Рекомендации по требованию: Рекомендации: лучше меньше, да лучше

• 05/02/2017
• Чтение занимает 8 мин

В этой статье

В этом разделе описывается поддержка процессором требований PAE/NX/SSE2 в Windows 8, а также вариантов ошибок и сценариев, которые могут возникнуть у клиентов, когда компьютеры не соответствуют требованиям.

Это содержимое относится к Windows 8 и Windows Server® 2012.

В этом разделе:

Обзор

No — eXecute (NX)

No-eXecute (NX) — это компонент процессора, который позволяет помечать страницы памяти как не являющиеся исполняемыми. Эта функция позволяет ЦП защитить систему от атак вредоносных программ. Функция NX предотвращает помещение исполняемого кода вредоносной программы в доступные области памяти. Windows 8 требует, чтобы в системах были процессоры с поддержкой NX, а для важных мер безопасности необходимо включить NX, чтобы избежать потенциальных уязвимостей в системе безопасности.

В этом разделе термин NX относится только к БИТУ процессора NX, определенному процессором AMD, или эквивалентному БИТУ процессора XD, определенному корпорацией Intel для поддержки функций предотвращения выполнения данных (DEP) в Microsoft Windows.

DEP помогает предотвратить выполнение вредоносного кода со страниц данных. В 32-разрядной версии Windows для поддержки DEP используется одна из следующих функций.

• Компонент процессора защиты страниц без выполнения на основе AMD (NX)

• Разрядная функция, определяемая корпорацией Intel (XD)

Чтобы использовать эти функции процессора, процессор x86 (32-разрядный) должен работать в режиме расширения физических адресов (PAE). В 64-разрядной версии Windows используется функция NX Processor для 64-разрядных расширений и определенные значения поля записи в таблице прав доступа (PTE) на процессорах семейства процессоров Intel Itanium (IPF).

Помимо DEP, при загрузке системы в случайные местоположения перемещаются исполняемые образы в случайном расположении, что усложняет выполнение предсказуемого кода вредоносным кодом. ASLR и DEP действуют, только если они используются совместно. Для поддержания эффективности этих двух важных мер безопасности Windows необходимо включить NX. Дополнительные сведения см. в разделе Защита программного обеспечения Windows ISV.

Расширение физических адресов (PAE)

Для использования функции процессора NX процессор должен работать в режиме расширения физических адресов (PAE). PAE — это компонент процессора, который позволяет процессорам x86 получать доступ к более чем 4 ГБ физической памяти в поддерживающих версиях Windows. Архитектуры процессоров Intel Itanium и x64 могут использовать более 4 ГБ физической памяти в собственном виде и не предоставляют эквивалента PAE. PAE поддерживается в 32-разрядных версиях Windows, работающих только на системах на базе x86.

Если функция DEP включена в системе с процессором, поддерживающим функцию NX, PAE автоматически включается.

Streaming SIMD Extensions 2 (SSE2)

Все процессоры, поддерживающие NX, также поддерживают Streaming SIMD Extensions 2 (SSE2). SSE2 — это набор дополнительных инструкций для процессора Intel Single Instruction Multiple Data (SIMD). AMD также включает поддержку SSE2 с диапазонами процессоров версии Opteron и Athlon 64. Все процессоры, поддерживающие NX, также поддерживают SSE2. Многие приложения Windows 8 имеют пути кода с набором инструкций SSE2. Для Windows 8 требуется SSE2.

Область применения последствий

Все современные процессоры поддерживают NX. NX можно отключить в BIOS. На основе доступных данных телеметрии отображается, что один процент систем, работающих под управлением Windows® 7, отключен с помощью NX из-за недостаточной конфигурации в настройках BIOS.

Для работы NX требуются процессоры с поддержкой PAE в 32-разрядной версии Windows. Все 64-разрядные процессоры поддерживают NX, так как они совместимы с расширениями AWE. Таким образом, выпуск устаревших 32-разрядных процессоров, не поддерживающих PAE, не имеет ВОАных последствий или влияния на Windows Server (Windows Server 2012 только 64-bit). Требования к процессору не повлияют на клиентов в современных системах или на системах, отвечающих требованиям к логотипам Windows 7, так как в этих системах поддерживаются 32-разрядные процессоры с поддержкой PAE, поддерживающие NX и обеспечивающие включение NX. Затронут только небольшой набор клиентов с Windows 7, работающих на очень старых 32-разрядных процессорах без поддержки PAE/NX.

Для Windows 8 и Windows Server 2012 требуется PAE. Это требование влияет на небольшое число клиентов с устаревшим оборудованием, которое не поддерживает PAE. Ошибки, возникающие при установке Windows 8 на ненастроенных виртуальных машинах (ВМ). Программа установки Windows сбой установки с ошибкой 0xc0000260 и откат к Windows 7.

По умолчанию Visual Studio выдает инструкции SSE2. Приложения, которые передают эти инструкции, завершаются сбоем в системах с устаревшими процессорами, которые не поддерживают SSE2, как описано в инструкциях SSE2, созданных при указании/Arch: SSE.

Требования к поддержке

В этом разделе описываются меры, которые гарантируют, что процессоры в системах под Windows 8 соответствуют требованиям к поддержке PAE, NX и SSE2.

Требование к логотипу Windows 8

Требование сертификации оборудования Windows 8 требует, чтобы все драйверы работали в обычном режиме вместе с защитой выполнения, чтобы обеспечить правильное поведение системы устройства и драйвера. Драйверы не должны выполнять код из стека, выгружаемого пула и пула сеансов. Драйверы не должны загружаться, если включен режим PAE. Системное встроенное по должно включать NX on, а политика DEP не должна иметь значение » всегда отключено«. Тест сертификации включен в сертификацию о том, что система соответствует этому требованию поддержки NX.

Дополнительные сведения см. в разделе требования сертификации оборудования Windows.

программа установки Windows проверки совместимости оборудования

Программа установки Windows имеет проверку на совместимость оборудования для поддержки PAE, NX и SSE2 в системе установки. Системы, для которых не требуется поддержка процессора для PAE, NX и SSE2, выводятся в виде жестких блоков для Windows 8 в отчете о проблемах совместимости и выводят сообщение: ЦП компьютера несовместим с Windows 8.

