Documente Academic
Documente Profesional
Documente Cultură
The documentation may have changed since you downloaded the PDF. You can always find the latest information on SAP Help
Portal.
Note
This PDF document contains the selected topic and its subtopics (max. 150) in the selected structure. Subtopics from other structures are not included.
2015 SAP SE or an SAP affiliate company. All rights reserved. No part of this publication may be reproduced or transmitted in any form or for any purpose
without the express permission of SAP SE. The information contained herein may be changed without prior notice. Some software products marketed by SAP
SE and its distributors contain proprietary software components of other software vendors. National product specifications may vary. These materials are
provided by SAP SE and its affiliated companies ("SAP Group") for informational purposes only, without representation or warranty of any kind, and SAP
Group shall not be liable for errors or omissions with respect to the materials. The only warranties for SAP Group products and services are those that are set
forth in the express warranty statements accompanying such products and services, if any. Nothing herein should be construed as constituting an additional
warranty. SAP and other SAP products and services mentioned herein as well as their respective logos are trademarks or registered trademarks of SAP SE in
Germany and other countries. Please see www.sap.com/corporate-en/legal/copyright/index.epx#trademark for additional trademark information and notices.
Table of content
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 1 of 11
Table of content
1 Parmetros de pronstico
1.1 Resumen
1.2 Modelos de pronstico
1.3 Seleccin de modelo
1.3.1 Seleccin de modelo manual
1.3.2 Seleccin de modelo automtica
1.3.3 Selec.modelo manual con verific.sist.adic.
1.4 Inicializacin del modelo
1.5 Pronstico ex-post
1.6 Optimizacin de parmetros
1.7 Actualizacin de parmetros de pronstico
1.7.1 Parm.pronst.: Indep.modelo pronstico
1.7.2 Parm.pronst.: Dep.modelo de pronstico
1.8 Creacin de datos histricos
1.9 Creacin de valores de pronstico
1.10 Cmo realizar pronst.c/ref.a otro material
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 2 of 11
1 Parmetros de pronstico
Resumen
Modelos de pronstico
Seleccin del modelo
Seleccin de modelo manual
Seleccin de modelo automtica
Seleccin de modelo manual con verificacin de sistema adicional
Inicializacin del modelo
Pronstico ex-post
Optimizacin de parmetros
Actualizacin de parmetros de pronstico
Parmetros de pronstico: Independientes del modelo de pronstico
Parmetros de pronstico: Dependientes del modelo de pronstico
Crear datos histricos
Crear valores de pronstico
Realizar el pronstico con referencia a otro material
1.1 Resumen
Para poder llevar a cabo el pronstico de un material, antes deben actualizarse los parmetros de pronstico de este material en el registro maestro de
materiales.
En esta seccin se describen los siguientes puntos:
qu
Modelos de pronstico estn disponibles
cmo se realiza la
Seleccin del modelo
cmo se realiza la
Inicializacin del modelo
cmo lleva a cabo el sistema el
Pronstico ex-post
cmo realiza el sistema la
Optimizacin de parmetros
informacin sobre la
Actualizacin de parmetros de pronstico
informacin sobre la forma de
Crear datos histricos
informacin sobre la forma de
Crear valores de pronstico
informacin sobre la forma de
Realizar el pronstico con referencia a otro material
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 3 of 11
Se aplica un flujo de consumo constante si los valores de consumo apenas varan de un valor medio estable.
Con un modelo de tendencia los valores de consumo aumentan o disminuyen constantemente durante un largo perodo de tiempo sin sufrir apenas
desviaciones.
Si se observan valores bajos o picos peridicos que se desvan notablemente del valor medio estable, se trata de un caso de flujo de consumo estacional.
Un modelo de consumo de tendencia estacional se caracteriza por un aumento o un descenso continuo del valor medio.
Si en una serie de valores de consumo pasados no puede detectarse ninguno de los patrones nos encontramos ante un caso de flujo de consumo irregular.
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 4 of 11
modelo de tendencia correspondiente que Ud. puede seleccionar manualmente como modelo para el sistema.
Evolucin de necesidades constante
Si los datos pasados indican un flujo de consumo constante, se puede seleccionar tanto el modelo constante como el modelo constante adaptado a los
factores de alisamiento. En ambos casos, el pronstico se lleva a cabo mediante el alisamiento exponencial de primer orden. Al adaptar los parmetros de
alisamiento, el sistema calcula varias combinaciones de parmetros y selecciona la combinacin ptima, que es la que resulta en la desviacin media
absoluta inferior.
Si la evolucin de consumo anterior es constante, existen otras dos posibilidades: el modelo de valor medio variable o el modelo de valor medio ponderado.
