Az üzleti gyakorlat változásainak előrejelzése a kibocsátásokkal kapcsolatban lehetőségelemzéssel (előzetes verzió)
Feljegyzés
Ezt a funkciót tartalmazza Microsoft Sustainability Manager Premium.
A lehetőségelemzés egy egyéni AI-modell, amely lehetővé teszi számos üzleti gyakorlat változásának a szervezet szén-dioxid-kibocsátási lábnyomára gyakorolt hatásának előrejelzését. Segít megalapozottabb szén-dioxid-csökkentési stratégiák kidolgozásában és az általános fenntarthatósági célok felgyorsításában. Például előre jelezheti a megújuló energiaforrásokra, például szél- vagy napenergiára való átállás vagy a szolgáltatóváltás hatását a szállítóspecifikus tényezők alapján.
Ez a cikk bemutatja, hogyan hozhat létre lehetőségelemzési előrejelzést. Emellett szempontokat, részleteket és információkat is tartalmaz, amelyek segítségével a legtöbbet hozhatja ki előrejelzéséből.
Az alábbi videó bemutatja, hogyan használhatja a dokumentumelemzést és a lehetőségelemzést:
Fontos tényezők
Az előrejelzési forgatókönyv létrehozásakor tartsa szem előtt ezeket a szempontokat.
Egy forgatókönyvön belül egy és három stratégia között réteg a Változatok száma mező használatával.
A Változók mező többszörös kijelölést tartalmaz, és lehetővé teszi a módosítani kívánt adatok vagy mennyiségek kiválasztását. Például dönthet úgy, hogy módosítja a Költség , a Távolság és aSzállított áruk mennyiségét a 4 részeként. Felfelé irányuló szállítási és elosztási forgatókönyv.
Minden forgatókönyvhöz a következő mezőkre van szükség:
- Név
- Szervezeti egység
- Adattípus
- Számítási modell
- KV verzió
- Stratégiák száma
- Változók
A létesítmény mező nem kötelező, de segítségével tovább szűkítheti az előrejelzés adatait.
Lehetőségelemzési előrejelzés létrehozása
A lehetőségelemzés megkezdéséhez kövesse az alábbi lépéseket:
A navigációs panelen válassza a lehetőségelemzés lehetőséget.
A lehetőségelemzés lapon válassza az Új forgatókönyv lehetőséget.
Az Új lehetőségforgatókönyv panelen adja meg a következő adatokat:
- Név
- Szervezeti egység
- Adattípus
- Számítási modell
- KV verzió
Ezután válassza ki a réteg kívánt stratégiák számát a Stratégiák száma mezőben.
Ezután válassza ki azokat a változókat , amelyek változását előre szeretné jelezni a stratégia vagy stratégiák részeként. Először meg kell adnia ezeknek a változóknak az előzményértékeit, amelyek a szervezet által használt aktuális stratégiát képviselik. Ha például előre jelzi a mobil tüzelőberendezés járműflotta módosításának hatását, először meg kell adnia az aktuális járművet és üzemanyagtípust a Jelenlegi stratégia alatt.
Az űrlap kitöltése után válassza a Mentés és bezárás lehetőséget.
Válassza ki a létrehozott forgatókönyvet, majd válassza a Forgatókönyv futtatása lehetőséget. A forgatókönyv-feladat befejezése után egy alkalmazáson belüli értesítést kap, amely figyelmezteti az eredményekről, és egy hivatkozás vezet rájuk. Ez az oldal megjeleníti a forgatókönyv részleteit, valamint egy grafikont, amely megjeleníti az előzményadatokat és a kapcsolódó stratégiai előrejelzéseket.
Feljegyzés
A forgatókönyv előrejelzési horizontjának hossza a bevitt előzményadatok mennyiségén alapul. Általános ökölszabályként elmondható, hogy az előrejelzési horizont mindig az előzményadatok körülbelül fele lesz. Ha például két év előzményadatai vannak egy hónapos időközönként, akkor számíthat arra, hogy egy egyéves előrejelzési horizontot fog látni ugyanazon a belső időszakon.
