भविष्य कहनेवाला ए.आई

एक भविष्यवाणी डेटा और मॉडल मान्यताओं पर सशर्त है। यह न तो कोई गारंटी है और न ही सबूत है कि मॉडल ने एक कारण संबंध की पहचान की है।

चाबी छीन लेना

• क्षितिज और उपलब्ध इनपुट निर्दिष्ट करें।
• पूर्वानुमान गुणवत्ता को उस क्रिया से जोड़ें जिसका वह समर्थन करता है।
• समय के साथ अनिश्चितता और प्रदर्शन का मूल्यांकन करें।

पूर्वानुमान समय और क्षितिज को परिभाषित करें। कल, अगले महीने और अगले पांच मिनट के पूर्वानुमान के लिए अलग-अलग इनपुट और मूल्यांकन की आवश्यकता हो सकती है। जाँच करें कि पूर्वानुमान जारी होने पर प्रत्येक इनपुट वास्तव में उपलब्ध होगा। उस पर होने वाली कार्रवाई से अलग भविष्यवाणी. एक इन्वेंट्री पूर्वानुमान मांग का अनुमान लगाता है; पुनःपूर्ति का निर्णय लीड समय, भंडारण क्षमता, कमी लागत और अपशिष्ट पर भी निर्भर करता है। एक बेहतर संख्यात्मक स्कोर तभी उपयोगी होता है जब यह डाउनस्ट्रीम निर्णय में सुधार करता है। सरल आधार रेखाओं और समयावधियों के आधार पर मूल्यांकन करें। औसत त्रुटि चरम मांग या नए उत्पादों पर खराब प्रदर्शन के दौरान व्यवस्थित कम पूर्वानुमान को छुपा सकती है। जहां उपयुक्त हो, अनिश्चितता का अनुमान लगाएं और जांचें कि कितनी बार अवलोकन रिपोर्ट किए गए अंतराल के भीतर आते हैं। तैनाती के बाद इनपुट परिवर्तन और मापे गए परिणाम दोनों की निगरानी करें। फीडबैक देर से आ सकता है, और मॉडल के स्वयं के निर्णय बदल सकते हैं जिसके परिणाम दिखाई देने लगते हैं। ओवरराइड और सुधार रिकॉर्ड करें ताकि बाद की समीक्षा मॉडल त्रुटियों को लापता माप या नीति परिवर्तनों से अलग कर सके।

1. एक काल्पनिक तीन-दिवसीय अवधि के लिए, वास्तविक मांग 10, 20 और 30 इकाइयाँ हैं। पूर्वानुमान ए 12, 18 और 28 की भविष्यवाणी करता है।
2. निरपेक्ष त्रुटियाँ 2, 2, और 2 हैं, जो 2 इकाइयों की माध्य निरपेक्ष त्रुटि देती हैं। 20 के निरंतर पूर्वानुमान में त्रुटियाँ 10, 0, और 10 हैं, औसतन लगभग 6.67 इकाइयाँ।
3. यह निर्णय लेने से पहले कि पहला पूर्वानुमान परिचालन रूप से बेहतर है, अतिरिक्त अवधि और कमी की लागत की जाँच करें।

आविष्कृत आंकड़े एक त्रुटि गणना को दर्शाते हैं, न कि तैनात पूर्वानुमान प्रणाली के बारे में सबूत।