Prognose for virksomhedspraksis ændres i dit arbejde med what if-analyse
Bemærk
Denne funktion er inkluderet i Microsoft Sustainability Manager Premium.
What if-analyse er en brugerdefineret AI-model, hvor du kan forudsige, hvordan en række virksomhedspraksisser vil påvirke organisationens muligheder. Det hjælper dig med at udarbejde mere velinformeret reduktionsstrategier og hurtigere opnå overordnede mål. Du kan f.eks. forudsige, hvor stor effekt det vil få, hvis der skiftes til energikilder, f.eks. vind- eller vindkraft, eller ved at skifte leverandør via leverandørspecifikke faktorer.
I denne artikel vises, hvordan du kan oprette en prognose for what if-analyse. Den indeholder også overvejelser, detaljer og oplysninger, der kan hjælpe dig med at få mest muligt ud af prognosen.
Denne episode af Let's Talk Sustainability-videoen viser, hvordan man bruger hvad-hvis-analyse:
Vigtige overvejelser
Vær opmærksom på disse overvejelser under oprettelse af prognosescenariet.
Du kan lagdele mellem en til tre strategier i et enkelt scenario ved hjælp af feltet Antal scenarier.
I feltet Variabler kan du vælge flere indstillinger og vælge de data eller antal, der skal ændres i prognosen. Du kan f.eks. vælge at ændre Omkostning, Afstand og Varemængde, der kan transporteres som en del af 4. Upstream transport og distribution-scenarier.
Alle scenarier kræver følgende felter:
- Navn
- Organisatorisk enhed
- Datatype
- Beregningsmodel
- AR version
- Antal strategier
- Variabler
Facilitet er ikke et obligatorisk felt, men du kan bruge det til at indsnævre dataene for din prognose yderligere.
Oprette en what if-analyseprognose
Følg disse trin for at komme i gang med what-if analyse:
Vælg i navigationsruden What-if-analyse.
Vælg Nyt scenario på siden What-if-analyse.
I feltet Ny What-if-scenarie skal du angive følgende oplysninger:
- Navn
- Organisatorisk enhed
- Datatype
- Beregningsmodel
- AR version
Derefter skal du vælge det antal strategier, du vil lagdele via feltet Antal strategier.
Vælg derefter de variabler, som du vil oprette en prognose for, når du ændrer dem som en del af strategien eller strategierne. Du skal først angive de historiske værdier for disse variabler, som repræsenterer den aktuelle strategi, som organisationen bruger. Hvis du f.eks. har en prognose for, hvordan det vil påvirke din mobil forbrænding køretøjsflåde, skal du først angive den aktuelle køretøjstype og køretøjstype under Aktuel strategi.
Vælg Gem og luk, når du har fuldført formularen.
Vælg det flow, du har oprettet, og derefter Kør scenarie. Når scenariejobbet er fuldført, modtager du en meddelelse i appen, hvor du får besked om resultaterne med et link, der fører dig til dem. På denne side vises scenariedetaljerne og et diagram, der visualiserer dine historiske data og tilknyttede strategiprognoser.
Bemærk
Længden af prognosen for dit scenario afhænger af, hvor mange historiske data der kommer ind. Som regel vil prognosen altid være ca. halvdelen af din historiske data. Hvis du f.eks. har to historiske data med en månedsinterval, kan du forvente at se et prognoseår på samme interne niveau.
Understøttede scenarier
De enkelte scenarier kan tilpasses på forskellige niveauer, så du kan tilpasse prognosen til organisationens data og behov ved hjælp af variabler. I denne tabel vises alle tilgængelige variabler for hver datatype.
| Scenariokategori | Tilgængelige variabler |
|---|---|
| Industriel forarbejdning | - Omkostning - Varemængde - Industriel procestype - Forbrugstype - Antal |
| Mobil forbrænding | - Omkostning - Afstand - Brændstofsmængde - Brændstofstype - Varemængde - Industriel procestype - Antal - Forbrugstype - Køretøjstype |
| Stationær forbrænding | - Omkostning - Konverteringsforhold for energi - Brændstofsmængde - Brændstofstype - Varemængde - Industriel procestype - Antal - Forbrugstype |
| Indkøbt afkøling | - Kontraktlig instrumenttype - Omkostning - Varemængde - Er vedvarende - Antal - Forbrugstype |
| Indkøbt elektricitet | - Kontraktlig instrumenttype - Omkostning - Varemængde - Er vedvarende - Antal - Forbrugstype |
| Indkøbt varme | - Kontraktlig instrumenttype - Omkostning - Varemængde - Er vedvarende - Antal - Forbrugstype |
| Indkøbt damp | - Kontraktlig instrumenttype - Omkostning - Varemængde - Er vedvarende - Antal - Forbrugstype |
| 1. Købte varer og tjenester | - Omkostning - Varemængde - Industriel procestype - Antal - Forbrugstype |
| 2. Kapitalgoder | - Omkostning - Industriel procestype - Antal - Forbrugstype |
| 4. Upstream-transport og distribution | - Omkostning - Afstand - Brændstofsmængde - Brændstofstype - Varemængde - Industriel procestype - Antal - Forbrugstype - Transportform - Type af transport og distribution - Køretøjstype |
| 5. Affald, der genereres i produktion | - Omkostning - Bortskaffelsesmetode - Afstand - Brændstofsmængde - Industriel procestype - Materiale - Antal - Forbrugstype - Transportform - Affaldsmængde |
| 6. Forretningsrejse | - Type forretningsrejse - Omkostning - Afstand - Brændstofsmængde - Industriel procestype - Antal - Køretøjstype |
| 7. Medarbejderpendling | - Omkostning - Afstand - Type af medarbejderpendling - Brændstofsmængde - Brændstofstype - Industriel procestype - Antal - Køretøjstype |
| 9. Downstream-transport og -distribution | - Omkostning - Afstand - Brændstofsmængde - Brændstofstype - Varemængde - Industriel procestype - Antal - Forbrugstype - Transportform - Type af transport og distribution - Køretøjstype |
| 12. Behandling ved slut på levetiden for solgte produkter | - Omkostning - Bortskaffelsesmetode - Afstand - Brændstofsmængde - Industriel procestype - Materiale - Antal - Forbrugstype - Transportform |
Bemærk
Hvis du vil beregne energikonvertering, skal du opdele energiindholdet i din eksisterende by efter energiindholdet i det brændstof, du vil have prognose for. Du kan også bruge varmeværdier. Hvis f.eks. dit eksisterende energiindhold er 33 MJ/kg, og det nye er 38 MJ/kg, er din energikonvertering ca. 0,87.
