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.
Bemærkning
Denne funktion er inkluderet i Microsoft Dynamics 365 Sustainability Premium.
What if-analyse er en brugerdefineret AI-model, der forudsiger virkningen af flere ændringer i forretningspraksis på din organisations CO2-emissionsfodaftryk. Det hjælper dig med at skabe mere informerede strategier for co2-reduktion og sætte skub i dine overordnede mål for bæredygtighed. Du kan f.eks. forudsige, hvor stor effekt det vil få, hvis der skiftes til energikilder, f.eks. vind- eller vindkraft, eller ved at skifte leverandør via leverandørspecifikke faktorer.
I denne artikel vises, hvordan du kan oprette en prognose for what if-analyse. Den indeholder også overvejelser, detaljer og oplysninger, der kan hjælpe dig med at få mest muligt ud af prognosen.
Vigtige overvejelser
Vær opmærksom på disse overvejelser under oprettelse af prognosescenariet.
Du kan lag mellem en og tre strategier i et enkelt scenarie ved hjælp af feltet Antal scenarier .
Feltet Variabel(r) er markeret med flere markeringer. Vælg de data eller mængder, du vil forudsige ændring af. Du kan f.eks. vælge at ændre den mængde omkostninger, afstand og varer , der transporteres som en del af dine 4. Upstream-transport- og distributionsscenarie .
Alle scenarier kræver følgende felter:
- Navn
- Afdeling
- Datatype
- Beregningsmodel
- AR-version
- Antal strategier
- Variabel(er)
Facilitet er ikke påkrævet felt, men du kan bruge den til yderligere at indskrænke dataene for prognosen.
Oprette en what if-analyseprognose
Følg disse trin for at komme i gang med what-if analyse:
Vælg i navigationsruden What-if-analyse.
Vælg Nyt scenario på siden What-if-analyse.
I feltet Ny What-if-scenarie skal du angive følgende oplysninger:
- Navn
- Afdeling
- Datatype
- Beregningsmodel
- AR-version
Angiv det antal strategier, du vil lage gennem feltet Antal strategier .
Vælg den eller de variabler , du vil forudsige ændringer af som en del af din strategi eller dine strategier. Angiv de historiske værdier for disse variabler, som repræsenterer den aktuelle strategi, som din organisation bruger. Hvis du f.eks. forudsiger virkningen af at ændre din flåde af mobile forbrændingskøretøjer, skal du angive den aktuelle køretøjs- og brændstoftype under Aktuel strategi.
Vælg Gem og luk, når du har fuldført formularen.
Vælg det flow, du har oprettet, og derefter Kør scenarie. Når scenariejobbet er fuldført, modtager du en meddelelse i appen, hvor du får besked om resultaterne med et link, der fører dig til dem. På denne side vises scenariedetaljerne og et diagram, der visualiserer dine historiske data og tilknyttede strategiprognoser.
Bemærkning
Længden af dit scenaries prognosehorisont er baseret på mængden af historiske data, du henter. Som en generel tommelfingerregel er din prognosehorisont altid ca. halvdelen af dine historiske data. Hvis du f.eks. har to års historiske data med en måneds intervaller, får du vist en prognosehorisont på ét år på samme interne.
Understøttede scenarier
Hvert scenarie tilbyder forskellige tilpasningsniveauer. Tilpas prognosen til din organisations data og behov ved hjælp af variabler. I denne tabel vises alle tilgængelige variabler for hver datatype.
| Scenariokategori | Tilgængelige variabler |
|---|---|
| Industriel forarbejdning | - Omkostning - Varemængde - Industriel procestype - Forbrugstype - Antal |
| Mobil forbrænding | - Omkostning - Afstand - Brændstofmængde - Brændstofstype - Varemængde - Industriel procestype - Antal - Forbrugstype - Køretøjstype |
| Stationær forbrænding | - Omkostning - Konverteringsforhold for energi - Brændstofmængde - Brændstofstype - Varemængde - Industriel procestype - Antal - Forbrugstype |
| Indkøbt afkøling | - Kontraktlig instrumenttype - Omkostning - Varemængde - Er vedvarende - Antal - Forbrugstype |
| Indkøbt elektricitet | - Kontraktlig instrumenttype - Omkostning - Varemængde - Er vedvarende - Antal - Forbrugstype |
| Indkøbt varme | - Kontraktlig instrumenttype - Omkostning - Varemængde - Er vedvarende - Antal - Forbrugstype |
| Indkøbt damp | - Kontraktlig instrumenttype - Omkostning - Varemængde - Er vedvarende - Antal - Forbrugstype |
| 1. Købte varer og tjenester | - Omkostning - Varemængde - Industriel procestype - Antal - Forbrugstype |
| 2. Kapitalgoder | - Omkostning - Industriel procestype - Antal - Forbrugstype |
| 4. Upstream-transport og distribution | - Omkostning - Afstand - Brændstofmængde - Brændstofstype - Varemængde - Industriel procestype - Antal - Forbrugstype - Transportform - Type af transport og distribution - Køretøjstype |
| 5. Affald, der genereres i produktion | - Omkostning - Bortskaffelsesmetode - Afstand - Brændstofmængde - Industriel procestype - Materiale - Antal - Forbrugstype - Transportform - Affaldsmængde |
| 6. Forretningsrejse | - Type forretningsrejse - Omkostning - Afstand - Brændstofmængde - Industriel procestype - Antal - Køretøjstype |
| 7. Medarbejderpendling | - Omkostning - Afstand - Type af medarbejderpendling - Brændstofmængde - Brændstofstype - Industriel procestype - Antal - Køretøjstype |
| 9. Downstream-transport og -distribution | - Omkostning - Afstand - Brændstofmængde - Brændstofstype - Varemængde - Industriel procestype - Antal - Forbrugstype - Transportform - Type af transport og distribution - Køretøjstype |
| 12. Behandling ved slut på levetiden for solgte produkter | - Omkostning - Bortskaffelsesmetode - Afstand - Brændstofmængde - Industriel procestype - Materiale - Antal - Forbrugstype - Transportform |
Bemærkning
Hvis du vil beregne energikonverteringsforhold for dit stationære forbrændingsscenarie, skal du dividere energiindholdet i dit eksisterende brændstof med energiindholdet i det brændstof, du vil forudsige. Du kan også bruge varmeværdier. Hvis f.eks. dit eksisterende energiindhold er 33 MJ/kg, og det nye er 38 MJ/kg, er din energikonvertering ca. 0,87.
