SAP F＆Rは、ターゲットロケーション-サプライヤロケーションレベルの需要予測および在庫管理システムであることを思い出してください。 このシステムはSAP SCM（サプライチェーン管理）ソリューションの一部であり、2つのバリエーションで実装されています。
- SAP F＆R SCM-SAPシステムとのシームレスな統合による実装。
- SAP F＆R OIは、非SAPシステムと統合するためのシステムです。
SAP F＆Rのすべての機能は、4つの主要なブロックに分割できます。
- 入力処理
- 予測計算
- 要件計算
- 最適化が必要
SAP F＆Rには、製品の場所、残高の履歴、商品とサプライヤーの基本データ、事前に定義された配送スケジュール、および小売業者のビジネスに応じてシステムが効果的に機能するいくつかの構成パラメーター別に分類された販売データが提供されます。
入力処理
小売業者の売上統計が不正確であることがよくあります（説明のつかないピーク、損失日数、不足による売上の過小評価）は許容できます。 SAP F＆Rは不正確な入力を処理できます。 外部の値から統計を消去するポイントは、外部の値が売上予測に与える影響を避けることです。 F＆Rは最初に外部の値を検出し、次にそれらをローカルの平均売上値に置き換えます。 ローカル平均は、外部の値がある週に対する、隣接する週の間の平均です。
例1.ピーク補正
この図には、説明のつかないバーストシステム（ピーク販売値）がいくつかあります。 黒い線-実際の統計値、赤い線-調整後の売上値。
検出：F＆Rは、ピーク時に外部の値を検出するために、ピークまたはリセッションの週次売上高の値が、近隣の週（一方は2週間、もう一方は2週間）を考慮して、現地の平均週次売上からどれだけ大きく逸脱するかを計算します。 ローカル平均からの偏差>時系列の標準偏差*が係数である場合、そのような週間売上は無関係な値と見なされます。 係数は設定で設定されます。 ローカル平均からの偏差=週ごとの売上のローカル平均-特定の週の売上の値。 時系列の標準偏差は、販売履歴が提供されるすべての週について計算されます。
例2.販売データの不足による控えめな履歴の修正
この図は、製品の明示的な卸売流通を示しており、その結果、製品の在庫がゼロまたは不足しています。 商品が不足している日は、誤った販売統計につながります（失われた販売は考慮されません）。 システムはそのような値も修正します。
検出：在庫ゼロのデータも入力データとしてシステムにアップロードされます。 週のある日に在庫がゼロになった商品は、週あたりの売上を過小評価しています。 システムは、週ごとの売上値=（ローカル平均*週あたりの赤字のある日数）/週あたりの営業日数に加算します。
例3.連続した控えめな売上の修正
また、システムは、週ごとの売り上げが低すぎる連続期間の販売履歴を調整します。
検出：連続する週の検出期間は設定で設定されます。 数が指定された長さより少なくない数週間、連続した週次売上高が指定されたしきい値未満である場合、システムはこれらの週を控えめな売上高の週とみなし、ローカル平均に従ってこれらの週の売上履歴を調整します。
予測計算
このブロックでは、システムは平均売上（または平均予測）を予測します。 SAP F＆Rの用語での平均予測は、50％の確率で店舗内の顧客の需要を満たす、つまり顧客サービスのレベル= 50％を保証する場所での商品の量の値です。 平均予測は、注文の最終結果ではありません。
SAP F＆Rシステムは、平均予測を作成するために、静的消費データだけでなく、カレンダーイベントやプロモーションなどの外部要因の影響も考慮した販売予測モデルを使用します。 このような要因の影響は、手動で設定することも、過去にシステムで自動的に検出することもできます。 したがって、過去および将来の時系列の予測モデルの形成において、SAP F＆Rは予測値の可能な変化に関するデータを使用し、平滑化された系列に対する外部要因の影響を課します。
図からわかるように、過去の予測モデルを作成する際に、SAP F＆Rは、正月およびその他の休日の期間における売上の季節変動とピークサージを明確に明らかにしました。
