หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
Note
คุณลักษณะนี้รวมอยู่ใน Microsoft Dynamics 365 Sustainability Premium
การวิเคราะห์แบบ What-if เป็นแบบจําลอง AI แบบกําหนดเองที่คาดการณ์ผลกระทบของการเปลี่ยนแปลงแนวทางปฏิบัติทางธุรกิจหลายอย่างที่มีต่อรอยเท้าการปล่อยคาร์บอนขององค์กรของคุณ ซึ่งจะช่วยให้คุณสร้างกลยุทธ์การลดคาร์บอนโดยมีข้อมูลรองรับมากขึ้น และเร่งให้บรรลุเป้าหมายด้านความยั่งยืนโดยรวมของคุณได้เร็วขึ้น ตัวอย่างเช่น คุณสามารถคาดการณ์ผลกระทบของการเปลี่ยนไปยังแหล่งพลังงานหมุนเวียนเช่นพลังงานลมหรือพลังงานแสงอาทิตย์หรือการเปลี่ยนซัพพลายเออร์ผ่านปัจจัยเฉพาะผู้จัดหา
บทความนี้แสดงให้เห็นว่า คุณจะสร้างการคาดการณ์การวิเคราะห์แบบ What-if ได้อย่างไร นอกจากนี้ยังมีข้อควรพิจารณา รายละเอียด และข้อมูลเพื่อช่วยให้คุณได้รับประโยชน์สูงสุดจากการคาดการณ์ของคุณ
ข้อควรพิจารณาที่สำคัญ
คํานึงถึงข้อควรพิจารณาเหล่านี้ในขณะที่สร้างสถานการณ์การคาดการณ์ของคุณ
คุณสามารถรวมกลยุทธ์ได้ตั้งแต่หนึ่งถึงสามกลยุทธ์ภายในสถานการณ์เดียวโดยใช้เขตข้อมูล จํานวนของสถานการณ์
เขตข้อมูล Variable(s) เป็นการเลือกหลายรายการ เลือกข้อมูลหรือปริมาณที่คุณต้องการคาดการณ์ว่าจะเปลี่ยนแปลง ตัวอย่างเช่น คุณอาจเลือกที่จะปรับเปลี่ยน ต้นทุน, ระยะทาง และ ปริมาณสินค้า ที่ถูกขนส่งเป็นส่วนหนึ่งของสถานการณ์ 4. การขนส่งและการกระจายสินค้าต้นน้ำ ของคุณ
ทุกสถานการณ์จําเป็นต้องมีเขตข้อมูลต่อไปนี้:
- ชื่อ
- หน่วยงาน
- ชนิดข้อมูล
- แบบจําลองการคํานวณ
- เวอร์ชัน AR
- จํานวนกลยุทธ์
- ตัวแปรหนึ่งตัวหรือหลายตัว
สถานที่ ไม่ใช่เขตข้อมูลที่จําเป็น แต่คุณสามารถใช้เพื่อจํากัดขอบเขตข้อมูลสําหรับการคาดการณ์ของคุณให้แคบลงได้
สร้างการคาดการณ์แบบ What-if
หากต้องการเริ่มต้นด้วยการวิเคราะห์แบบ What-if ให้ทําตามขั้นตอนเหล่านี้:
ในบานหน้าต่างนําทาง ให้เลือก การวิเคราะห์แบบ What-if.