Рис. 1. сообщение об ошибке несовместимости ЦП

Примечание
Эта проверка требований к поддержке доступна только в новых программа установки Windows и помощнике по обновлению. Windows 8 включает в себя альтернативную версию программа установки Windows в папке Sources установочного носителя, которая не включает эту проверку. Клиенты, пытающиеся использовать эту альтернативную версию программа установки Windows в системе, которая не соответствует требованиям к поддержке PAE/NX/SSE2, возникнет ошибка во время процесса установки и выполнить откат к предыдущей операционной системе.

При загрузке с носителя или сетевой установки, такой как службы развертывания Windows (WDS), проверка на совместимость не выполняется во время программа установки Windows. В этих сценариях система без поддержки NX или SSE2 приведет к критической ошибке (описанной в следующем разделе расширения ядра ), когда программа установки пытается загрузить Windows.

Улучшение ядра

Для удовлетворения требований Windows 8 к функции NX и поддержке инструкций SSE2 ядро Windows 8 проверяет наличие этих функций во время инициализации. Системы, не поддерживающие NX или SSE2, не могут инициализировать ядро Windows 8. Системы, которые могут отключить NX во встроенном по, имеют переопределение параметра; Поэтому неправильно настроенное встроенное по не приводит к сбою загрузки. Попытка загрузки системы, которая не поддерживает NX или SSE2, приводит к возникновению критической ошибки. Пользователи получают ошибку неподдерживаемого _ кода процессора (0x0000005D) вместе с четырьмя строками информации в 32-разрядной системе:

• Строка 1 — код, указывающий, что компонент отсутствует, и Идентификатор ЦП.

• Строки 2-4 — строки идентификатора поставщика

В 64-разрядной системе при отладке отображается один и тот же неподдерживаемый _ код процессора, что и в 32-разрядной системе, а также следующие четыре строки информации:

• Строка 1 — содержимое регистра стандартных функций

• Строка 2 — содержимое регистра расширенных функций.

• Строки 3-4 — оба значения 0

Часто задаваемые вопросы

Разделы справки выяснить, поддерживает ли система NX или SSE2?

Служебную программу командной строки Coreinfo можно использовать для получения сведений о процессоре системы и просмотра записей PAE, NX и SSE2 в списке вывода. \ Рядом с именем поддерживаемой функции отображается символ _. — Если функция не поддерживается, отображается символ _ *. Пример:

Coreinfo v3.04 - Dump information on system CPU and memory topology
Copyright (C) 2008-2012 Mark Russinovich
Sysinternals - www.sysinternals.com

AMD Athlon(tm) 64 X2 Dual Core Processor 4600+
x86 Family 15 Model 75 Stepping 2, AuthenticAMD
HTT*       Hyperthreading enabled
HYPERVISOR      -       Hypervisor is present
VMX             -       Supports Intel hardware-assisted virtualization
SVM             *       Supports AMD hardware-assisted virtualization
EM64T           *       Supports 64-bit mode

SMX             -       Supports Intel trusted execution
SKINIT          -       Supports AMD SKINIT
EIST            -       Supports Enhanced Intel Speedstep

NX              *       Supports no-execute page protection
PAGE1GB         -       Supports 1 GB large pages
PAE             *       Supports > 32-bit physical addresses
PAT             *       Supports Page Attribute Table
PSE             *       Supports 4 MB pages
PSE36           *       Supports > 32-bit address 4 MB pages
PGE             *       Supports global bit in page tables
SS              -       Supports bus snooping for cache operations
VME             *       Supports Virtual-8086 mode

FPU             *       Implements i387 floating point instructions
MMX             *       Supports MMX instruction set
MMXEXT          *       Implements AMD MMX extensions
3DNOW           *       Supports 3DNow! instructions
3DNOWEXT        *       Supports 3DNow! extension instructions
SSE             *       Supports Streaming SIMD Extensions
SSE2            *       Supports Streaming SIMD Extensions 2
SSE3            *       Supports Streaming SIMD Extensions 3
SSSE3           -       Supports Supplemental SIMD Extensions 3
SSE4.1          -       Supports Streaming SIMD Extensions 4.1
SSE4.2          -       Supports Streaming SIMD Extensions 4.2
……..
……..

Если PAE отображается как неподдерживаемый в выходных данных Coreinfo, это означает, что система имеет процессор, который не поддерживает PAE, и не поддерживает NX. Если PAE отображается как поддерживаемый, но NX отображается как не поддерживаемый в выходных данных Coreinfo:

• Обратитесь к набору функций, опубликованному производителем ЦП, чтобы определить, поддерживается ли NX процессором в системе.

• Если процессор поддерживает NX, то в системе может быть неправильно настроен параметр BIOS для параметра поддержки NX.

Если в моей системе поддерживается NX, как включить NX?

В системе с поддержкой NX ознакомьтесь с руководством производителя системы и перейдите к параметрам BIOS и найдите параметры NX или XD на вкладке Безопасность , чтобы включить поддержку NX. Если параметр BIOS для поддержки NX недоступен в системе, может потребоваться обратиться к производителю для обновления BIOS.

Примечание
В 64-разрядной системе, если в системе поддерживается NX, параметры конфигурации системы не позволяют задать для политики DEP значение всегда отключено. Дополнительные сведения о конфигурации DEP на уровне системы см. в подробном описании функции предотвращения выполнения данных (DEP) в Windows XP с пакетом обновления 2 (SP2), Windows XP Tablet PC Edition 2005 и Windows Server 2003.

Для Windows 8 процессоры в системе должны поддерживать NX и SSE2 для успешной загрузки системы. Если система имеет поддержку, но параметры настроены неправильно, параметры переопределяются до того, как ядро загрузится систему.

Что делать, если не удалось установить Windows 8 на виртуальной машине с ошибкой 0x0000260?