前述のように、平均予測を計算するとき、システムは過去の売上の振る舞いだけでなく、ビジネスのいくつかの機能も考慮します。 予測モデルをより柔軟に調整するために、製品ロケーションのすべての組み合わせは、回転の速度に応じて6つのグループに分割されます：クイックターン1、クイックターン2、ミディアムターン1、ミディアムターン2、ローターン1、ローターン2。グループの分布に応じた値の境界は設定で設定されます。 グループへの分配は動的なプロセスであり、製品は、離職率の増加/減少の場合に1つのグループと別のグループに関連付けることができます。 システムの多くのビジネス設定は、これらのグループのコンテキストで実行されます。
また、売上高率に応じた商品グループに基づいて、予測モデルがシステムで自動的に選択されます。
- 販売履歴が6週間を超えない新製品には、単純化された予測方法（移動平均、加重平均など）が選択されます。
- 一定の方法（予測= n）は、回転率の低い商品に使用されます。
- 需要に影響する外的要因が販売に作用する場合、指数平滑法と回帰分析に基づく方法がすべての商品に適用されます。
メソッドは、クライアントの会社の要求に応じて手動で構成することもできます。
予測方法を選択すると、システムは予測モデルを自動的に較正します（過去の最小の予測ファクトエラーに基づいて、平滑化係数、傾向、適応性などを計算して選択します）。
需要に影響する要因
システムは、需要に影響する3つの主要な要因グループを使用します。
- ブール因子：ブール因子のイベントは、考えられる2つの状況で構成されます。因子は有効であるかどうか（広告イベント、休日、その他のカレンダーイベントなど）です。 F＆Rは、広告イベントによる上昇要因1.5などの要因のイベントが原因で過去にあった店舗での商品の販売への影響を推定します。 将来、同じ製品と店舗で同じ指標の因子イベントが発生した場合、予測に対する予測される効果が計算されます。 この図は、PROMO要因のアクションと新しい年（新しい年の+週間前）を示しています。 他の要因に対する反応はそれほど明白ではありません。 予測（青い線）は、「新しい年まで」という要因のアクションを考慮して考慮されます。
- メトリックファクター：ファクターはいつでも特定の値を持ちます（たとえば、価格のダイナミクス）。 システムは、要因の影響下での売上値と商品の消費履歴との間の相関を推定します。 割引がメトリックFVSとして使用される場合、割引がない期間中にFVSの値を決定し、0に等しくする必要があります。
- 要因を無視：この要因のイベントは、正しい値ではないため、統計から販売履歴の特定の期間を除外するために使用されます（たとえば、店舗の一部の修理期間など）。
新しい予測
F＆Rでは、2つのシナリオで新規性が予測されます。
- 簡略化：必要な商品の履歴が得られるまで、平均的な方法を使用した手動の注文または予測。
- 複合：同じストアの先行製品の表示。
例4.新製品の予測
同じ店舗のアナログを指定すると、先行製品の販売履歴が新製品のテールに「貼り付き」ます。 システムは、先行製品の販売統計に基づいて予測します。 実際の販売履歴はありません（黒い線）。 赤線：アナログ製品の歴史。
追加機能
また、SAP F＆Rは、品揃えマトリックスからの商品の一時的な除外期間、販売の相互影響（ビール販売がチップ販売に影響する場合など）、リンクモジュールを使用して新製品の販売を予測する期間（複数の製品の販売履歴を組み合わせる）などを考慮することができます。 など 最も正確な結果を達成するために。
上記で書いたように、平均的な予測はモジュールの動作の結果として形成されます。50％の確率で店舗の顧客の需要を満たす、つまり顧客サービスのレベル= 50％を確保する場所の商品量の値です。
売上の損失を避けるために、原則として、顧客サービスの目標レベルは少なくとも95％に計画されています。 これは、100のうち95のケースで、顧客が店舗で計画したものを購入することを意味します。 SAP F＆Rで高レベルのサービスを提供するには、平均予測に対する保険料を使用します。これは、サービスの目標レベルだけでなく、商品の過去の販売価値の変動性にも依存します。 したがって、最大売上予測がシステムで生成され、その量は倉庫または店舗の在庫を最小限に抑え（したがって、在庫で凍結した資本の回収）、顧客サービスの目標レベルに準拠するのに十分です。
第2部では、ニーズの計算と注文内の商品の数量の最適化について説明します。
SAP F＆Rの出版物を読む：
» 概要：SAP F＆Rの今日と明日-売上予測の未来
» SAP F＆Rでの在庫管理のための予測技術