บนหน้า การวิเคราะห์แบบ What-if ให้เลือก สถานการณ์ใหม่
ในบานหน้าต่าง สถานการณ์สมมติ What-if ใหม่ ให้ใส่รายละเอียดต่อไปนี้:
- ชื่อ
- หน่วยงาน
- ชนิดข้อมูล
- แบบจําลองการคํานวณ
- เวอร์ชัน AR
ป้อนจำนวนของกลยุทธ์ที่คุณต้องการซ้อนผ่านฟิลด์ จำนวนของกลยุทธ์
เลือก ตัวแปร ที่คุณต้องการคาดว่าจะเปลี่ยนแปลงเป็นส่วนหนึ่งของกลยุทธ์หรือกลยุทธ์ของคุณ ป้อนค่าในอดีตสําหรับตัวแปรเหล่านี้ ซึ่งแสดงกลยุทธ์ปัจจุบันที่องค์กรของคุณกําลังใช้ ตัวอย่างเช่น ถ้าคุณกําลังคาดการณ์ผลกระทบของการเปลี่ยนกลุ่มยานพาหนะเครื่องยนต์สันดาปเคลื่อนที่ของคุณ ให้ป้อนยานพาหนะและประเภทเชื้อเพลิงปัจจุบันภายใต้ กลยุทธ์ปัจจุบัน
หลังจากที่คุณกรอกฟอร์มเสร็จสิ้นแล้ว เลือก บันทึกแล้วปิด
เลือกสถานการณ์ที่สร้างขึ้นของคุณ จากนั้นเลือก เรียกใช้สถานการณ์ หลังจากงาน Scenario เสร็จสมบูรณ์ คุณจะได้รับการแจ้งเตือนในแอปเพื่อแจ้งผลลัพธ์ พร้อมไฮเปอร์ลิงก์ที่นำคุณไปยังผลลัพธ์เหล่านั้น หน้านี้แสดงรายละเอียดของสถานการณ์จำลองของคุณและกราฟที่แสดงภาพข้อมูลประวัติของคุณและการคาดการณ์กลยุทธ์ที่เกี่ยวข้อง
Note
ความยาวของขอบเขตการพยากรณ์ของสถานการณ์สมมติของคุณจะขึ้นอยู่กับจํานวนข้อมูลในอดีตที่คุณนําเข้ามา โดยทั่วไป ช่วงเวลาที่ใช้คาดการณ์ของคุณจะอยู่ที่ประมาณครึ่งหนึ่งของข้อมูลในอดีตของคุณเสมอ ตัวอย่างเช่น ถ้าคุณมีข้อมูลในอดีตสองปีในช่วงเวลาหนึ่งเดือน คุณจะเห็นขอบเขตการคาดการณ์หนึ่งปีที่ช่วงเวลาเดียวกัน
สถานการณ์จำลองที่ได้รับการสนับสนุน
แต่ละสถานการณ์มีระดับการปรับแต่งที่แตกต่างกัน ปรับแต่งการคาดการณ์ให้สอดคล้องกับข้อมูลและความต้องการขององค์กรของคุณโดยใช้ตัวแปร ตารางนี้แสดงรายการตัวแปรที่พร้อมใช้งานทั้งหมดสําหรับแต่ละชนิดข้อมูล
| ประเภทสถานการณ์ | ตัวแปรที่พร้อมใช้งาน |
|---|---|
| กระบวนการอุตสาหกรรม | - ต้นทุน - ปริมาณสินค้า - ประเภทกระบวนการอุตสาหกรรม - ประเภทการใช้จ่าย - ปริมาณ |
| การเผาไหม้จากแหล่งกำเนิดเคลื่อนที่ | - ต้นทุน - ระยะทาง - ปริมาณน้ํามันเชื้อเพลิง - ประเภทเชื้อเพลิง - ปริมาณสินค้า - ประเภทกระบวนการอุตสาหกรรม - ปริมาณ - ประเภทการใช้จ่าย - ประเภทรถยนต์ |
| การเผาไหม้แบบอยู่กับที่ | - ต้นทุน - อัตราส่วนการแปลงพลังงาน - ปริมาณน้ํามันเชื้อเพลิง - ประเภทเชื้อเพลิง - ปริมาณสินค้า - ประเภทกระบวนการอุตสาหกรรม - ปริมาณ - ประเภทการใช้จ่าย |