Támogatott forgatókönyvek
Minden forgatókönyv különböző testreszabhatósági szintekkel rendelkezik, amelyek lehetővé teszik, hogy változók használatával testre szabja az előrejelzést a szervezet adataihoz és igényeihez. Ez a táblázat felsorolja az egyes adattípusokhoz rendelkezésre álló összes változót.
| Forgatókönyv kategória | Elérhető változók |
|---|---|
| Ipari folyamat | -Költség - Áruk mennyisége - Ipari folyamat típusa - Költés típusa -Mennyiség |
| Mobil tüzelőberendezés | -Költség -Távolság - Üzemanyag mennyisége - Üzemanyag típusa - Áruk mennyisége - Ipari folyamat típusa -Mennyiség - Költés típusa - Járműtípus |
| Helyhez kötött tüzelőberendezés | -Költség - Energiakonverziós arány - Üzemanyag mennyisége - Üzemanyag típusa - Áruk mennyisége - Ipari folyamat típusa -Mennyiség - Költés típusa |
| Megvásárolt hűtés | - szerződéses eszköz típus -Költség - Áruk mennyisége - Megújítható -Mennyiség - Költés típusa |
| Megvásárolt villamosenergia | - szerződéses eszköz típus -Költség - Áruk mennyisége - Megújítható -Mennyiség - Költés típusa |
| Megvásárolt hő | - szerződéses eszköz típus -Költség - Áruk mennyisége - Megújítható -Mennyiség - Költés típusa |
| Megvásárolt gőz | - szerződéses eszköz típus -Költség - Áruk mennyisége - Megújítható -Mennyiség - Költés típusa |
| 1. Beszerzett áruk és szolgáltatások | -Költség - Áruk mennyisége - Ipari folyamat típusa -Mennyiség - Költés típusa |
| 2. Beruházási javak | -Költség - Ipari folyamat típusa -Mennyiség - Költés típusa |
| 4. Felfelé irányuló szállítás és elosztás | -Költség -Távolság - Üzemanyag mennyisége - Üzemanyag típusa - Áruk mennyisége - Ipari folyamat típusa -Mennyiség - Költés típusa - Szállítási mód - Szállítási és elosztási típus - Járműtípus |
| 5. Műveletek során keletkezett hulladék | -Költség - Ártalmatlanítási módszer -Távolság - Üzemanyag mennyisége - Ipari folyamat típusa -Anyag -Mennyiség - Költés típusa - Szállítási mód - Hulladék mennyisége |
| 6. Üzleti utak | - Üzleti utazás típusa -Költség -Távolság - Üzemanyag mennyisége - Ipari folyamat típusa -Mennyiség - Járműtípus |
| 7. Alkalmazott ingázása | -Költség -Távolság - Munkavállalói ingázás típusa - Üzemanyag mennyisége - Üzemanyag típusa - Ipari folyamat típusa -Mennyiség - Járműtípus |
| 9. Lefelé irányuló szállítás és elosztás | -Költség -Távolság - Üzemanyag mennyisége - Üzemanyag típusa - Áruk mennyisége - Ipari folyamat típusa -Mennyiség - Költés típusa - Szállítási mód - Szállítási és elosztási típus - Járműtípus |
| 12. Eladott termékek élettartam végi kezelése | -Költség - Ártalmatlanítási módszer -Távolság - Üzemanyag mennyisége - Ipari folyamat típusa -Anyag -Mennyiség - Költés típusa - Szállítási mód |
Feljegyzés
A helyhez kötött tüzelőberendezés forgatókönyv energiaátalakítási arányainak kiszámításához ossza el a meglévő üzemanyag energiatartalmát az előre jelezni kívánt üzemanyag energiatartalmával. Alternatív megoldásként fűtési értékeket is használhat. Például, ha a meglévő üzemanyag energiatartalma 33 MJ/kg, az új pedig 38 MJ/kg, akkor az energiaátváltási arány 0,87 körül van.
Feljegyzés
A nem megújuló energiáról a megújuló energiára való áttérés hatásának előrejelzésekor győződjön meg arról, hogy olyan számítási modellt választ, amely támogatja a nem megújuló és a megújuló energiaforrások számítását is. A legegyszerűbb módszer a Megújuló mező feltételének használata.
Előrejelzési szempontok
Meglévő stratégia: A meglévő stratégiai előrejelzés a tervezett kibocsátások áttekintése, ha semmit sem változtatna az adott kategória kibocsátásának jelenlegi előállítási módján. Például, ha előre jelzi a szénről a bioüzemanyagra való áttérés hatását egy adott létesítményben, a meglévő stratégiai előrejelzés a szén további használatának előrejelzett kibocsátását jelenti.