Bemærk
Når du forudsiger, hvordan det vil påvirke et skift fra ikke-klar til at bruge energi, skal du sikre dig, at du vælger en beregningsmodel, der både understøtter beregninger af energikilder, der ikke kan fornyes, og som understøtter beregninger af energikilder, der ikke kan fornyes. Den nemmeste måde er at bruge en betinget betingelse i feltet Kan fornyes.
Prognoseaspekter
Eksisterende strategi: Den eksisterende strategiprognose er et indblik i dine forventede emissioner, hvis du ikke ændrer noget ved den nuværende måde, du genererer emissioner på for den pågældende kategori. Hvis du f.eks. har en prognose for, hvor vigtigt det er at skifte fra kul til biobrændsel for en bestemt facilitet, repræsenterer den eksisterende strategiprognose den forventede effekt af fortsat at bruge anvendelse.
Nye strategier: Den nye strategiprognose er et indblik i dine forventede emissioner, hvis du skifter til den nye forretningsstrategi, der repræsenteres af dit prognosescenarie. Hvis du f.eks. har en prognose for, hvor vigtigt det er at skifte fra kul til biobrændsel for en bestemt facilitet, repræsenterer den nye strategiprognose den forventede effekt af at skifte til biobrændsel. Du kan have mellem en og tre nye strategier, du kan undersøge, afhængigt af hvordan du konfigurerer scenariet.
Forudsigelsesintervaller: Forudsigelsesintervaller repræsenterer estimatet af et interval, hvor en fremtidig observation falder med en vis sandsynlighed (vi bruger 95 % konfidens), givet de historiske data. Forudsigelsesintervaller repræsenterer det overensstemmelsesinterval, der er knyttet til en prognose.
Modelfejl og informationsmeddelelser
I dette afsnit forklares de fejl eller problemer, du kan have med prognosen.
Vi har foretaget nogle justeringer for at generere denne prognose
Skift til en fallback-prognosemetode: Vi bruger en fallback-prognosemetode, hvis antallet af historiske data og/eller den datakvalitet, der kræves for at passe til (S)ARIMA- eller ETS-modeller, er utilstrækkelig. Der er to specifikke tilfælde, hvor det bliver nødvendigt at skifte til reservemetode:
- For mange manglende datapunkter i en ellers relativ ensartet tidsserie for historiske data
- Historisk data med uens afstand
Kontrol af dataensartethed og frekvensjustering: Før prognosen aggregeres dine data på månedligt niveau for at generere en månedlig basislinje og en hvad-nu-hvis-prognose. Men hvis dataene ikke viser en relativ ensartet månedlig cadence ved aggregering, gøres der forsøg på yderligere aggregering til to, tre, fire eller seks måneder. Hvis det ikke er muligt for serien at opnå relativ ensartethed under disse justeringer, bruges der en mere enkel reservemodel til prognose.
Prognose kan ikke genereres
Historiske data er for sparsomme: For at sikre en vellykket prognose kræver vi, at dine historiske data har en frekvens på mindst ét datapunkt hvert halve år. Hvis dataene er mere sparsomme end det pågældende interval, lykkes prognosen ikke.
Ingen eller for få historiske data punkter: Hvad nu hvis-analyseprognosemodellerne kræver mindst seks datapunkter (efter frekvensjustering, beskrevet tidligere i Dataensartethedskontrol og frekvensjustering) for at generere en prognose.
Understøttede prognosemodeller for tidsserier
Sustainability Manager understøtter (sæsonbestemte) Auto Regressive Integrated Moving Average ((S)ARIMA) og ETS (Error Trend Seasonality)-prognosemodeller for tidsserier, der genererer prognoser på aktivitetsdata. I modeludvælgelsesstrukturen vælges den bedste prognosemodel på baggrund af de historiske aktivitetsdata. De genererede prognoser på aktivitetsniveau gennemgår beregningsmodellen for at transformere dem til prognoser på udledningsniveauet.
ARIMA og ETS er de mest brugte prognosemetoder for tidsserier. ETS-modellerne er afhængige af beskrivelserne af tendenser og anvendelighed i dataene, mens ARIMA-modeller beskriver autokorrekturerne i dataene. Hvis du vil vide mere om disse modeller, skal du se kapitel 7 (Eksponentiel udjævning) og Kapitel 8 (ARIMA-modeller) for bogen Forecasting: Principles and Practice.
I visse tilfælde, f.eks. når de historiske data er for få eller meget forskellige, vælges der en simpel reservemodel i stedet for ARIMA eller ETS.
