Jaa


Ennusta liiketoimintakäytäntöjen muutosten vaikutuksia päästöihin Mitä jos -analyysilla

Microsoft Cloud for Sustainability Tech Summit, marraskuu 2024.

Muistiinpano

Tämä ominaisuus sisältyy Microsoft Sustainability Manager Premium -ratkaisuun.

Entä jos -analyysi käyttää mukautettua tekoälymallia ennustaakseen yrityksesi käytäntöjen muutoksien vaikutukset organisaatiosi hiilijalanjälkeen. Sen avulla voit luoda enemmän tietoihin perustuvia hiilivähentämisstrategioita ja nopeuttaa yleisiä kestävyystavoitteitasi. Voit esimerkiksi ennustaa, miten siirtyminen uusiutuviin energialähteisiin, kuten tuuli- tai aurinkoenergiaan, tai toimittajien vaihtaminen toimittajakohtaisten kertoimien mukaan, vaikuttaa.

Tässä artikkelissa näytetään, miten luodaan Mitä jos -analyysiennuste. Siinä on myös seikkoja, yksityiskohtia ja tietoja, joiden avulla saat ennusteestasi kaiken irti.

Let's Talk Sustainability -videon tässä jaksossa näytetään, miten entä jos -analyysiä käytetään:

Tärkeitä huomioon otettavia seikkoja

Pidä nämä seikat mielessä luodessasi ennusteskenaariota.

  • Yhteen skenaarioon voidaan kerrostaa 1–3 strategiaa Skenaarioiden määrä -kentän avulla.

  • Muuttujat-monivalintakentässä voidaan valita tiedot tai määrät, joiden muuttuminen halutaan ennustaa. Esimerkiksi 4. Ylöspäin suuntautuva kuljetus ja jakelu -skenaarion osana voidaan esimerkiksi valita kuljetuksen kustannusten, etäisyyden ja tavaroiden määrän muokkaaminen.

  • Jokaisessa skenaariossa tarvitaan seuraavat kentät:

    • Nimi
    • Organisaatioyksikkö
    • Tietotyyppi
    • Laskentamalli
    • AR versio
    • Strategioiden lukumäärä
    • Muuttujat
  • Tila ei ole pakollinen kenttä, mutta sen avulla voit rajata ennusteen tietoja entisestään.

Entä jos -analyysiennusteen luominen

Seuraavien vaiheiden avulla pääset alkuun Entä jos -analyysin kanssa:

  1. Valitse siirtymisruudussa Entä jos -analyysi.

  2. Valitse Entä jos -analyysi -sivulla Uusi skenaario.

  3. Syötä Uusi entä jos -skenaario -ruudussa seuraavat tiedot:

    • Nimi
    • Organisaatioyksikkö
    • Tietotyyppi
    • Laskentamalli
    • AR versio
  4. Valitse seuraavaksi kerrostettavien strategioiden määrä Strategioiden määrä -kentässä.

  5. Valitse sitten Muuttujat, joiden muuttuminen halutaan ennustaa strategian osana. Ensimmäiseksi on syötettävä kyseisten muuttujien historialliset arvot, jotka ilmaisevat organisaatiossa parhaillaan käytössä olevan strategian. Jos esimerkiksi ennustetaan liikkuvien polttolähteiden muutoksen vaikutusta, ensiksi on syötettävä nykyinen ajoneuvo ja polttoainetyyppi Nykyinen strategia -kohtaan.

Näyttökuvassa esimerkki saatavana olevista muuttujista

  1. Kun lomake on täytetty, valitse Tallenna ja sulje.

  2. Valitse luomasi skenaario ja valitse sitten Suorita skenaario. Kun skenaariotyö on valmis, saat tuloksista sovelluksen sisäisen ilmoituksen, jossa on hyperlinkki, joka johtaa tuloksiin. Tällä sivulla on skenaarion tiedot sekä historialliset tiedot ja liitetyt strategiaennusteet visualisoiva kaavio.

Muistiinpano

Skenaarion ennusteen pituus perustuu tuotavien historiatietojen määrään. Yleisesti voidaan todeta, että ennusteen pituus on aina noin puolet historiallista tiedoista. Jos historiallisia tietoja on esimerkiksi kahden vuoden ajalta kuukauden välein, ennusteen odotettava pituus on yksi vuoksi samoin välein.

Näyttökuvassa kerrostettu ennuste

Tuetut skenaariot

Kunkin skenaarion mukautettavuustaso vaihtelee, mikä mahdollistaa ennusteen räätälöinnin organisaation tietojen ja tarpeiden mukaan muuttujien avulla. Tässä taulukossa on luettelo kunkin tietotyypin kaikista käytettävissä olevista muuttujista.