En el modelo de media variable ponderada, se pueden ponderar los valores de consumo individuales anteriores, lo que significa que, cuando calcule los
valores de pronstico, el sistema no dar el mismo valor a los valores del pasado. De este modo, se puede influir en el clculo, ya que los valores de
consumo ms recientes desempean un papel ms importante en el pronstico que los valores de perodos anteriores, como ocurre tambin en el alisamiento
exponencial.
Evolucin de necesidades de tendencia
Si los datos anteriores de consumo indican una tendencia, sera lgico seleccionar el modelo de tendencia o el modelo de alisamiento exponencial de
segundo orden. En el modelo de tendencia, el sistema calcula los valores de pronstico mediante el procedimiento de alisamiento exponencial de primer
orden.
En los modelos de alisamiento exponencial de segundo orden, se puede elegir entre un modelo que tenga optimizacin de parmetros y otro que no.
Evolucin de necesidades estacional
Si los datos de perodos anteriores indican una evolucin estacional, se puede especificar el modelo estacional que se desee. En el modelo estacional, el
sistema calcula los valores de pronstico mediante el alisamiento exponencial de primer orden.
Evolucin de necesidades de tendencia estacional
Si los datos de consumo de perodos anteriores representan una evolucin de tendencia estacional, se puede seleccionar el modelo de tendencia estacional
que se desee. El sistema calcula los valores de pronstico mediante el alisamiento exponencial de primer orden.
Evolucin de necesidades irregular
Ninguna de las evoluciones o tendencias anteriormente mencionadas pueden ser reconocidas en un flujo de consumo irregular. Si el sistema va a llevar a
cabo un pronstico para una evolucin irregular es recomendable seleccionar el modelo de valor medio variable o el modelo de valor medio variable
ponderado.
Modelos de pronstico para diferentes evoluciones de necesidades
Evolucin de necesidades
Modelo de pronstico
Constante
modelo constante
modelo constante con alisamiento
adaptacin de factor
modelo de media variable
media variable ponderada
modelo
Tendencia
Irregular
sin pronstico
modelo de valor medio variable
modelo de valor medio variable ponderada
Estacional
modelo estacional
De tendencia estacional
El sistema necesita una cantidad diferente de valores histricos para los tests individuales. Para ms informacin sobre la cantidad exacta que
requiere, vase
Inicializacin del modelo.
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 5 of 11
En
Frmulas de pronstico se proporciona una referencia a la frmula de pronstico que utiliza el sistema para los modelos individuales.
Parmetros de modelo
Modelo constante
valor bsico
Modelo de tendencia
Modelo estacional
Normalmente, el modelo de pronstico se inicia de forma automtica. Para poder realizar esta actividad, el sistema necesita una determinada cantidad de
valores del pasado. La cantidad necesaria vara segn el modelo de pronstico, tal como se muestra en la siguiente tabla.
Cantidad de valores del pasado que se necesita para la inicializacin del modelo
Modelo
Modelo constante
Modelo de tendencia
Modelo estacional
1 estacin
1 estacin + 3
Media variable
El sistema calcula el valor bsico en funcin de un valor medio y de la tendencia, utilizando los resultados del anlisis regresivo. Los ndices estacionales
resultan del cociente de los valores reales de perodos anteriores y del valor bsico que se ha ajustado para el valor de tendencia.
Estos mtodos de clculo se utilizan para los modelos constantes, de tendencia, estacionales, y los modelos de tendencia estacional, dependiendo de los
parmetros que vayan a ser determinados.
Para el modelo de alisamiento exponencial de segundo orden se lleva a cabo un anlisis regresivo.
El sistema calcula un valor medio para el modelo de valor medio variable y para el modelo de valor medio variable ponderado.
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 6 of 11
Adems, se puede supervisar el modelo de pronstico durante la fase de inicializacin, comparando los valores de pronstico del pronstico ex-post con los
valores de consumo reales.
El pronstico ex-post no solamente desempea un importante papel en el pronstico inicial. Tambin es de notable importancia para los
pronsticos subsiguientes. Por lo tanto, es posible omitir perodos durante el clculo del pronstico. Esto significa que se pueden determinar,
por ejemplo, valores de pronstico diarios para un material, incluso si para ese determinado material solamente se activa una ejecucin semanal
de pronstico. El sistema pronostica los perodos desaparecidos volviendo a considerar el pasado. El pronstico ex-post solamente es posible
para modelos con el procedimiento de alisamiento exponencial.
Solamente es posible optimizar el factor de alisamiento de los modelos con procedimiento de alisamiento exponencial.
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 7 of 11
INTRO.
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 8 of 11
referencia.
