在之前已經有多篇博文從多個角度對SAP系統的MRP功能進行過分析的情況下，從本篇博文起，我們將開始探討SAP系統中一個很不常用的物料計劃功能-- 預測（Forecast）。

?????? 物料計劃是PP模塊的一個重要組成部分，其核心要素在于通過不同的方式，對未來一段時間內預期的物料需求進行提前計劃，從而根據相應的提前期進行有條不紊 的生產與采購活動。在眾多的物料計劃方式中，MRP無疑是應用最為廣泛的一種，這是因為MRP這種物料需求的計劃方式邏輯清晰、容易理解、易于使用，且 MRP的順利運行無需過多過嚴苛的先決條件。同時，MRP的運算邏輯本身也十分合理、在功能上也強大，為企業物料計劃員所廣為接受。

?????? 從本質上講，MRP的物料計劃方式是一種根據未來需求推算未來需求、以及根據未來需求推算未來供給的過程。無論如何，我們一定要事先通過某種方式（如計劃 獨立需求、銷售訂單）將未來的物料需求給到系統，而后系統才能根據這些需求進行一系列的MRP運算。這樣一來，當我們使用MRP的時候，就必須要花費一定 的工作量，找到一些可行的方法，將未來的物料需求輸入到系統中。因此可以說，雖然MRP的運行在很大程度上降低了計劃員的工作量，但由于MRP本身以物料 需求的輸入作為前提條件，則維護物料需求的工作量就是不可避免的。

?????? 在SAP系統中，除了最經典的MRP運算方式之外，還存在著另外一種物料計劃方式，這就是預測（Forecast）。與MRP所不同的是，預測功能的本質 是根據過去的物料消耗值來推算未來的物料消耗值（即物料需求）。在這種情況下，我們無需在系統中輸入物料在未來的預期需求，系統就會直接根據物料在歷史上 的消耗數據，自動推算出未來的物料需求。

??????? 可以看出，預測功能在SAP系統中是一項非常高級與深入的功能，它可以實現物料需求推算的自動化、進而實現物料供給推算的自動化。我們再也不需絞盡腦汁地 去設想物料在未來的需求數據了，系統的自動運算會搞定一切。

??????? 然而，雖然預測功能是如此的高檔與智能化，但真正在SAP系統中應用了這一功能的企業卻是寥寥無幾。這其中最重要的原因就在于預測功能的成功應用需要太 多、太復雜的先決條件，而絕大多數企業根本不具備這些先決條件。換句話說，極少有企業能將預測過程中出現的種種復雜與深奧的參數進行量化與固化。

??????? 事實上，在預測功能的應用當中，最為核心的部分就是物料需求的推算規則。系統之所以能夠依據物料的歷史消耗數據推算出物料的未來需求值，靠的就是有一個明 確的推算規則。我們需要事先將推算規則賦予給系統，系統才能夠在這個規則的基礎上依據物料的歷史消耗值進行計算。通常而言，我們將這個用于進行預測計算的 規則稱之為預測模型（Forecast Model），而將這個模型中所量化的計算方法稱之為預測公式（Forecast Formula）。

?????? 系統在執行預測功能的時候，就是首先從預測模型中提取出預測公式，而后再將物料的歷史消耗數據作為公式變量參與到計算中。而計算出的結果就是我們所需要的 物料未來消耗值（物料需求）。

??????? 因此，物料的歷史消耗數據僅僅是預測運算的變量，而預測模型與預測公式則在預測功能的應用中占據了最為核心的位置。選擇一個合適的預測模型是成功應用預測 功能的必要條件。因為如果模型選得不得當，再豐富的物料歷史消耗數據都是沒有意義的。而如果我們想要選擇好正確的預測模型，就必須要事先對每個預測模型的 運算原理、以及預測模型中每個參數所起到的作用有著充分的了解。

?????? 正因為預測模型所占據的這種核心地位，本博文系列將會拋開具體的測試案例，專門從數學的角度逐一對SAP系統所提供的各類預測模型以及其中所包含的參數進 行分析，力求加深對這些預測模型的理解與掌握，為后續的預測功能測試做好鋪墊。雖然從分析內容上來看，本博文系列看上去更像是學術文章而不是技術文檔，但 這類基于數學意義的分析卻是我們未來應用好預測功能的基礎。從某種程度上來講，理解了這些模型與參數，預測功能的研究就算成功了一半。

??????? 一、從下篇博文開始，我們將會對SAP系統所提供的各種預測模型進行分析與探討，它們包括：
??????? 1：移動平均模型--Moving Average Model
??????? 2：加權移動平均模型--Weighted Moving Average Model
??????? 3：一階指數平滑模型（含季節因子）-- First-Order Exponential Smoothing Model
??????? 3.1：常數模型--Constant Model
??????? 3.2：通用一階指數平滑模型（含季節因子）-- General First-Order Exponential Smoothing Model
??????? 4：二階指數平滑模型 -- Second-Order Exponential Smoothing Model
???????
??????? 二、本博文系列中我們還將介紹SAP系統所提供的五大預測值評估標準，它們是：
??????? 1：誤差總量--Error Total
??????? 2：初始化預測平均絕對偏差（MAD I）--Mean Absolute Deviation for Forecast Initialization
??????? 3：事后預測平均絕對偏差（MAD II）--Mean Absolute Deviation for Ex-Post Forecast
??????? 4：跟蹤信號--Tracking Signal
??????? 5：泰爾系數--Theil Coefficient

??????? 三、我們還將探討SAP系統所提供的預測值修正方法--公差巷（Tolerance Lane）

??????? 四、本博文系列中我們還將介紹預測模型中涉及到的五大參數，它們分別是：
??????? 1：α -- alpha （基本平滑因子）
??????? 2：β -- beta （趨勢平滑因子）
??????? 3：γ -- gamma （季節平滑因子）
??????? 4：δ -- delta （平均絕對偏差因子）
??????? 5：σ -- sigma （異常控制因子）

總結

以上是生活随笔為你收集整理的浅谈SAP系统的预测模型与预测公式的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。