Új stratégiák: Az új stratégiai előrejelzés a tervezett kibocsátások nézete, ha az előrejelzési forgatókönyv által képviselt új üzleti stratégiára váltana. Ha például egy adott létesítményben a szénről a bioüzemanyagra való átállás hatását jelzi előre, az új stratégiai előrejelzés a bioüzemanyagra való átállás előrejelzett kibocsátását mutatja. A forgatókönyv beállításától függően egy-három új stratégiát is megvizsgálhat.
előrejelzés intervallumok: előrejelzés intervallumok egy olyan intervallum becslését jelentik, amelyben egy jövőbeli megfigyelés bizonyos valószínűséggel esik (95% -os megbízhatóságot használunk), tekintettel a múltbeli adatokra. Előrejelzés intervallumok lényegében az előrejelzéshez kapcsolódó bizonytalanságot képviselik.
Modellhibák és tájékoztató üzenetek
Ez a szakasz az előrejelzésekkel kapcsolatos esetleges hibákat vagy problémákat ismerteti.
Az előrejelzés elkészítése érdekében néhány kiigazítást hajtottunk végre
Váltás tartalék előrejelzési módszerre: Tartalék előrejelzési módszert használunk abban az esetben, ha az (S)ARIMA vagy ETS modellek illesztéséhez szükséges előzményadatpontok száma és/vagy adatminősége nem elegendő. Két konkrét eset van, amikor szükségessé válik a tartalék módszertanra való áttérés:
- Túl sok hiányzó adatpont az egyébként viszonylag egyenletesen elosztott előzményadatok idősorában
- Szabálytalanul elosztott előzményadatok
Adategységesség ellenőrzése és gyakoriság módosítása: Az előrejelzés előtt az adatokat havi szinten összesítjük a havi alapkonfiguráció és lehetőségelemzési előrejelzés létrehozásához. Ha azonban összesítéskor az adatok nem mutatnak viszonylag egységes havi ütemet, a rendszer további két, három, négy vagy hat hónapra kísérli meg az összesítést. Ha a sorozat nem érhető el relatív egységességet ezen kiigazítások mellett, akkor a rendszer egy egyszerűbb tartalék modellt használ az előrejelzéshez.
Nem lehet előrejelzést készíteni
Az előzményadatok túl ritkák: A sikeres előrejelzés érdekében megköveteljük, hogy az előzményadatok gyakorisága legalább egy adatpont legyen hathavonta. Ha az adatok ennél az intervallumnál ritkábbak, az előrejelzés sikertelen lesz.
Nincs vagy túl kevés előzményadatpont: A lehetőségelemzési előrejelzési modelleknek legalább hat adatpontra van szükségük (az adategységesség ellenőrzése és gyakorisága kiigazítása című témakörben korábban ismertetett gyakoriságkorrekció után) az előrejelzés sikeres létrehozásához.
Támogatott idősoros előrejelzési modellek
A Fenntarthatósági Menedzser támogatja a (szezonális), az automatikus regresszív integrált mozgóátlagot ((S)ARIMA) és a hibatrend-szezonalitást (ETS) egyváltozós idősoros előrejelzési modelleket a tevékenységadatok előrejelzésének létrehozásához. A modellválasztási keretrendszer kiválasztja a legjobb előrejelzési modellt a korábbi tevékenységi adatok alapján. A generált tevékenységszintű előrejelzések áthaladnak a számítási modellen, hogy kibocsátási szintű előrejelzésekké alakítsák őket.
Az ARIMA és az ETS a legszélesebb körben használt idősoros előrejelzési módszerek. Az ETS modellek az adatok trendjének és szezonalitásának leírására támaszkodnak, míg az ARIMA modellek az adatok autokorrelációira támaszkodnak. Ha többet szeretne megtudni ezekről a modellekről, olvassa el az Előrejelzés: alapelvek és gyakorlat tankönyv 7. fejezetét (Exponenciális simítás) és 8. fejezetét (ARIMA modellek).
Bizonyos esetekben, például ha az előzményadatok túl kevések vagy nagyon szabálytalanok, az ARIMA vagy az ETS helyett egy egyszerű tartalékmodellt választanak.