Skenaarioluokka Käytettävissä olevat muuttujat
Teollinen prosessi - Kustannus
- Tavaroiden määrä
- Teollisen prosessin tyyppi
- Kulutustyyppi
- Määrä
Liikkuvat polttolähteet - Kustannus
- Etäisyys
- Polttoaineen määrä
- Polttoaineen tyyppi
- Tavaroiden määrä
- Teollisen prosessin tyyppi
- Määrä
- Kulutustyyppi
- Ajoneuvon tyyppi
Kiinteä polttolähde - Kustannus
- Energian muuntosuhde
- Polttoaineen määrä
- Polttoaineen tyyppi
- Tavaroiden määrä
- Teollisen prosessin tyyppi
- Määrä
- Kulutustyyppi
Ostettu jäähdytys - Sopimusvälineen tyyppi
- Kustannus
- Tavaroiden määrä
- On uusiutuva
- Määrä
- Kulutustyyppi
Ostettu sähkö - Sopimusvälineen tyyppi
- Kustannus
- Tavaroiden määrä
- On uusiutuva
- Määrä
- Kulutustyyppi
Ostettu lämpö - Sopimusvälineen tyyppi
- Kustannus
- Tavaroiden määrä
- On uusiutuva
- Määrä
- Kulutustyyppi
Ostettu höyry - Sopimusvälineen tyyppi
- Kustannus
- Tavaroiden määrä
- On uusiutuva
- Määrä
- Kulutustyyppi
1. Ostetut tavarat ja palvelut - Kustannus
- Tavaroiden määrä
- Teollisen prosessin tyyppi
- Määrä
- Kulutustyyppi
2. Pääomahyödykkeet - Kustannus
- Teollisen prosessin tyyppi
- Määrä
- Kulutustyyppi
4. Alkupään kuljetus ja jakelu - Kustannus
- Etäisyys
- Polttoaineen määrä
- Polttoaineen tyyppi
- Tavaroiden määrä
- Teollisen prosessin tyyppi
- Määrä
- Kulutustyyppi
- Kuljetustapa
- Kuljetus- ja jakelutapa
- Ajoneuvon tyyppi
5. Toiminnoissa syntyvä jäte - Kustannus
- Hävitystapa
- Etäisyys
- Polttoaineen määrä
- Teollisen prosessin tyyppi
- Materiaali
- Määrä
- Kulutustyyppi
- Kuljetustapa
- Jätteen määrä
6. Työmatkustus - Työmatkustuksen tyyppi
- Kustannus
- Etäisyys
- Polttoaineen määrä
- Teollisen prosessin tyyppi
- Määrä
- Ajoneuvon tyyppi
7. Työmatkaliikenne - Kustannus
- Etäisyys
- Työnmatkaliikenteen tyyppi
- Polttoaineen määrä
- Polttoaineen tyyppi
- Teollisen prosessin tyyppi
- Määrä
- Ajoneuvon tyyppi
9. Kuljetus ja jakelu tuotantoketjun loppupäässä - Kustannus
- Etäisyys
- Polttoaineen määrä
- Polttoaineen tyyppi
- Tavaroiden määrä
- Teollisen prosessin tyyppi
- Määrä
- Kulutustyyppi
- Kuljetustapa
- Kuljetus- ja jakelutapa
- Ajoneuvon tyyppi
12. Myytyjen tuotteiden käsittely käyttöiän päättyessä - Kustannus
- Hävitystapa
- Etäisyys
- Polttoaineen määrä
- Teollisen prosessin tyyppi
- Materiaali
- Määrä
- Kulutustyyppi
- Kuljetustapa

Muistiinpano

Kiinteä polttolähdeskenaarion energian muuntosuhteet lasketaan jakamalla nykyisen polttoaineen energiasisältö ennustettavan polttoaineen energiasisällöllä. Vaihtoehtoisesti voit käyttää myös lämpöarvoja. Jos esimerkiksi olemassa olevan polttoaineen energiasisältö on 33 MJ/kg ja uuden polttoaineen 38 MJ/kg, energian muuntosuhde on noin 0,87.

Muistiinpano

Uusiutumattomasta energiasta uusiutuvaan energiaan siirtymisen vaikutusta ennustettaessa on varmistettava, että valittava laskentamalli tukee sekä uusiutumattoman että uusiutuvan energialähteen käyttämistä laskelmissa. Helpoin tapa on käyttää On uusiutuva -kentän ehtoa.

Näyttökuva, jossa näkyy laskentamalli, joka tukee sekä uusiutuvaa että ei-uusiutuvaa energiaa.

