Редкие заказы: как прогнозировать размер и интервал, не теряя нулевые периоды

Какую проблему решает метод

У расходника может быть ноль запросов пять недель подряд, а затем сразу несколько единиц. Обычное среднее скрывает структуру: спрос возникает редко, но его ненулевой размер важен для закупки и наличия.

В исходной работе Croston предложены раздельные оценки размера спроса и частоты. Практическая идея — не считать нулевую неделю маленьким ненулевым заказом, а учитывать время между событиями. Источник: J. D. Croston.

Метод не предсказывает точную дату следующего покупателя. Он даёт сглаженную оценку количества на период. Для редкой критичной детали наличие может определяться последствиями отказа, сроком поставки и согласованным сервисом; одного среднего прогноза недостаточно.

Проверьте, что нули действительно означают отсутствие спроса

Выберите одинаковые периоды, например недели, один SKU и одну точку. Различайте подтверждённый ноль, пропуск данных, закрытие точки и отсутствие товара. Продаж могло не быть из-за дефицита, хотя запросы поступали.

Потребление для одного проекта не обязательно характеризует регулярный спрос. Отдельно пометьте замену артикула, вывод оборудования из эксплуатации, акцию и изменение клиентской базы. Нельзя склеить старую и новую упаковку без пересчёта единиц.

Для модели количества запросов возвраты не следует превращать в отрицательный новый спрос. Сохраняйте их отдельно и явно определите целевую величину. Общие требования к данным и исторической проверке разобраны в руководстве по прогнозированию.

Две сглаженные величины

Обозначим z оценку размера ненулевой потребности, a оценку интервала между ненулевыми периодами. При новом положительном наблюдении q и фактическом интервале p обновления имеют вид:

z новое = α × q + (1 − α) × z прежнее.

a новое = α × p + (1 − α) × a прежнее.

Прогноз количества на период: f = z/a. При нулевом периоде в исходной процедуре z и a не обновляются; увеличивается счётчик времени до следующего положительного наблюдения. Изложение Hyndman и Athanasopoulos допускает разные параметры сглаживания размера и интервала; ниже для прозрачности выбран одинаковый α. Источник: Forecasting, Principles and Practice.

Инициализация является частью метода. Нужно указать, откуда взялись начальные z и a, какая наблюдаемая дата считается последним ненулевым периодом и как считаются интервалы. Две реализации с разными начальными значениями могут дать разные прогнозы на коротком ряду.

Учебный пример восьми недель

Все данные вымышлены. До недели 1 уже есть история, из которой зафиксированы стартовые оценки z0 = 4 единицы и a0 = 2 недели. Последний ненулевой спрос был в неделе 0. Эти значения известны до учебного окна, не вычислены с использованием будущих наблюдений. Выбираем α = 0,20 как условный параметр.

Спрос по неделям 1–8: 0, 0, 6, 0, 0, 0, 4, 0.

В начале прогноз равен 4/2 = 2 единицы в неделю. В неделях 1 и 2 положительного спроса нет, поэтому оценки сохраняются. В неделе 3 возникает спрос шесть; интервал от недели 0 равен трём, а не двум нулевым неделям между событиями.

Обновления недели 3:

• z = 0,20 × 6 + 0,80 × 4 = 4,4;
• a = 0,20 × 3 + 0,80 × 2 = 2,2;
• f = 4,4/2,2 = 2 единицы в неделю.

Недели 4–6 нулевые, прогноз остаётся два. Следующее положительное наблюдение в неделе 7 равно четырём, интервал от недели 3 — четыре недели.

Обновления недели 7:

• z = 0,20 × 4 + 0,80 × 4,4 = 4,32;
• a = 0,20 × 4 + 0,80 × 2,2 = 2,56;
• f = 4,32/2,56 = 1,6875 единицы в неделю.

Неделя 8 нулевая; исходный метод оставляет прогноз 1,6875. Сумма фактического спроса учебного окна — десять, среднее за восемь недель — 1,25. Отличие не доказывает превосходство Кростона: его оценка зависит и от более ранней инициализации, и от выбранного сглаживания.

Проверьте следующий горизонт без пересчёта прошлого

На конец недели 8 заморозим оба прогноза для следующих четырёх недель. Croston даёт 4 × 1,6875 = 6,75 единицы. Базовое среднее последних восьми недель даёт 4 × 1,25 = 5.