| การทำความเย็นที่ซื้อ | - ประเภทตราสารตามสัญญา - ต้นทุน - ปริมาณสินค้า - สามารถต่ออายุได้ - ปริมาณ - ประเภทการใช้จ่าย |
| ไฟฟ้าที่ซื้อ | - ประเภทตราสารตามสัญญา - ต้นทุน - ปริมาณสินค้า - สามารถต่ออายุได้ - ปริมาณ - ประเภทการใช้จ่าย |
| Heat ที่ซื้อมา | - ประเภทตราสารตามสัญญา - ต้นทุน - ปริมาณสินค้า - สามารถต่ออายุได้ - ปริมาณ - ประเภทการใช้จ่าย |
| Steam ที่ซื้อแล้ว | - ประเภทตราสารตามสัญญา - ต้นทุน - ปริมาณสินค้า - สามารถต่ออายุได้ - ปริมาณ - ประเภทการใช้จ่าย |
| 1. ซื้อสินค้าและบริการ | - ต้นทุน - ปริมาณสินค้า - ประเภทกระบวนการอุตสาหกรรม - ปริมาณ - ประเภทการใช้จ่าย |
| 2. สินค้าทุน | - ต้นทุน - ประเภทกระบวนการอุตสาหกรรม - ปริมาณ - ประเภทการใช้จ่าย |
| 4. การขนส่งและการกระจายสินค้าต้นน้ำ | - ต้นทุน - ระยะทาง - ปริมาณน้ํามันเชื้อเพลิง - ประเภทเชื้อเพลิง - ปริมาณสินค้า - ประเภทกระบวนการอุตสาหกรรม - ปริมาณ - ประเภทการใช้จ่าย - รูปแบบการขนส่ง - ประเภทการขนส่งและการกระจาย - ประเภทรถยนต์ |
| 5. ของเสียที่เกิดขึ้นในการดำเนินงาน | - ต้นทุน - วิธีการกําจัด - ระยะทาง - ปริมาณน้ํามันเชื้อเพลิง - ประเภทกระบวนการอุตสาหกรรม - วัสดุ - ปริมาณ - ประเภทการใช้จ่าย - โหมดการขนส่ง - ปริมาณของเสีย |
| 6. การเดินทางเพื่อธุรกิจ | - ประเภทการเดินทางเพื่อธุรกิจ - ต้นทุน - ระยะทาง - ปริมาณน้ํามันเชื้อเพลิง - ประเภทกระบวนการอุตสาหกรรม - ปริมาณ - ประเภทรถยนต์ |
| 7. การเดินทางไปทำงานของพนักงาน | - ต้นทุน - ระยะทาง - ประเภทการเดินทางไปทำงานของพนักงาน - ปริมาณน้ํามันเชื้อเพลิง - ประเภทเชื้อเพลิง - ประเภทกระบวนการอุตสาหกรรม - ปริมาณ - ประเภทรถยนต์ |
| 9. การขนส่งและการกระจายสินค้าปลายทาง | - ต้นทุน - ระยะทาง - ปริมาณน้ํามันเชื้อเพลิง - ประเภทเชื้อเพลิง - ปริมาณสินค้า - ประเภทกระบวนการอุตสาหกรรม - ปริมาณ - ประเภทการใช้จ่าย - โหมดการส่งข้อมูล - ประเภทการขนส่งและการกระจาย - ประเภทรถยนต์ |
| 12. การจัดการเมื่อหมดอายุการใช้งานของผลิตภัณฑ์ที่ขาย | - ต้นทุน - วิธีการกําจัด - ระยะทาง - ปริมาณน้ํามันเชื้อเพลิง - ประเภทกระบวนการอุตสาหกรรม - วัสดุ - ปริมาณ - ประเภทการใช้จ่าย - โหมดการรับส่งข้อมูล |
Note