Ennusteen näkökohdat

  • Nykyinen strategia: Nykyinen strategiaennuste on näkymä ennustettuihin päästöihisi, jos et muuta mitään nykyisestä tavasta, jolla tuotat päästöjä kyseiselle luokalle. Jos esimerkiksi ennustat, miten tietyssä tilassa vaihtaminen kivihiilestä biopolttoaineeseen vaikuttaa, olemassa olevan strategian ennuste edustaa ennustettuja päästöjä sille, että jatketaan kivihiilen käyttöä.

  • Uudet strategiat: Uusi strategiaennuste on näkymä ennustettuihin päästöihisi, jos vaihdat ennusteskenaarion edustamaan uuteen liiketoimintastrategiaan. Jos esimerkiksi ennustat, miten tietyssä tilassa vaihtaminen kivihiilestä biopolttoaineeseen vaikuttaa, uuden olevan strategian ennuste edustaa ennustettuja päästöjä sille, että vaihdetaan biopolttoaineeseen. Tutkittavia strategioita voi olla yhdestä kolmeen sen mukaan, miten skenaario on määritetty.

  • ennuste aikavälit: ennuste aikavälit edustavat arviota aikavälistä, jolla tuleva havainto putoaa tietyllä todennäköisyydellä (käytämme 95%: n luottamusta) historiallisten tietojen perusteella. Ennusteiden aikavälit edustavat lähinnä ennusteeseen liittyvää epävarmuutta.

Mallin virheet ja tietosanomat

Tässä osassa selostetaan virheitä tai ongelmia, joita ennusteissa voi olla.

Tämän ennusteen luomiseen on tehty muutoksia

Näyttökuva muutossanomasta.

  • Varaennustemenetelmään siirtyminen: Käytämme varaennustemenetelmää, jos historiallisten datapisteiden määrä ja/tai (S)ARIMA- tai ETS-mallien sovittamiseen vaadittava tietojen laatu on riittämätön. Varamenetelmää on tarpeen käyttää kahdessa erityistapauksessa:

    • Liian monta puuttuvaa arvopistettä muuten suhteellisen yhdenmukaisessa historiatietojen aikasarjassa
    • Historiatiedot epäsäännöllisillä väleillä
  • Tietojen yhdenmukaisuuden tarkistus ja tiheyden säätö: Ennen ennusteiden laatimista tiedot koostetaan kuukausitasolla, jotta voidaan luoda kuukausittainen perusaikataulu ja entä jos -ennuste. Jos tietojen koostamisen yhteydessä ei kuitenkaan tunnisteta suhteellisen yhdenmukaista kuukausittaista tiheyttä, lisäkoostamista kahdelle, kolmelle, neljälle tai kuudelle kuukaudelle yritetään. Jos näiden muutosten perusteella ei ole mahdollista saavuttaa suhteellisen yhdenmukaista sarjaa, ennustamiseen käytetään yksinkertaisempaa varamallia.

Ennustetta ei voi luoda

  • Historiatiedot ovat liian niukkoja: Onnistuneen ennusteen varmistamiseksi edellytämme, että historiatiedoissasi on vähintään yksi arvopiste kuuden kuukauden välein. Jos tietoja on tätä aikaväliä vähemmän, ennuste epäonnistuu.

  • Ei historiallisia arvopisteitä tai niitä on liian vähän: Entä jos -analyysin ennustemallit edellyttävät vähintään kuutta arvopistettä (taajuuden säätämisen jälkeen, kuvattu aiemmin kohdassa Tietojen yhdenmukaisuuden tarkistus ja taajuuden säätö), jotta ennuste voidaan luoda onnistuneesti.

Näyttökuva arvopisteiden puuttumisen virhesanomasta.

Näyttökuva arvopisteiden vähäisyyden virhesanomasta.

Tuetut aikasarjojen ennustamismallit

Sustainability Manager tukee (Seasonal) Auto Regressive Integrated Moving Average ((S)ARIMA)- ja Error Trend Seasonality (ETS) -aikasarjojen ennustemalleja aktiviteettitietojen ennusteiden luomiseksi. Mallin valintakehys valitsee parhaan ennustamismallin historiallisten aktiviteettitietojen perusteella. Luodut aktiviteettitason ennusteet muunnetaan laskentamallissa päästötason ennusteiksi.

ARIMA ja ETS ovat eniten käytettyjä aikasarjojen ennustamismenetelmiä. ETS-mallit perustuvat tietojen trendin ja kausittaisuuden kuvaukseen, kun taas ARIMA-mallit kuvaavat tietojen automaattisia korjausta. Lisätietoja näistä malleista: Luku 7 (eksponentiaalinen tasoitus) ja Luku 8 (ARIMA-mallit) Ennusteet: Periaatteet ja käytäntö -kirjassa.

Joissakin tilanteissa, kuten silloin, kun historiatietoja on liian vähän tai hyvin epäsäännölliset, ARIMA- tai ETS-mallin asemesta valitaan yksinkertainen varamalli.