Если виртуальная машина размещена в системе, поддерживающей NX, необходимо включить PAE/NX в параметрах виртуальной машины или Configuration Manager при настройке виртуальной машины Windows 8. Инструкции по включению PAE/NX для виртуальной машины см. в статье Руководство по установке продукта виртуализации.

Примечание
При попытке установить Windows 8 на виртуальную машину, размещенную в системе с версией Windows с отключенной NX, необходимо выполнить инструкции в разделы справки узнать, поддерживает ли моя система NX или SSE2? и Если в моей системе поддерживается NX, как включить NX?, чтобы включить NX в системе, прежде чем можно будет включить PAE/NX для виртуальной машины.

6 Резюме и рекомендации | Прогнозирование спроса и предложения докторантов и инженеров: отчет семинара по методологии

Рекомендация 4. Данные, улучшающие прогнозы, должны быть широко доступны и распространяться своевременно.

NSF должна установить три высокоприоритетных цели данных. К ним относятся: (1) подготовка своевременных описательных статистических данных о занятости и заработной плате по областям обучения, профессиям и секторам в согласованном формате временных рядов, который позволяет отслеживать и прогнозировать тенденции; (2) создание Образца общественного пользования на индивидуальном уровне, содержащего последовательные временные ряды поперечных сечений получателей докторской степени и, если возможно, получателей не докторской степени; и (3) создание панели набора данных для общественного использования ученых и инженеров для анализа переходов от образовательной системы к занятости и переходов между областями, профессиями и видами деятельности.NSF должен обрабатывать эти данные, устанавливать правила доступа, чтобы они были широко доступны, и создавать менее обременительные механизмы для защиты конфиденциальности. Например, при создании панели общественного пользования NSF может набрать респондентов, которые готовы предоставить vitae в стандартном формате без ограничений конфиденциальности. Этот формат можно было бы сделать доступным на seb; Чтобы упростить процесс для респондентов, NSF может закодировать респонденту биографических данных. Это улучшит моделирование индивидуального и институционального поведения в ответ на изменения в финансировании, демографически обусловленный спрос, компенсацию и т. Д.Стандартное кодирование vitae позволило бы собирать более подробные данные, чем форма опрос получателей докторской степени .

Как разработчики моделей, так и советники по вопросам политики на семинаре жаловались на несвоевременность данных. В настоящее время невозможно своевременно узнать, работают ли рыночные механизмы на сокращение дефицита или перенасыщения. Политика, откалиброванная на устаревших данных, может дать слишком мало, слишком поздно или слишком много, слишком поздно. Более того, если индикаторы показывают, что рыночные механизмы оказывают быстрое воздействие, необходимость в изменении политики может быть полностью устранена.

NSF / SRS должны собирать и распространять данные, которые

Четыре шага к лучшему прогнозированию спроса

Прогнозирование — это «неточная наука», основанная на доступных вам данных, математических расчетах, которые вы используете, и на том, как вы реализуете прогноз. Существуют библиотеки, полные алгоритмов, которые относительно легко реализовать в программном обеспечении, но математика хороша ровно настолько, насколько хороши данные, к которым она применяется. А на более качественное прогнозирование спроса существенно влияет ваше понимание этих данных, их сильных сторон и ограничений.

В этой статье мы рассмотрим четыре концепции данных, которые определяют результаты прогнозов, и дадим несколько практических рекомендаций по их решению. Более совершенные реализации прогнозирования относятся к:

• Подготовка данных к анализу;
• Измерение актуальности, покрытия и точности данных;
• Понимание того, как выполнение заказов влияет на ваши прогнозы; и
• Управление всплесками данных, которые могут или не могут быть реальным спросом.

1.Подготовка данных к анализу

То, как вы собираете данные для прогнозирования, существенно влияет на точность. Менеджеры обычно объединяют большое количество очень конкретных транзакций, и им необходимо будет проанализировать эти транзакции на более высоком уровне, чтобы получить представление о значимых продажах и тенденциях. Обычно они хотят создать несколько измерений для изучения.

Менеджеры захотят суммировать сразу по нескольким из этих параметров. Например, менеджер категорий хочет отслеживать товары до и после рекламной акции по региону и производителю.Программное обеспечение для бизнес-аналитики играет здесь важную роль — хранилище данных или база данных могут поддерживать несколько типов агрегирования и мгновенно обеспечивать гибкий анализ по всем измерениям.

При прогнозировании спроса, чем выше уровень агрегирования, тем точнее прогноз. В чрезмерно упрощенном объяснении ошибки прогноза уменьшаются по мере роста уровня агрегации, и, более конкретно, стандартное отклонение шумовых терминов растет по мере уменьшения квадратного корня из числа агрегируемых единиц.
Однако актуальность большей точности зависит от деловой ситуации. Хотя ежеквартальный прогноз для сети может быть математически проще получить, чем еженедельный прогноз для магазина, если вашей компании требуются еженедельные прогнозы, вам нужно будет усерднее работать, чтобы понять, как использовать и передавать дезагрегированные прогнозы, которые имеют большую волатильность и меньшую точность .

Рекомендация: Поймите уровень детализации, необходимый для вашей бизнес-цели, и относительную точность, которую вы можете достичь на каждом уровне агрегирования.Вот несколько примеров:

• Планирование продаж и операций (S&OP): высокий уровень агрегирования для стратегического планирования
• Управление запасами: низкий уровень агрегации для поддержки решений на уровне SKU
• Согласование S&OP и управления запасами: планы S&OP сводятся к решениям по запасам — таким образом, нисходящий прогноз должен дезагрегироваться до прогноза на уровне SKU. Используйте методологию, позволяющую проводить сверку. (Для этого требуется определенная структура базы данных.)

2. Актуальность, охват и точность данных измерений

Короче говоря, история продаж — лучший показатель будущего спроса. Существуют десятки моделей для анализа истории продаж, от простых скользящих средних до расширенных методов регрессии, которые могут измерять тенденции, сезонность и циклические характеристики ваших данных. Однако, прежде чем вы выберете свои модели, вам нужно знать, совпадает ли ваша история продаж со спросом на ваш продукт.

