être divisible par 0,4.
Essais : nombre d'essais effectués pour déterminer les meilleures méthode et combinaison de paramètres.
Paramètres de lissage des données historiques : utilisez ces paramètres pour obtenir une prévision plus lisse à partir de données historiques intermittentes.
Lisser les données historiques : indique si les données historiques doivent être lissées. Le lissage est généralement utilisé pour les données hebdomadaires ou plus détaillées, avec beaucoup de valeurs manquantes. Il permet d'obtenir une prévision de référence plus lisse.
Interpoler les valeurs manquantes : indique si vous souhaitez lisser les données en interpolant les valeurs manquantes et non en calculant une moyenne. Ce paramètre s'avère utile lorsque les valeurs manquantes signalent des données incomplètes plutôt qu'une activité insuffisante.
Fenêtre de lissage médian : nombre de périodes utilisées dans une fenêtre de lissage médian pour identifier les valeurs extrêmes et les remplacer par des valeurs de données ajustées. Il doit s'agir d'une valeur impaire afin que la période en cours figure au centre de la fenêtre.
Pour les données mensuelles, ne dépassez pas 5 afin d'éviter un lissage excessif des données. Pour les données hebdomadaires, ne dépassez pas 13. Pour les données journalières ou horaires, utilisez une fenêtre plus large (15 ou plus).
Paramètres de lissage exponentiel : utilisez ces paramètres avec les méthodes Lissage exponentiel simple, Lissage exponentiel double et Méthode Holt-Winters.
Alpha : constante de lissage qui détermine la réactivité d'une prévision aux hausses et baisses soudaines. Il s'agit de la pondération en pourcentage affectée à la période précédente, le reste étant réparti sur les autres périodes historiques.
Plus la valeur d'alpha est faible, moins la prévision réagit aux variations subites. La valeur 0,5 entraîne une réaction très forte. La valeur 1 affecte l'intégralité de la pondération à la période précédente et produit les mêmes résultats qu'un calcul portant sur cette période. La valeur 0 élimine la période précédente de l'analyse.
Bêta : constante de lissage qui détermine la sensibilité de la prévision à la tendance. Plus la valeur de bêta est faible, moins la tendance a de poids. La valeur de bêta est généralement faible car la tendance est un effet à long terme.
Gamma : constante de lissage qui détermine la sensibilité de la prévision aux facteurs saisonniers. Plus la valeur de gamma est faible, moins les facteurs saisonniers ont de poids.
Atténuation de tendance : constante qui détermine la vitesse à laquelle l'estimation de la tendance décline à l'horizon de la prévision. Une valeur élevée correspond à un retour lent et inversement. Plus la valeur est faible, moins la tendance a d'effet sur la prévision. La valeur de ce paramètre doit refléter la fiabilité de la tendance.
Paramètres de régression : utilisez ce paramètre avec les méthodes de régression linéaire et non linéaire.
Déclin cyclique : constante qui détermine la sensibilité de la prévision aux variations par rapport à l'activité de référence. Plus sa valeur est faible, moins les variations ont de poids.
Si les variations sont pertinentes et continues pendant un nombre de périodes significatif, réduisez la valeur. Si elles sont relativement aléatoires et dissociées des périodes adjacentes, augmentez-la.
Valeur de paramètre
Valeur en cours du paramètre, que vous pouvez modifier.
Rétablir la valeur par défaut
Rétablit les paramètres d'origine de toutes les valeurs.
Description du paramètre de prévision
Affiche la description du paramètre de prévision actuellement sélectionné. Pour afficher celle d'un autre paramètre, sélectionnez-le dans la liste Paramètre de prévision.
Copyright © 2003, 2007, Oracle. Tous droits réservés.