Del via

Overvåk prognosenøyaktighet

  • Artikkel

Tips

Denne artikkelen beskriver etterspørselsprognosefunksjonaliteten som er innebygd i Microsoft Dynamics 365 Supply Chain Management. Hvis du vil ha en enda bedre planleggings- og prognoseopplevelse, anbefaler vi at du prøver etterspørselsplanlegging i Microsoft Dynamics 365 Supply Chain Management, som er Microsofts neste generasjons samarbeidspartnere for etterspørselsplanlegging. Hvis du vil ha mer informasjon, kan du se hjemmesiden for etterspørselsplanlegging.

Denne artikkelen beskriver typene prognosenøyaktighet som Microsoft Dynamics 365 Supply Chain Management beregner, og forklarer hvordan du kan vise nøyaktighetsverdiene.

Supply Chain Management beregner følgende typer prognosenøyaktighet:

  • Historisk prognosenøyaktighet, ved å sammenligne den historiske prognosen som hovedplanlegging bruker, med historisk behov. Hvis du vil vise verdiene (både absolutte verdier og prosentverdier) for historisk prognosenøyaktighet , Velg møyaktighet på siden Behovsprognosedetaljer .
  • Den beregnede nøyaktigheten for prognosemodellen som brukes til å generere prediksjoner. Du kan vise nøyaktighet i prosent under Modelldetaljer - MAPE på siden Detaljer om behovsprognose.

Notat

Hvis du bruker behovsprognose og Microsoft Azure Machine Learning, er beregning av intern modellnøyaktighet basert på testdatasettet. Hvis du vil angi størrelsen på testdatasettet, kan du angi TEST_SET_SIZE_PERCENT-parameteren på siden Parametere for behovsprognose. For eksempel hvis du setter verdien til 20, vil de siste 20 prosentene av historiske data bli brukt til å beregne den interne modellnøyaktigheten.

Tilleggsressurser