Пусть затем наблюдались 0, 3, 0, 0: всего три единицы. Абсолютное отклонение суммарного прогноза Croston равно 3,75, базового — двум. В этом одном окне простой метод оказался ближе.

Это не доказательство, что среднее лучше всегда. Сравните несколько исторических точек отсечения, одинаковые горизонты и правила данных. Прогноз на четыре недели, выпущенный заранее, нельзя сравнивать с конкурентом, который каждую неделю уже видел новые события, не обозначив разницу постановок.

Кроме ошибки количества оцените последствия выбранного закупочного правила: дефицит, средний запас, срочные закупки и обслуживание редких запросов. Метод, хорошо угадывающий многочисленные нули, может плохо обеспечивать значимые ненулевые потребности.

Почему длинная пауза требует внимания

В классической процедуре нули не обновляют z и a до следующего события. Если после недели 8 спрос исчезнет на долгий срок, прогноз продолжит сохранять прежний уровень. Поэтому метод сам не доказывает, что товар ещё востребован, и не решает задачу устаревания ассортимента.

Добавьте отдельную проверку изменения условий: обслуживаемое оборудование выведено из эксплуатации, клиент ушёл, артикул заменён. Это не повод самовольно обнулить прогноз; нужна подтверждённая причина, версия решения и оценка оставшихся обязательств.

У исходного метода также известна проблема смещения. Вариант SBA использует множитель 1 − α/2 для соответствующего параметра интервала. При α = 0,20 он равен 0,90; учебная оценка становится 1,6875 × 0,90 = 1,51875. Это другой вариант метода, который нужно назвать и проверить, а не скрытая настройка «точности». Источник: авторская документация croston_model.

Точечный прогноз не является распределением

Число 1,6875 не означает дробную физическую продажу. Это оценка темпа на период; её нельзя округлять до двух каждую неделю и автоматически превращать в заказ. Для закупки нужны также фактический запас, открытые поступления, ограничения и выбранная защита от неопределённости.

Shenstone и Hyndman исследуют отсутствие у исходной процедуры корректной порождающей стохастической модели. Сам по себе расчёт z/a не даёт обоснованный прогнозный интервал или квантиль для страхового запаса. Источник: авторская публикация.

Если нужен вероятностный результат, выберите и проверьте отдельную модель или метод оценки неопределённости. Нельзя просто добавить привычные «плюс-минус 20%» и представить их как подтверждённый уровень покрытия.

Данные и приёмочные проверки

Храните календарь, фактические нули и пропуски, исходные единицы, z, a, время последнего положительного периода, параметры сглаживания и способ инициализации. Рядом сохраняйте дату выпуска, горизонт и неизменяемый базовый прогноз.

• Ряд 0, 0, 6, 0, 0, 0, 4, 0 обработан без удаления нулевых недель.
• Интервалы равны трём и четырём, а не двум и трём.
• После недели 3 получаются z = 4,4, a = 2,2 и прогноз 2.
• После недели 7 получаются z = 4,32, a = 2,56 и прогноз 1,6875.
• Нулевая неделя 8 не меняет прогноз исходного метода.
• Для будущих четырёх недель воспроизводятся 6,75 против базовых пяти.
• SBA обозначен отдельно; его оценка 1,51875 не выдаётся за исходный Croston.
• Ряд без единого положительного наблюдения получает явное стартовое решение, а не деление на ноль.
• Метод не отправляет заказ поставщику только на основании точечной оценки.

Для SABSUS используйте пример при обсуждении источников склада и закупок. Поддержку конкретного прогнозного алгоритма и хранения версий подтвердите отдельно. ABC/XYZ может помочь выбрать позиции для внимания, но не заменяет этот прогноз.

Частые вопросы

Нужно удалить нулевые недели перед расчётом?

Нет. Ненулевые размеры выделяются отдельно, но интервалы должны учитывать все соответствующие периоды. Иначе частота будет завышена.

Croston всегда лучше обычного среднего?

Нет. Это кандидат для сравнения на одинаковом будущем горизонте. В учебном проверочном окне среднее оказалось ближе.

Можно получить дату следующего заказа клиента?

Отношение размера к интервалу даёт темп, а не точную дату события. Для времени и вероятностей требуется другая явно заданная постановка.

Источники

Проверено 9 октября 2026 года: Croston, исходная работа, Hyndman и Athanasopoulos, изложение метода, Shenstone и Hyndman, ограничения, croston_model, варианты. Ряд и параметры примера учебные.