ในการคำนวณอัตราส่วนการแปลงพลังงานสำหรับสถานการณ์การเผาไหม้แบบอยู่กับที่ ให้แบ่งปริมาณพลังงานของเชื้อเพลิงที่มีอยู่ของคุณด้วยปริมาณพลังงานของเชื้อเพลิงที่คุณต้องการใช้ในการคาดการณ์ อีกทางหนึ่ง คุณก็อาจใช้ค่าความร้อน ตัวอย่างเช่นหากปริมาณพลังงานของเชื้อเพลิงที่มีอยู่ของคุณคือ 33 MJ / kg และเชื้อเพลิงใหม่คือ 38 MJ / kg อัตราส่วนการแปลงพลังงานของคุณคือประมาณ 0.87
Note
เมื่อคาดการณ์ผลกระทบของการเปลี่ยนจากพลังงานไม่หมุนเวียนเป็นพลังงานหมุนเวียน ให้แน่ใจว่าคุณเลือกแบบจำลองการคำนวณที่สนับสนุนการคำนวณแหล่งพลังงานไม่หมุนเวียนและพลังงานหมุนเวียน วิธีที่ง่ายที่สุดคือการใช้เงื่อนไขในเขตข้อมูล Is renewable
แง่มุมของการคาดการณ์
กลยุทธ์ที่มีอยู่: การคาดการณ์ตามกลยุทธ์ปัจจุบันจะแสดงการปล่อยมลพิษที่คาดการณ์ไว้ของคุณหากคุณไม่เปลี่ยนแปลงวิธีการปัจจุบันที่คุณก่อให้เกิดการปล่อยมลพิษสําหรับประเภทนั้น ตัวอย่างเช่น ถ้าคุณกำลังคาดการณ์ผลกระทบของการเปลี่ยนจากถ่านหินเป็นเชื้อเพลิงชีวภาพสำหรับโรงงานแห่งหนึ่ง การคาดการณ์ของกลยุทธ์ปัจจุบันแสดงถึงการปล่อยมลพิษที่คาดการณ์ไว้จากการใช้ถ่านหินอย่างต่อเนื่อง
กลยุทธ์ใหม่: การคาดการณ์สำหรับกลยุทธ์ใหม่แสดงการปล่อยมลพิษที่คุณคาดการณ์ไว้หากคุณสลับไปใช้กลยุทธ์ทางธุรกิจใหม่ที่แสดงด้วยสถานการณ์การคาดการณ์ของคุณ ตัวอย่างเช่น ถ้าคุณกําลังคาดการณ์ผลกระทบของการเปลี่ยนจากถ่านหินเป็นเชื้อเพลิงชีวภาพสําหรับสิ่งอํานวยความสะดวกเฉพาะ การคาดการณ์กลยุทธ์ใหม่นี้แสดงถึงการปล่อยมลพิษที่คาดการณ์ในการเปลี่ยนไปใช้เชื้อเพลิงชีวภาพ คุณสามารถสํารวจกลยุทธ์ใหม่หนึ่งถึงสามแบบ โดยขึ้นอยู่กับวิธีที่คุณตั้งค่าสถานการณ์สมมติของคุณ
ช่วงการคาดการณ์: ช่วงการคาดการณ์แสดงการประมาณช่วงที่ค่าที่สังเกตได้ในอนาคตจะอยู่ด้วยความน่าจะเป็นระดับหนึ่ง (ที่ระดับความเชื่อมั่น 95%) เมื่อพิจารณาจากข้อมูลในอดีต ช่วงของการคาดการณ์โดยพื้นฐานแล้วแสดงถึงความไม่แน่นอนที่เกี่ยวข้องกับการคาดการณ์
ความล้มเหลวของโมเดลและข้อความข้อมูล
ส่วนนี้อธิบายข้อผิดพลาดหรือปัญหาที่คุณอาจประสบกับการคาดการณ์
เราทําการปรับปรุงบางอย่างเพื่อสร้างการคาดการณ์นี้
สลับไปใช้วิธีการคาดการณ์แบบสำรอง: ระบบจะใช้วิธีการคาดการณ์แบบสำรองหากจำนวนจุดข้อมูลย้อนหลังหรือคุณภาพข้อมูลไม่เพียงพอสำหรับการปรับให้พอดีกับแบบจำลอง (S)ARIMA หรือ ETS กรณีเฉพาะสองกรณีจำเป็นต้องสลับไปยังวิธีการสำรอง:
