Bemærk
Adgang til denne side kræver godkendelse. Du kan prøve at logge på eller ændre mapper.
Adgang til denne side kræver godkendelse. Du kan prøve at ændre mapper.
Tip
I denne artikel beskrives de funktioner til behovsprognoser, der er indbygget i Microsoft Dynamics 365 Supply Chain Management. For en endnu bedre planlægnings- og prognoseoplevelse anbefaler vi, at du prøver efterspørgselsplanlægning i Microsoft Dynamics 365 Supply Chain Management, som er Microsoft's næste generations kollaborative efterspørgselsplanlægningsløsning. Du kan finde flere oplysninger på startsiden for efterspørgselsplanlægning.
Denne artikel indeholder oplysninger om de parametre og filtre, der bruges i beregningen af behovsprognoser.
Når du opretter en budgetplan, skal du først angive de parametre og filtre, der bruges i beregningen. Du kan f.eks. oprette budgetplan, der estimerer behovet for en bestemt virksomhed baseret på transaktionsdata fra sidste år, for den kommende måned og for en udvalgt gruppe af varer.
For at generere en efterspørgselsprognose, gå til Master planning>Forecasting>Demand Forecasting>Generer statistisk baseline-prognose.
Prognosefilsættet kan vælges på tidspunktet for prognosegenereringen. De tilgængelige værdier er Dag, Uge og Måned.
Det antal filsæt, for hvilket der skal genereres en prognose, indstilles i feltet Prognosehorisont.
Når prognosestrategien er indstillet til Kopiér over historisk efterspørgsel, ignoreres slutningen af den historiske horisont. Systemet kopierer antallet af filsæt, der er angivet i feltet Prognosehorisont, til prognosebehovet, hvor der startes fra den dato, der er indstillet i feltet Fra dato under Historisk horisont. Ved at kopiere historisk behov fra en bestemt dato frem kan produktionsplanlæggere lægge planen for næste kvartal på to måder:
- Ved at kopiere behovet fra samme kvartal sidste år.
- Ved at kopiere behovet fra forrige kvartal.
For at undgå forvirring i produktionsplanerne kan et bestemt antal prognosefilsæt fryses. Dette antal er angivet i feltet Låsningstidshorisont. På siden for Justeret efterspørgselsprognose er cellerne for de frosne spande deaktiveret for at give en visuel indikation af, at disse værdier ikke bør ændres.
Startdatoen for den grundlæggende efterspørgselsprognose behøver ikke være den nuværende dato eller en dato i fremtiden. Hvis du vil angive en anden startdato, skal du bruge feltet Startdato for prognosegrundlag – Fra-dato. I juni kan brugere for eksempel oprette en prognose for næste år. Da prognosefilsættet mellem slutningen af det historiske behov og starten på grundlaget mangler, er forudsigelserne muligvis ikke nøjagtige. Hvis du bruger efterspørgselsprognosetjenesten, er der fire måder, hvorpå du kan udfylde de manglende huller. Du kan vælge den ønskede metode ved at indstille parameteren MISSING_VALUE_SUBSTITUTION på siden Parametre til behovsprognoser.
Note
Erstatning af manglende værdi fungerer kun for huller i data mellem start-og slutdatoerne for historiske data. Den vil ikke udfylde data før eller efter det sidste fysiske datapunkt. Den vil kun fungere som ekstrapolering mellem faktiske eksisterende datapunkter.
Feltet Startdato for prognosegrundlag - Fra-dato skal være indstillet til begyndelsen på filsættet, f.eks. i USA, en søndag, hvis prognosefilsættet er ugen. Systemet justerer automatisk feltet Startdato for prognosegrundlag - Fra-dato, så den matcher begyndelsen på prognosefilsættet.
Feltet Startdato for - From kan sættes til en dato i fortiden. Med andre ord er det muligt at lave en efterspørgselsprognose tidligere. Dette er nyttigt, fordi brugerne får mulighed for at justere parametrene i prognosetjenesten, så den statistiske prognose, der er genereret i fortiden, svarer til det faktiske historiske behov. Brugere kan derefter fortsætte med at bruge disse parameterindstillingerne til at generere et statistisk prognosegrundlag for fremtiden.
Manuelle justeringer foretaget i tidligere efterspørgselsprognoseiterationer kan automatisk anvendes på den nye baseline-prognose, hvis afkrydsningsboksen Transfer manuelle justeringer af efterspørgselsprognosen er markeret. Hvis afkrydsningsboksen er fjernet, tilføjes de manuelle justeringer ikke til baseline-prognosen – men de slettes heller ikke. Manuelle justeringer foretaget i en prognose kan kun slettes ved importtidspunktet for prognosen ved at fjerne afkrydsningsboksen ' Gem de manuelle justeringer, der er foretaget i baseline efterspørgselsprognosen '. Manuelle justeringer gemmes på godkendelsestidspunktet. Derfor, hvis en bruger manuelt justerer prognosen, men ikke godkender prognosen tilbage til supply chain management, går ændringerne tabt. Få flere oplysninger om manuelle justeringer, og hvordan de fungerer, under Godkend en justerede prognose.
En efterspørgselsprognosegenerering kan have et navn og kommentarer, der hjælper brugere med at identificere den prognose, der blev genereret. Disse værdier er synlige i oversigten over prognosegenereringen på siden Genereringshistorik for statistisk budgetgrundlag.
Den interne planlægningsgruppe i firmaet, varefordelingsnøgler og andre filtre kan anvendes på tidspunktet for prognosegenerering. Disse kan bruges til at forbedre ydeevnen eller opdele dataene i håndterbare stykker. Dog genereres der ikke en efterspørgselsprognose for medlemmerne af nogen vareallokeringsnøgle, der ikke er tilknyttet en intercompany-planlægningsgruppe, selvom vareallokeringsnøglen vælges i forespørgslen.
Tip
Nogle gange kan brugere modtage fejl under generering af en behovsprognose, eller prognosegenerering fuldføres uden sessionslog. Dette kan ske på grund af overskydende data i den forespørgsel, der tidligere blev brugt til oprettelse af prognose. For at løse dette problem skal du vælge Vælg for at åbne forespørgselssiden , vælg Nulstil, og derefter generere basisprognosen igen.
Hvis prognosen ikke genereres for et stort sæt elementer, men for eksempel for én vare eller én tildelingsnøgle ad gangen, kan du for at opnå bedre ydeevne vælge afkrydsningsboksen Brug anmodnings-svar-tilstand på fanen Master planning - Opsætning - Efterspørgselsprognose - Efterspørgselsprognoseparametre - Azure Machine Learning.
Note
En potentielt flad prognose kan skyldes de historiske data, der skal være fra en længere historisk tidsramme (mindst tre tidsperioder for at udpege mønstre, såsom tre år med månedlig prognose). Hvis du vil opnå et bedre resultat, kan du prøve at ændre granulariteten af tidsintervallet eller øge tidsintervallet.