Использование истории продаж для отображения спроса предполагает, что ваши запасы всегда были в наличии для продажи.Однако для большинства предприятий ситуации, когда товары на складе отсутствуют, — это реальность. Исследования показывают, что у большинства бакалейных лавок около 8% товаров нет в наличии * — и, учитывая, что в среднем в магазине есть 25 000 наименований товаров, это означает, что 2000 товаров недоступны в любой момент времени!

Данные о «отсутствующем спросе» искажают реальный спрос на рынке. Компания не будет знать, что сделал клиент, когда не нашел продукт — купил ли он что-то еще, купил где-то еще или просто отказался от покупки?

Следовательно, если мы не устраняем разрыв между историей продаж и «истинным спросом», мы недооцениваем спрос.И если мы недооцениваем спрос за один период, мы, вероятно, установим слишком низкие целевые показатели запасов на следующий период, создавая таким образом цикл, который расстроит клиентов.

Рекомендация: Определите истинный спрос, сделав корректировку для учета дефицита. В частности, сделайте поправку на время, в течение которого продукт был доступен. Простой подход:

• Истинный спрос = наблюдаемый спрос / доля времени на складе
• Хотя для этого необходимо объединить данные из разных источников (CRM и ERP) и создать новую меру, это должно привести к лучшему представлению о ваших рыночных возможностях.

3. Понимание того, как выполнение заказов влияет на ваши прогнозы

У большинства предприятий бывают ситуации, когда возникает нехватка запасов, но продажи осуществляются через альтернативные каналы, такие как ускоренный заказ из другого места. Заказчик доволен, но это может создать хаос в прогнозе, поскольку сбор данных не позволяет легко отследить такого рода исключения. В этом случае компания может регистрировать транзакцию на региональном предприятии, но должна будет регистрировать спрос на альтернативном предприятии.

Вторая ситуация предвзятости возникает, когда товаров нет в наличии и покупатель покупает замену. Например, покупателю нужна упаковка из 12 банок пива, но магазина нет. Вместо этого они покупают бутылки. Это искажает оценку спроса, потенциально сокращая запасы предпочтительных банок и увеличивая запасы менее предпочтительных бутылок.

Рекомендация: Некоторое проскальзывание может произойти в любой большой системе инвентаризации, если запасы не на 100% находятся на полке.Чтобы решить эту проблему, просто запишите место, время и элемент, где на самом деле произошла транзакция, а также доступность.

4. Управление всплесками данных, которые могут или не могут быть реальным спросом

Большинство предприятий видят периодические «всплески» своих продаж. Иногда это ошибки данных, а иногда — реальные продажи. К сожалению, всплески имеют тенденцию «тянуть» распределение спроса в нужном направлении, возможно, искажая планирование запасов.

С точки зрения прогнозиста, нас больше всего интересует типичный повторяющийся спрос.Пики следует исследовать отдельно, чтобы понять, что их вызвало, и являются ли они повторяющимися или разовыми событиями. Таким образом, в системе прогнозирования мы, как правило, хотели бы исключить всплески из наших оценок.

Рекомендация: В настоящее время принято устранять всплески и заменять точки данных более типичными наблюдениями, такими как средний объем за предыдущий и последующие периоды времени. Другой подход, применимый к промышленной ситуации, — это регистрировать транзакции как «повторяющиеся» или «разовые».

Например, транспортная компания может управлять транспортными средствами из разных мест. Когда ремонт или техническое обслуживание производятся на альтернативном предприятии во время перевозки транспортного средства, приобретение запасных частей должно регистрироваться как разовое мероприятие, чтобы предприятие не начало складировать запасные части для будущего ремонта.

Прогнозирование — это больше, чем большие объемы данных и элегантные статистические модели. Сосредоточившись на контексте данных, вы лучше поймете свою бизнес-ситуацию, с большей уверенностью представите прогнозы и объясните результаты.

5 рекомендаций по вычислению ошибки прогноза в процессе планирования спроса и преобразованию ее в оптимизированный план инвентаризации

Те, кто составляет прогнозы, обязаны осознавать неопределенность своих прогнозов перед теми, кто использует прогнозы, и перед собой. Это примечание о том, как оценить неопределенность прогноза и использовать оценки в процессе планирования спроса. Мы ориентируемся на прогнозы, сделанные в поддержку планирования спроса, а также на прогнозы, необходимые для оптимизации политики запасов, включая точки повторного заказа, резервные запасы и минимальные / максимальные уровни.

Прочитав это, вы узнаете о:

-Критерии оценки прогнозов
-Источники ошибки прогноза
-Расчет ошибки прогноза
-Преобразование ошибки прогноза в интервалы прогнозирования
-Взаимосвязь между прогнозированием спроса и оптимизацией запасов.
— Действия, которые вы можете предпринять, чтобы использовать эти концепции для улучшения процессов вашей компании.

Критерии оценки прогнозов

Ошибка прогноза сама по себе не является достаточной причиной для отказа от прогнозирования как инструмента управления.Повернув знаменитый афоризм Джорджа Бокса: «Все прогнозы неверны, но некоторые полезны». Конечно, профессионалы бизнеса всегда будут искать способы сделать прогнозы более полезными. Обычно это включает в себя работу по уменьшению ошибки прогноза. Но пока точность прогнозов — это наиболее очевидный критерий, по которому можно судить о прогнозах, но не единственный. Вот список критериев оценки прогнозов:

Точность: Прогнозы будущих ценностей в ретроспективе должны быть очень близки к фактическим значениям, которые в конечном итоге проявляются.Но может уменьшиться отдача от выжидания еще полпроцента точности из прогнозов, которые в противном случае достаточно хороши для использования при принятии решений.

Своевременность: Пилоты-истребители ссылаются на цикл OODA (наблюдение, ориентацию, решение и действие) и «необходимость попасть внутрь цикла OODA противника», чтобы они могли стрелять первыми. У предприятий тоже есть циклы принятия решений. Предоставление совершенно точного прогноза на следующий день после его возникновения бесполезно. Лучше — хороший прогноз, который приходит вовремя, чтобы быть полезным.

