CART®-Regression für Lieferkettenkosten pro Einheit prognostizieren

Verwenden Sie CART®-Regression komplexe Beziehungen mit mehreren Prädiktoren, um die Lieferkettenkosten pro Einheit vorherzusagen.

Dieses Beispiel gilt fürLieferkette Modul. Weitere Informationen finden Sie unterwww.minitab.com/supply-chain-module.

Beispiel

Die Supply-Chain-Kosten pro Einheit sind die gesamten Supply-Chain-Kosten geteilt durch die Anzahl der verkauften Einheiten.

In diesem Lieferkettenkosten/-einheit ($) ist Fehler die Antwortvariable. Verkaufsförderung, Rechnungsgenauigkeit, und Anzahl der veralteten Elemente sind die Grafikvariablen. Produkt, Automatische Bestellung, Versand und Versandvertrag sind die kategorialen Variablen. Die Prädiktoren können Unterschiede bei den Lieferkettenkosten pro Einheit erklären.

C1 C2 C3 C4 C5-T C6-T C7-T C8-T
Lieferkettenkosten/-einheit ($) Verkaufsförderung Rechnungsgenauigkeit Anzahl der veralteten Elemente Produkt Automatische Bestellung Versand Versandvertrag
3,90 4 0,84 1500 Puzzle Nein Teil-LKW Ja
2,56 1 0,89 675 Bohrer Ja Voller LKW Ja
4,70 6 0,93 2075 Puzzle Nein Teil-LKW Nein
3,49 6 0,89 438 Bohrer Nein Paket Ja

Vorgehensweise

  1. Wählen Sie Lösungen Module > Funktionen > Supply Chain KPIsAbschießen, und dann Abschießen aus.
  2. Wählen Sie unter Kosten die Option Lieferkettenkosten pro Einheit aus.
  3. Wählen Sie Lieferkettenkosten pro Einheit prognostizieren aus, und klicken Sie dann auf OK.
  4. Wählen Sie CART®-Regression aus, und klicken Sie dann auf OK.
  5. Geben Sie im Feld Antworten die Spalte mit den Kosten pro Einheit Daten ein. Die Antwortvariable wird auch als y-Variable bezeichnet.
  6. Geben Sie im Feld Stetige Prädiktoren die Spalten mit numerischen Daten ein, anhand derer möglicherweise Änderungen der Antwortvariablen erklärt oder prognostiziert werden können. Die Prädiktoren werden auch als x-Variablen bezeichnet.
  7. Geben Sie im Feld Kategoriale Prädiktoren die kategorialen Klassifikationen oder Gruppenzuweisungen ein, z. B. einen Typ von Rohmaterialien, anhand derer möglicherweise Änderungen der Antwortvariablen erklärt oder prognostiziert werden können. Die Prädiktoren werden auch als x-Variablen bezeichnet.
  8. Klicken Sie auf OK.
Tipp

Weitere Informationen zu dieser Analyse erhalten Sie im Hilfe Hauptdialogfeld.