Parmetros
Modelo manual
Automtica
Parmetros opcionales/obligatorios
Modelo constante
optimizacin de parmetros
grado de optimizacin
factores alfa y delta
Modelo de tendencia
optimizacin de parmetros
grado de optimizacin
factores alfa, beta y delta
perodos de inicializacin
optimizacin de parmetros
grado de optimizacin
factores alfa, beta y delta
optimizacin de parmetros
grado de optimizacin
factores alfa, beta, gama y
delta
optimizacin de parmetros
factores alfa y delta
Modelo de pronstico
El modelo que el sistema utilizar como base al calcular los valores de pronstico se determina mediante el modelo de pronstico. Si no se conoce el modelo
de pronstico, el sistema puede determinarlo mediante la seleccin de modelo automtica.
Seleccin del modelo
Este indicador especifica el modelo cuyos valores del pasado sern examinados por el sistema. Puede especificarse si el sistema buscar o no los valores
del pasado
para una evolucin constante
para una evolucin correspondiente al tipo de modelo de tendencia
para una evolucin estacional o
para ambas evoluciones, de modelo de tendencia y estacional.
Observe que, en funcin del test tipo, es necesario contar con un mnimo de valores del pasado. Este campo es importante si no se conoce el modelo y se
desea que el sistema lo determine automticamente. Adems, tambin se dispone de la posibilidad de preseleccionar un modelo de tendencia y al mismo
tiempo instruir al sistema para que busque una evolucin estacional y viceversa.
Procedimiento de seleccin
Este indicador especifica el modo en que el sistema llevar a cabo la seleccin del modelo. En esta etapa se puede elegir entre dos procedimientos:
El primer procedimiento implica que el sistema lleva a cabo un test de significacin y posteriormente selecciona el modelo pertinente.
El segundo procedimiento implica que el sistema determine la desviacin media absoluta (DMA) utilizando varias combinaciones de parmetros para los
modelos que sern objeto de test y que posteriormente seleccione el modelo que presente la menor DMA. Este procedimiento requiere bastante ms
tiempo que el primero.
Optimizacin de parmetros
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 9 of 11
Mediante este indicador se puede especificar que el sistema optimice los factores de alisamiento necesarios para el modelo apropiado. El sistema calcula
varias combinaciones de parmetros y selecciona la combinacin que muestra la menor DMA. La optimizacin de parmetros se lleva a cabo tanto para el
pronstico inicial como para los pronsticos subsiguientes.
Perodos por ciclos estacionales
Si se ha seleccionado un modelo estacional o si el sistema va a realizar un test estacional, debe introducirse en este campo la cantidad de perodos que
constituyen una estacin.
Grado de optimizacin
Al determinar el grado de optimizacin, se est especificando el incremento que utilizar el sistema para llevar a cabo la optimizacin de parmetros. Cuanto
menor sea el incremento, ms exacto ser el proceso de optimizacin y ms tiempo se necesitar para la realizacin del mismo.
Grupo de ponderacin
Este campo slo debe actualizarse si se ha seleccionado el modelo de pronstico "valor medio variable ponderado". Esta clave especifica los valores del
pasado que se tienen en cuenta para el pronstico y cules de esos valores se ponderan en el clculo del pronstico.
Para el alisamiento exponencial, y en funcin del modelo, el sistema utiliza los siguientes factores. As pues, por ejemplo, para el modelo constante slo son
necesarios los factores alfa y delta, mientras que para el modelo de tendencia estacional son necesarios todos los factores de alisamiento.
Factor alfa
El sistema utiliza el factor alfa para alisar el valor bsico. Si no se especifica un factor alfa, el sistema utilizar automticamente el factor alfa 0,2.
Factor beta
El sistema utiliza el factor alfa para alisar el valor de tendencia. Si no se especifica un factor beta, el sistema utilizar automticamente el factor beta 0,1.
Factor gama
El sistema utiliza el factor gama para alisar el ndice estacional. Si no se especifica un factor gama, el sistema utilizar automticamente el factor gama 0,3.
Factor delta
El sistema utiliza el factor delta para alisar la desviacin media absoluta y la suma de errores. Si no se especifica un factor delta, el sistema utilizar
automticamente el factor delta 0,3.
Si se fijan los parmetros de optimizacin, el sistema sobrescribir los factores de alisamiento fijados en un principio con los factores
recientemente calculados mediante el proceso de optimizacin.
Puede modificar los valores de consumo de cualquier forma requerida por su sociedad GL utilizando el exit de usuario EXIT_SAPMM61W_002.
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 10 of 11
Si se importa una previsin creada externamente se debe registrar 'N' ( ningn modelo pronosticado/externo ) a modo de modelo de pronstico
en la imagen de pronstico del registro maestro de materiales.
PUBLIC
2014 SAP SE or an SAP affiliate company. All rights reserved.
Page 11 of 11