Стоимость : Прогнозирование данных, моделей, процессов и людей — все это стоит денег. Менее затратный прогноз может быть подкреплен легкодоступными данными; более дорогим был бы прогноз, основанный на данных, которые должны быть собраны в рамках специального процесса, выходящего за рамки информационной инфраструктуры фирмы. Приобрести, использовать и использовать классический стандартный метод прогнозирования будет дешевле, чем сложный индивидуальный метод, предоставляемый консультантом. Прогнозы могут быть произведены массово с помощью программного обеспечения, контролируемого одним аналитиком, или они могут возникать в результате совместного процесса, требующего времени и усилий от больших групп людей, таких как региональные менеджеры по продажам, производственные группы и другие.Технически продвинутые методы прогнозирования часто требуют найма сотрудников со специализированными техническими знаниями, такими как степень магистра статистики, которые, как правило, стоят больше, чем персонал с менее продвинутой подготовкой.

Доверие: В конечном итоге какой-то руководитель должен принять каждый прогноз и действовать в соответствии с ним. Руководители имеют тенденцию не доверять или игнорировать рекомендации, которые они не могут ни понять, ни объяснить следующему человеку в иерархии выше их. Для многих вера в «черный ящик» является слишком суровым испытанием веры, и они отвергают прогнозы черного ящика в пользу чего-то более прозрачного.

Теперь мы сосредоточимся на точности прогноза и ее злом двойнике — ошибке прогноза.

Источники ошибок прогноза

Те, кто стремится уменьшить количество ошибок, могут найти проблемы в трех местах:
1. Данные, входящие в модель прогнозирования
2. Сама модель
3. Контекст упражнения прогнозирования

Есть несколько способов, которыми проблемы с данными могут привести к ошибке прогноза.

Грубые ошибки: Неверные данные приводят к неверным прогнозам.Мы видели случай, когда компьютерные записи о спросе на продукт были ошибочными в два раза! Те, кто участвовал, сразу заметили эту проблему, но менее вопиющая ситуация может легко проскользнуть и испортить процесс прогнозирования. Фактически, простая организация, сбор и проверка данных часто являются самым большим источником задержки во внедрении программного обеспечения для прогнозирования. Многие проблемы с данными, по-видимому, возникают из-за того, что данные были неважными до тех пор, пока проект прогнозирования не сделал их важными.

Аномалии: Даже при идеально подобранных базах данных прогнозирования часто возникают проблемы с данными типа «иголка в стоге сена».В этих случаях не ошибки данных, а аномалии спроса вносят вклад в ошибку прогноза. В наборе, например, из 50 000 товаров, некоторое количество товаров может иметь странные детали, которые могут исказить прогнозы.

Анализ задержек — простой, но мощный метод анализа. Чтобы увидеть, насколько хорошо метод прогнозирует, используйте его со старыми известными данными для прогнозирования новых данных, а затем посмотрите, как это могло бы получиться! Например, предположим, что у вас есть данные о спросе за 36 месяцев, и вам нужно сделать прогноз на 3 месяца вперед.Вы можете смоделировать процесс прогнозирования, удерживая (т. Е. Скрывая) данные за последние 3 месяца, прогнозируя только данные с 1 по 33 месяц, а затем сравнивая прогнозы на 34–36 месяцев с фактическими значениями в 34–36 месяцев. . Скользящее моделирование просто повторяет анализ задержек, перемещаясь по истории спроса. В приведенном выше примере использовались данные за первые 33 месяца, чтобы получить 3 оценки ошибки прогноза. Предположим, мы начинаем процесс, используя первые 12 месяцев для прогнозирования следующих 3.Затем мы скользим вперед и используем первые 13 месяцев для прогнозирования следующих 3. Мы продолжаем, пока, наконец, не используем первые 35 месяцев для прогнозирования последнего месяца, что дает нам еще одну оценку ошибки, которую мы делаем при прогнозировании на месяц вперед. Обобщение всех ошибок прогноза на 1, 2 и 3 шага вперед позволяет рассчитать интервалы прогнозирования.

Расчет интервалов прогноза

Последний шаг в вычислении интервалов прогнозирования — преобразование оценок средней абсолютной ошибки в верхнюю и нижнюю границы интервала прогнозирования.Интервал прогнозирования в любое время в будущем вычисляется как

Интервал прогноза = Прогноз ± Множитель x Средняя абсолютная ошибка.

Последний шаг — выбор множителя. Типичный подход состоит в том, чтобы представить некоторое распределение вероятностей ошибки вокруг прогноза, а затем оценить границы интервала прогнозирования, используя соответствующие процентили этого распределения. Обычно предполагаемое распределение ошибок является нормальным распределением, также называемым распределением Гаусса или «колоколообразной кривой».

Использование интервалов прогнозирования
Самое непосредственное неформальное использование интервалов прогнозирования — передать ощущение того, насколько «мягким» является прогноз. Интервалы прогнозов, большие по сравнению с размером прогнозов, указывают на высокую неопределенность.

Есть еще два формальных применения в прогнозировании спроса: хеджирование ваших ставок на будущий спрос и руководство корректировкой прогнозов.

Хеджирование ваших ставок: Сами значения прогноза приблизительно соответствуют наиболее вероятным значениям будущего спроса.Более зловещий способ сказать то же самое — вероятность того, что фактическое значение будет выше (или ниже) прогноза, составляет около 50%. Если прогноз используется для планирования будущего производства (или закупки или найма сырья), вы можете создать подушку безопасности, чтобы не попасть в ловушку при резком скачке спроса (при условии, что недостаточная застройка хуже, чем чрезмерная застройка). Если прогноз конвертируется из единиц в доллары для прогнозов доходов, вы можете использовать значение ниже прогноза, чтобы быть консервативным при прогнозировании денежного потока.В любом случае сначала нужно выбрать покрытие интервала прогнозирования. Интервал прогноза 90% — это диапазон значений, который покрывает 90% возможностей. Это означает, что существует 5% -ная вероятность того, что значение упадет выше верхнего предела 90% -ного интервала прогноза. Другими словами, верхний предел интервала прогнозирования 90% отмечает 95-й процентиль распределения прогнозируемого спроса в этот период времени. Точно так же существует 5% -ная вероятность падения ниже нижнего предела, который отмечает 5-й процентиль распределения спроса.