Bemærkning
Når du forudsiger effekten af at skifte fra ikke-fornybar til vedvarende energi, skal du sikre dig, at du vælger en beregningsmodel, der understøtter beregninger af både ikkefornyelige og vedvarende energikilder. Den nemmeste måde er at bruge en betinget betingelse i feltet Kan fornyes.
Prognoseaspekter
Eksisterende strategi: Den eksisterende strategiprognose viser dine forventede emissioner, hvis du ikke ændrer den aktuelle måde, du genererer emissioner for den pågældende kategori på. Hvis du f.eks. laver en prognose for virkningerne af at skifte fra kul til biobrændsel for en bestemt facilitet, repræsenterer den eksisterende strategiprognose de forventede emissioner ved fortsat brug af kul.
Nye strategier: Den nye strategiprognose viser dine forventede emissioner, hvis du skifter til den nye forretningsstrategi, der repræsenteres af dit prognosescenarie. Hvis du f.eks. har en prognose for, hvor vigtigt det er at skifte fra kul til biobrændsel for en bestemt facilitet, repræsenterer den nye strategiprognose den forventede effekt af at skifte til biobrændsel. Du kan udforske en til tre nye strategier, afhængigt af hvordan du konfigurerer dit scenarie.
Forudsigelsesintervaller: Forudsigelsesintervaller repræsenterer estimatet for et interval, hvor en fremtidig observation falder med en vis sandsynlighed (95% tillid) på grund af de historiske data. Forudsigelsesintervaller repræsenterer det overensstemmelsesinterval, der er knyttet til en prognose.
Modelfejl og informationsmeddelelser
I dette afsnit forklares de fejl eller problemer, du kan støde på med prognoser.
Vi har foretaget nogle justeringer for at generere denne prognose
Skift til en reserveprognosemetode: Systemet bruger en fallback-prognosemetode, hvis antallet af historiske datapunkter eller datakvaliteten ikke er god nok til at passe (S)ARIMA- eller ETS-modeller. To specifikke tilfælde kræver, at der skiftes til en reservemetode:
- For mange manglende datapunkter i en ellers relativ ensartet tidsserie for historiske data
- Historisk data med uens afstand
Kontrol af data ensartethed og justering af hyppighed: Før prognosen aggregeres dine data på månedsniveau for at generere en månedlig baseline og what if-prognose. Men hvis sammenlægningen ikke giver en relativt ensartet månedlig kadence, forsøger systemet yderligere sammenlægning til to, tre, fire eller seks måneder. Hvis det ikke er muligt for serien at opnå relativ ensartethed under disse justeringer, bruges der en mere enkel reservemodel til prognose.
Prognose kan ikke genereres
Historiske data er for sparsomme: For at sikre en vellykket prognose kræver systemet, at dine historiske data har en hyppighed på mindst ét datapunkt hver sjette måned. Hvis dataene er mere sparsomme end det pågældende interval, lykkes prognosen ikke.
Ingen eller for få historiske datapunkter: What if-analyseprognosemodellerne kræver mindst seks datapunkter (efter hyppigheden af frekvensen, som er beskrevet tidligere i Kontrol af dataensartethed og frekvensjustering), for at der kan oprettes en prognose.
Understøttede prognosemodeller for tidsserier
Dynamics 365 Sustainability understøtter (Seasonal) Auto Regressive Integrated Moving Average ((S)ARIMA) og ETS (Error Trend Seasonality) univariate tidsserieprognosemodeller til generering af prognoser på aktivitetsdata. I modeludvælgelsesstrukturen vælges den bedste prognosemodel på baggrund af de historiske aktivitetsdata. De genererede prognoser på aktivitetsniveau gennemgår beregningsmodellen for at transformere dem til prognoser på udledningsniveauet.
ARIMA og ETS er de mest brugte prognosemetoder for tidsserier. ETS-modellerne er afhængige af beskrivelserne af tendenser og anvendelighed i dataene, mens ARIMA-modeller beskriver autokorrekturerne i dataene. Hvis du vil vide mere om disse modeller, skal du se kapitel 7 (Eksponentiel udjævning) og Kapitel 8 (ARIMA-modeller) for bogen Forecasting: Principles and Practice.
I visse tilfælde, f.eks. når de historiske data er for få eller meget uregelmæssige, vælger systemet en simpel reservemodel i stedet for ARIMA eller ETS.