- มีจุดข้อมูลที่หายไปมากเกินไปในอนุกรมเวลาข้อมูลในอดีตที่มีช่วงห่างค่อนข้างสม่ำเสมอ
- ข้อมูลในอดีตที่มีช่วงเวลาไม่สม่ำเสมอ
การตรวจสอบความสม่ําเสมอของข้อมูลและการปรับความถี่: ก่อนการคาดการณ์ ระบบจะรวบรวมข้อมูลของคุณในระดับรายเดือนเพื่อสร้างข้อมูลพื้นฐานรายเดือนและการคาดการณ์แบบ What-if อย่างไรก็ตาม หากการรวมไม่มีรอบรายเดือนที่ค่อนข้างสม่ำเสมอ ระบบจะพยายามรวมเพิ่มเติมเป็นสอง สาม สี่ หรือหกเดือน หากอนุกรมข้อมูลไม่สามารถมีความสม่ำเสมอสัมพัทธ์ได้ภายใต้การปรับปรุงเหล่านี้ จะมีการใช้แบบจำลองสำรองที่ง่ายกว่าสำหรับการคาดการณ์
ไม่สามารถสร้างการคาดการณ์ได้
ข้อมูลในอดีตนั้นเบาบางเกินไป: เพื่อให้แน่ใจว่าการคาดการณ์จะประสบความสําเร็จ ระบบต้องการให้ข้อมูลในอดีตของคุณมีความถี่ของจุดข้อมูลอย่างน้อยหนึ่งจุดทุก หกเดือน หากข้อมูลของคุณมีความห่างมากกว่าช่วงเวลาดังกล่าว การคาดการณ์จะล้มเหลว
ไม่มีหรือมีจุดข้อมูลในอดีตน้อยเกินไป: แบบจําลองการคาดการณ์การวิเคราะห์แบบ What-if ต้องมีจุดข้อมูลอย่างน้อยหกจุด (หลังจากการปรับความถี่อธิบายไว้ก่อนหน้านี้ใน การตรวจสอบความสม่ําเสมอของข้อมูลและการปรับความถี่) เพื่อสร้างการคาดการณ์ได้สําเร็จ
แบบจําลองการคาดการณ์ชุดข้อมูลเวลาที่รองรับ
Dynamics 365 ความยั่งยืนรองรับแบบจำลองการพยากรณ์อนุกรมเวลาแบบตัวแปรเดียวสำหรับการสร้างการคาดการณ์จากข้อมูลกิจกรรม ได้แก่ (Seasonal) Auto Regressive Integrated Moving Average ((S)ARIMA) และ Error Trend Seasonality (ETS) เฟรมเวิร์กการเลือกแบบจําลองเลือกแบบจําลองการคาดการณ์ที่ดีที่สุดตามข้อมูลกิจกรรมในอดีต การคาดการณ์ระดับกิจกรรมที่สร้างขึ้นจะผ่านแบบจําลองการคํานวณเพื่อแปลงเป็นการคาดการณ์ระดับการปล่อยมลพิษ
ARIMA และ ETS เป็นวิธีการคาดการณ์อนุกรมเวลาที่ใช้กันอย่างแพร่หลายที่สุด แบบจําลอง ETS ขึ้นอยู่กับคําอธิบายของแนวโน้มและฤดูกาลในข้อมูล ในขณะที่แบบจําลอง ARIMA จะอธิบายอัตสหสัมพันธ์ในข้อมูล หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับแบบจำลองเหล่านี้ โปรดดู บทที่ 7 (การปรับเรียบแบบเอ็กซ์โพเนนเชียล) และ บทที่ 8 (แบบจำลอง ARIMA) ในตำรา การพยากรณ์: หลักการและการปฏิบัติ
ในบางโอกาส เช่น เมื่อข้อมูลในอดีตมีน้อยหรือไม่สม่ำเสมอมาก ระบบจะเลือกแบบจำลองสำรองแบบง่ายแทน ARIMA หรือ ETS