Направляющая корректировка прогнозов: Довольно часто статистические прогнозы пересматриваются в рамках какого-то совместного процесса. Эти корректировки основаны на информации, не зарегистрированной в истории спроса на товар, например на сведениях о действиях конкурентов. Иногда они основаны на более туманном источнике, таком как оптимизм продавцов. Когда корректировки производятся на экране для всеобщего обозрения, интервалы прогнозирования предоставляют полезную справочную информацию: если кто-то хочет переместить прогнозы за пределы интервалов прогнозирования, он пересекает основанную на фактах черту и должен иметь хорошую историю, чтобы оправдать свои аргумент, что в будущем все будет по-другому.

Интервалы прогнозирования и оптимизация инвентаризации

Наконец, концепция интервалов прогнозирования играет важную роль в проблеме, связанной с прогнозированием спроса: Оптимизация запасов.
Основная аналитическая задача при установке точек повторного заказа (также называемых Мин.) — прогнозировать общий спрос на время восстановления запасов. Эта сумма называется спросом на время выполнения заказа. Когда запасы в наличии опускаются до или ниже точки повторного заказа, запускается заказ на пополнение запасов.Если точка повторного заказа достаточно высока, будет приемлемо небольшой риск дефицита, то есть того, что спрос на время выполнения заказа приведет к снижению запасов ниже нуля и приведет к упущенным продажам или невыполненным заказам.

Новые статистические методы, и мы можем начать более эффективное планирование.

Задача прогнозирования состоит в том, чтобы определить все возможные значения совокупного спроса за время выполнения заказа и связанные с ними вероятности возникновения. Другими словами, основная задача — определить интервал прогноза для некоторой будущей случайной величины.Предположим, вы вычислили 90% -ный интервал прогноза для спроса на время выполнения заказа. Тогда верхний конец интервала представляет 95-й процентиль распределения. Установка точки повторного заказа на этом уровне будет соответствовать 95% возможных значений спроса на время выполнения заказа, что означает, что будет только 5% -ная вероятность того, что товар закончится до того, как поступит пополнение для пополнения запасов на полках. Таким образом, существует тесная взаимосвязь между интервалами прогнозирования при прогнозировании спроса и расчетом точек повторного заказа при оптимизации запасов.

5 Практические рекомендации

1. Установите ожидания в отношении ошибки: Иногда менеджеры имеют необоснованные ожидания относительно уменьшения ошибки прогноза до нуля. Вы можете указать на то, что ошибка — это только одна из составляющих, по которой следует судить о процессе прогнозирования; у вас может быть все хорошо как по своевременности, так и по стоимости. Также отметьте, что нулевая ошибка не более реалистичная цель, чем 100% конверсия потенциальных клиентов в клиентов, безупречная работа поставщика или нулевая волатильность курса акций.

2. Выявите источники ошибок: дважды проверьте точность истории спроса. Используйте статистические методы, чтобы идентифицировать выбросы в истории спроса и реагировать соответствующим образом, заменяя проверенные аномалии более типичными значениями и опуская данные до серьезных изменений в характере спроса. Если вы используете процесс совместного прогнозирования, сравните его точность с чисто статистическим подходом, чтобы определить элементы, для которых совместная работа не снижает ошибки.

3.Оцените погрешность альтернативных статистических методов: могут быть стандартные методы, которые работают лучше, чем ваши текущие методы, или лучше подходят для некоторых подмножеств ваших элементов. Ключ должен быть эмпирическим, используя идею анализа несостоятельности. Соберите свои данные и выполните «запекание» между различными методами, чтобы увидеть, какой из них лучше работает для вас. Если вы еще не пользуетесь статистическими методами прогнозирования, сравните их с тем, у кого «золотое чутье» является вашим нынешним стандартом. Используйте наивный прогноз в качестве ориентира для сравнений.

4. Изучите использование новых источников данных: особенно если у вас есть товары, которые активно продвигаются, протестируйте статистические методы, которые включают рекламные данные в процесс прогнозирования. Также проверьте, можно ли использовать информацию извне вашей компании; например, посмотрите, можно ли объединить макроэкономические показатели для вашего сектора с данными компании для повышения точности прогнозов (обычно это делается с помощью метода, называемого множественным регрессионным анализом).

5.Используйте интервалы прогнозирования: графики интервалов прогнозирования могут улучшить ваше ощущение неопределенности в ваших прогнозах, помогая вам выбирать элементы для дополнительного изучения. Это правда, что то, чего вы не знаете, может навредить вам, но также верно и то, что знание того, чего вы не знаете, может вам помочь.

Пять советов по лучшему планированию и прогнозированию спроса

Йоги Берра однажды сказал: «Трудно делать прогнозы, особенно в отношении будущего». Хотя волшебной формулы для прогнозирования не существует, есть несколько шагов, которые компании могут предпринять, чтобы уменьшить неопределенность и улучшить свои возможности планирования спроса.«Знание этих шагов очень важно для того, чтобы помочь компаниям избежать проблем на более низком уровне цепочки поставок», — говорит Рэнди Стренг, вице-президент по глобальным решениям и розничной реализации UPS Supply Chain Solutions. Стрэнг предлагает следующие советы по повышению точности прогнозов.

1. Один размер не подходит всем.

Потребности и задачи в области прогнозирования сильно различаются в зависимости от бизнес-модели компании, ее размера, географического положения и отрасли, а также других факторов.Даже внутри компании существует несколько различных ситуаций, требующих той или иной формы прогнозирования для управленческого контроля. Прежде чем приступить к процессу планирования спроса, производственные компании должны четко определить свои задачи прогнозирования:

• Вы устанавливаете политику запасов или финансовое руководство?
• У вас спорадический / неоднородный спрос или постоянный объем?
• Вы смотрите на краткосрочные или долгосрочные финансовые прогнозы?
• Каковы ваши допустимые допуски?

