移動平均在庫予測の説明

再注文ポイントの 1 日あたりの平均販売数量は、「スギ & イチジク、250g」で 1 日あたり 5 個です。このサイトの再注文ポイントガイド、どこかから来なければなりません。これは、誰かがそう呼ぶかどうかは別として、移動平均から得られます。つまり、最近の売上の一部を平均し、それを今後の予想レートとして使用します。メソッドに適切な名前を付けることは価値があります。どこで信頼性が失われるかを知ることで、メソッドから渡される数値をどの程度信頼できるかが変わるからです。

式

単純移動平均では、一定数の最新の期間を取得して平均し、その平均を次の期間の予測として使用します。

移動平均 = (過去 N 期間の売上の合計) ÷ N

N はウィンドウです。含める最新の期間の数です。そのウィンドウ内の各期間は、他の期間とまったく同じようにカウントされます。つまり、3 週間前の売上は、昨日の売上と同じくらい平均を引っ張ります。これがメカニズム全体であり、このメソッドに特定のブレークポイントがある理由でもあります。これについては後ほど説明します。

うまくいった例

再び「スギ＆イチジク 250g」を手に取る。過去 4 週間で、最も古い週から順に、34、33、36、および 37 ユニットが販売されました。

単純移動平均、4 週間のウィンドウ:

(34 + 33 + 36 + 37) ÷ 4 = 140 ÷ 4 = 1 週間あたり 35 単位

週に 35 ユニットということは、1 日あたり 5 ユニットに相当します。これは、再注文ポイント ガイドが同じキャンドルに対して使用する正確な数字です。これは偶然ではありません。再注文ポイントを供給する日次売上平均は別名移動平均であり、通常はここでの 4 週間の期間よりも長い期間 (このガイドでは 90 日を使用) にわたって実行されるだけです。

シンプルと加重の比較

加重移動平均は同じ基本的な考え方を維持しますが、毎週を同等の情報として扱うことをやめます。より最近の期間では、結果のより大きなシェアが得られます。

加重移動平均 = (各期間の売上高 × その加重値の合計) ÷ (すべての加重値の合計)

重みを設定する一般的な方法は、最新の期間に最大の数値を与え、それ以降の期間ごとに 1 ずつカウントダウンします。 4 週間のウィンドウでは、重みは 4、3、2、1 で、合計は 10 になります。

同じ 4 週間に適用され、最新の週は 4 倍に重み付けされ、最も古い週は 1 倍に重み付けされます。

(4×37 + 3×36 + 2×33 + 1×34) ÷ 10 = (148 + 108 + 66 + 34) ÷ 10 = 356 ÷ 10 = 1週間あたり35.6単位

35 に対する 35.6 は丸めノイズのように見えますが、方向が重要です。この 4 週間で売上は増加し (34 → 33 → 36 → 37)、加重平均はそれに反応して単純平均よりも高くなりました。単純な移動平均ではそれができません。 「最近」という概念はなく、「窓の中」だけです。

トレードオフは、重み付けスキームが導出された数値ではなく選択であるということです。どの程度急勾配にするべきかについての固定ルールはありません。ウィンドウ サイズには相応のトレードオフがあります。短いウィンドウは販売ペースの実際の変化には素早く反応しますが、単一の異常な週 (大量注文や在庫切れ) には同じくらい早く反応し、そのノイズを新しい常態として扱います。ウィンドウを長くするとノイズが除去されますが、実際の変化を反映するのが遅くなり、その数値を使用する頃にはすでに古くなっている週を数え続けます。

故障したとき

移動平均は、単純であっても加重平均であっても、最近の過去が近い将来の妥当な代役であると仮定します。これは、かなり安定したペースで販売されている製品にとっては十分に当てはまります。 2 つの特定の状況で持続が停止します。

1つ目は実際の傾向です。製品の売上が週ごとに実際に増加または減少している場合、移動平均はそれに遅れをとります。これは過去の平均であり、ラインがどこに向かっているかを予測したものではありません。メカニズムはトレンドではなくレベルを推定し、上昇または下降シリーズには推定できる安定したレベルがありません。

2つ目は季節性です。移動平均には、「今月は常に他の月よりも高い」ということを表す方法はありません。ウィンドウ内にある期間を平均し続け、実際の季節のピークをその周囲の閑散期の月と同じ数に平坦化します。製品が本当にカレンダーベースのパターンに従っている場合、そのパターンが再確認されるたびに、単純な移動平均は誤った結果を導き出します。季節需要の予測パターンを滑らかにするのではなく、パターンをモデル化するメソッドを構築する必要があります。

手動でウィンドウを再計算しても、どちらの問題も発生しません。過去数週間を毎月再平均しても、同じ平坦な窓を前方にスライドさせるだけであり、その下の地面が移動したことは検出されません。ストックキューFree を含むすべてのプランで、同じ基本的な速度計算に基づいてトレンド感度、外れ値の除外、季節指数をレイヤー化します。これは、手動で実行される平らな移動平均だけでは埋めることができない正確なギャップです。

よくある質問

在庫予測の移動平均式とは何ですか?

単純移動平均は、最新の期間の固定数の平均として次の期間を予測します。つまり、過去 N 期間の売上高を合計し、N で割ります。そのウィンドウ内の各期間は均等にカウントされるため、この方法では、将来の傾向を予測するのではなく、常に最近の履歴の平坦な平均を予測します。

単純移動平均と加重移動平均の違いは何ですか?

単純な移動平均では、ウィンドウ内のすべての期間に等しい重みが与えられます。加重移動平均では、直近の期間により多くの重みが割り当てられるため、売上が上昇または下降している場合には少し早く反応しますが、重み付けスキームはデータ自体から導き出される数値ではなく、アナリストが設定する判断によるものになります。

季節商品では移動平均予測が難しいのはなぜですか?

移動平均は、ウィンドウ内に発生するすべての期間を平均する方法のみを知っています。特定の月または週が、その年の他の部分よりも高いか低いかを確実に表す方法はありません。これにより、実際の季節的なピークが、その周囲の閑散期と同じ予測に平坦化されます。そのため、真の季節性の製品には、パターンを平滑化するのではなく、パターンをモデル化するための手法を構築する必要があります。

この方法が指数平滑法や並べ替えポイントベースの予測とどのように比較されるかについては、を参照してください。予測方法の比較、またはShopify 在庫予測の完全ガイドプロセス全体をエンドツーエンドで実行します。