2.Понять движущие силы неопределенности.

Существует множество факторов, которые могут повлиять на способность компании делать точные прогнозы. Знание этих факторов заранее помогает компаниям планировать работу заранее. Производители должны спросить себя:

• Насколько устойчив ваш спрос?
• Какие факторы влияют на прогнозируемую переменную или переменные?
• Какой у вас уровень прозрачности цепочки поставок?
• Насколько надежны ваши виды транспорта?
• У вас есть доступ к нескольким видам транспорта?

3.Будь проще.

Комплекс не всегда лучше с точки зрения планирования спроса. Метод и инструменты прогнозирования, подходящие для конкретной компании, зависят от уровня поддержки, в которой они нуждаются (см. № 1), и уровня имеющихся у них данных. Правильным решением может быть статистический подход или консенсусный подход, автономный инструмент или решение для всего предприятия. Общие методы прогнозирования включают:

• Методы временных рядов рассматривают исторические данные и прогнозируют будущее.
• Методы регрессии исследуют предыдущие / исторические средние значения и результаты и выдвигают гипотезы о взаимосвязях между переменными.
• Эвристические методы используют опыт и знания руководителей компаний.
• Методы консенсусного подхода вовлекают нужных игроков в организации.

4. Подготовьтесь к изменениям.

• Убедитесь, что у вас есть правильный набор навыков для ваших нужд.
• Разработайте правильные программы обучения.
• Участвуйте в планировании продаж и операций там, где требуется межфункциональное планирование.
• Определите методы измерения производительности.

5. Ожидайте неожиданного.

Единственная гарантия в прогнозировании — то, что все пойдет не так, как планировалось. Вот почему определение альтернатив или планов резервного копирования (или того, что UPS любит называть гибкой цепочкой поставок, отвечающей потребностям), имеет решающее значение.Компании должны:

• Убедитесь, что у вас есть гибкость для быстрого получения альтернативных материалов на месте и возможность срочного обслуживания для их доставки.
• Обратите внимание на транспортные услуги с определенными сроками и варианты сокращения времени выполнения заказов и уменьшения их вариативности.
• Убедитесь, что вы работаете с операторами связи / поставщиками / партнерами, у которых есть гибкие бизнес-модели.
• Планируйте заранее — для любого сценария.

См. Также

Эффективное управление ростом спроса из-за коронавируса

Воздействие коронавируса (COVID-19) уже распространилось далеко за пределы сектора общественного здравоохранения: фондовые рынки упали; туристический сектор испытывает трудности; и люди либо готовятся к перебоям в повседневной жизни, либо уже справляются с ними.Одна из самых насущных проблем для розничных цепочек поставок — это накопление потребителями пустых полок по всему миру. Мы наблюдаем это, особенно у продуктовых покупателей РЕЛЭКС на всех наших рынках, с резким скачком спроса на некоторые категории, например, на дезинфицирующие средства для рук. Но мы также тесно сотрудничаем с клиентами, чтобы поделиться стратегиями, которые минимизируют негативное воздействие, — и поделимся с вами нашими рекомендациями здесь.

Важно отметить, что ни один подход не подойдет для всех компаний, поэтому подумайте, какие стратегии наиболее подходят для вашей конкретной бизнес-модели.Например, розничным торговцам, использующим модели электронной коммерции или омниканальности, следует подготовиться к значительному увеличению спроса в онлайн-каналах, поскольку многие покупатели считают доставку на дом более безопасной альтернативой переполненным магазинам.

В нормальных условиях мы всегда рекомендуем автоматизированные процессы цепочки поставок с ручным вмешательством только в том случае, если система выдает предупреждения об исключениях. Однако текущий момент является одним из редких случаев, когда мы рекомендуем обратиться к вашим экспертам по потребностям, чтобы они направили систему к оптимальным бизнес-решениям до, во время и после увеличения спроса.

Мы даем эту рекомендацию, потому что ни одна система, какой бы продвинутой она ни была, не может точно автоматизировать вычисления, если нет исторического прецедента для моделирования прогнозирования. Что мы можем автоматизировать с помощью , так это реализация опыта ваших плановиков, будь то изменение моделей прогнозирования или применение бизнес-правил для обновления лимитов страхового запаса.

В ожидании увеличения спроса

Даже если вы еще не заметили роста продаж, планировщики должны делать обоснованные прогнозы, корректируя прогнозы для продуктов, которые, как они знают, принесут более высокие продажи.Некоторые из наших клиентов решили сосредоточить свои приросты на ключевых позициях в каждой категории, обеспечивая доступность на уровне категорий и сводя к минимуму риск избыточного запаса. Наиболее пострадавшие категории, по нашему мнению, включают нескоропортящиеся продукты, товары для здоровья и гигиены, а также средства для чистки и дезинфекции. Однако мы наблюдаем значительный рост всего ассортимента у многих розничных продавцов.

Скорее всего, специалисты по планированию спроса будут не уверены в том, как будут вести себя некоторые категории в вашем ассортименте.Если вы не уверены в том, как будет продаваться данная категория, возможно, имеет смысл увеличить уровни страхового запаса, а не прогнозы, чтобы учесть эту неопределенность спроса.

Некоторые спрашивают, могут ли исторические данные о предыдущих пандемиях, таких как птичий или свиной грипп, служить хорошими моделями для автоматизированных расчетов. Мы считаем, что слишком рискованно предполагать, что один грипп повлияет на цепочку поставок, как предыдущий. Каждое событие такого рода в области общественного здравоохранения развивается по-своему, и на поведение потребителей дополнительно влияют социальные сети и освещение в новостях.Хотя мы можем получить представление о предыдущих аналогичных событиях о том, какие категории, скорее всего, будут затронуты, такие случаи уникальны и должны рассматриваться как таковые.

Управление увеличением спроса

Когда в магазинах начинает расти спрос, непрерывный мониторинг становится критически важным. Ритейлеры прогнозируют, что до нормализации работы могут потребоваться недели реактивного мониторинга, поэтому планировщикам следует на некоторое время привыкнуть к «новой норме».

Мы наблюдали сильные колебания в изменении спроса между нашими рынками.В Северной Америке мы наблюдаем явный рост продаж, при этом пики спроса совпадают с праздничными продажами или даже превышают их. Мы прогнозируем, что в ближайшие недели показатели в Северной Америке продолжат расти, но клиенты на более сильно затронутых рынках, таких как Италия, Австрия и Германия, уже испытывают колоссальный скачок на уровне категорий. Продажи консервированных продуктов выросли более чем вдвое, а в некоторых подкатегориях — еще больше. Из-за этой непредсказуемости каждый розничный торговец должен точно отслеживать, как его спрос на самом деле изменяется относительно их прогнозов, а затем быстро реагировать и приспосабливаться.

Чтобы определить области, в которых прогнозы необходимо скорректировать, планировщики должны создать ракурсы исключений в системе планирования, чтобы выделить различия между прогнозами и фактическими краткосрочными продажами. На время неопределенности спроса планировщики должны часто проверять эти представления и корректировать прогнозы по мере необходимости.

Нехватка товарно-материальных запасов станет серьезной проблемой, поскольку у продавцов заканчивается предложение для удовлетворения возросшего спроса. Используйте распределение дефицита в вашей системе, чтобы направить запасы в магазины, испытывающие наибольшую потребность, а не в порядке очереди.Мой коллега Клей более подробно писал о том, как удовлетворить растущий спрос, несмотря на дефицит запасов.

Возвращение к базовым прогнозам

В конечном итоге влияние коронавируса на жизнь и цепочку поставок ослабнет, и в этот момент розничные торговцы должны быстро и точно вернуться к базовым прогнозам. Пометка затронутого периода спроса «событием» коронавируса позволяет системе прогнозирования автоматически устранять влияние связанных продаж.Это обеспечивает более точные прогнозы на ближайшие недели, а также предотвращает неправильную интерпретацию данных о событиях как сезонное увеличение в следующем году.

Те розничные торговцы, которые переоценивают рост спроса, впоследствии будут иметь в наличии большие избыточные запасы. Для многих потребуется принудительное распределение для оптимального распределения избыточных складских запасов между магазинами. Однако в крайних случаях может даже иметь смысл проводить кампании по уценке, чтобы уменьшить избыточные мощности в распределительных центрах и предотвратить потерю доходов из-за порчи продукции.

Роль технологий

Невозможно точно автоматизировать процессы в периоды исключительного спроса. Во времена неопределенности розничные торговцы всегда должны принимать бизнес-решение о том, что будет худшим результатом: риск дефицита или риск избытка запасов. Мы всегда говорили, что искусственный интеллект никогда не сможет заменить бизнес-экспертизу, и эта истина ясно проявляется во время кризисов в цепочке поставок, подобных этому. Розничные продавцы должны доверять своим экспертам управление жизненным циклом этого мероприятия, но, надеюсь, ваши планировщики также имеют в своем распоряжении инструменты, которые помогут им принимать правильные решения как можно быстрее и эффективнее.

Детализированная аналитика с чистым пользовательским интерфейсом поможет пользователям анализировать большие объемы данных, выполнять контролируемые бизнес-решения и изучать влияние этих решений для непрерывного уточнения в этот период неопределенности. Планировщикам требуется прозрачность показателей продаж по категориям, включая гибкие настраиваемые представления исключений, которые выделяют все категории, в которых наблюдается значительный рост продаж.

Этот уровень детализации критически важен, потому что простое повышение прогнозов на 50% по инвентарю нанесет ущерб уровням запасов.Вы должны понимать, как по-разному влияют на конкретные группы продуктов, чтобы определить, какие увеличения лучше всего подходят вашему бизнесу.

К сожалению, не существует гарантированной практики или процесса, которые устранят риск во время вспышки COVID-19. Вместо этого планировщики должны взвесить риск упущенных продаж из-за отсутствия запасов с риском избыточных запасов из-за завышенного прогноза — и подготовиться к проактивному устранению всех последствий с помощью своих технологических решений.

Быстрое прогнозирование спроса во время COVID-19

Вспышка коронавируса — это глобальный гуманитарный кризис, затронувший миллионы людей.Экономическое воздействие пандемии можно увидеть во всех секторах, но наиболее широко оно может быть заметно в секторе потребительских товаров. В выпусках новостей и в социальных сетях появляются изображения пустых полок, на которых должна быть туалетная бумага и моющие средства. Потребители меняют то, где они делают покупки, что они покупают и сколько они покупают, с беспрецедентными масштабами и скоростью.

Все производители потребительских товаров в США срочно пытаются определить, в какой степени эти изменения в поведении потребителей повлияют на их категории, каналы и бренды во время и после этого кризиса — и какие действия они могут предпринять сейчас.Итак, как руководители могут сейчас использовать коммерческие рычаги для повышения эффективности бизнеса, а также подготовиться к новым моделям поведения потребителей, которые сохранятся после кризиса?

Наш анализ предыдущих экономических спадов показывает, что компании, которые принимают продуманные и быстрые меры, могут повысить устойчивость, необходимую для того, чтобы выдержать шторм и стать сильнее. В этой статье мы делимся нашим исследованием о том, какие потребительские привычки, поведение и настроения, вероятно, будут после пандемии, а также о нашем шестиэтапном подходе к перепланированию SPRINT для корректировки коммерческих стратегий в ответ на кризис.

Отслеживание изменений в поведении потребителей

Без сомнения, поведение потребителей изменилось по нескольким направлениям: потребление категорий, выбор канала, частота покупок, предпочтение бренда и потребление медиа. Эти сдвиги в сочетании с прогнозами сдерживания вирусов и восстановления экономики имеют решающее значение для коммерческих стратегий.

Потребление разветвленных категорий

Данные о продажах за март 2020 года по категориям показали значительные колебания (Иллюстрация 1).В то время как продажи таких товаров, как туалетная бумага, бобы и чистящие средства выросли вдвое, потребители снизили приоритетность таких товаров, как косметика, бытовая техника и электроника.

Приложение 1