我已經寫了很多關于階段控制圖的文章，因為我認為它們是一個非常好的可視化工具。它們有許多用途而且很容易創建。除了有助于分析改進或變更前后的流程之外，它們還是更準確預測或預報的重要第一步。

不同的預測方式或用不同的方法預測

有很多不同的方法可以進行預測。如果你想分析數據中的趨勢——無論是銷售預測還是天氣情況——時間序列可以幫助你預測任何變量隨時間的變化。如果你想使用不同的變量預測響應，那么回歸、基于樹的方法和許多其他算法可能是你的正確選擇。

使用傳統時間序列預測的示例

這是一個洗手液制造商的例子，該制造商希望預測需求以規劃生產能力。業務分析師(姑且稱他為Josh)利用過去幾年的數據，試圖創建一個簡單的趨勢分析。

由于他不確定自己擁有什么類型的數據，他創建了一個線性模型和一個二次模型(都在下面)。現在他正處于緊要關頭！線性模型預測銷售增長，而二次模型預測銷售下降。二次模型具有更精確的測量(如相對較小的值所示MAPE，MAD和MSD)，但他的銷售團隊整個季度都對他們的銷售渠道持積極態度。他應該對制造部門的負責人說些什么？

業務分析師迅速打電話給他公司的統計學家謝麗爾，尋求幫助。謝麗爾解釋說單一指數平滑可以提供短期預測，適用于沒有趨勢或季節成分的數據。

雖然分析師Josh從未聽說過這個，但他很快在Minitab時間序列菜單中找到了單一指數平滑法，瞧！他的預測似乎比前兩次更合理，也更準確。

他打電話給謝麗爾，給她看了圖表。她指出了圖表上95%的PI，并解釋說，有了95%的PI，Josh就有95%的把握認為區間內會包含一個響應。

這意味著未來的銷售可能會更高或更低(根據這一預測)。她還提到，雖然MAP、MAD和MSD測量值比他以前的模型好，但這些測量值越低，意味著準確性可能越低。

時間序列(和預測建模)的更好方法

失望之余，他的電話響了，但他不得不承認自己已經盡了最大努力構建了模型。是謝麗爾。她提醒他，在簡單地開始分析之前，思考和探索你的數據是很重要的。她問是否有辦法解釋他的數據中的一些大的變化。然后他突然想到。

作為一家洗手液制造商，冠狀病毒肺炎期間需求激增！謝麗爾建議制作一個階段控制圖。繪制冠狀病毒肺炎之前、期間和之后的需求圖表，數據的變化更有意義。

Josh還注意到需求似乎呈上升趨勢，所以他決定將他的預測技術應用到他的冠狀病毒肺炎后數據中。

盡管他最初的模型預測銷量為8500萬至8600萬瓶，但他新的更準確的預測(基于更低的MAPE、MAD和MSD)，現在顯示的預測是8500萬至8800萬瓶。這意味著，如果他遵循最初的模式，他的產量可能會嚴重不足。他不需要進行平滑分析，因為似乎有一個明顯的趨勢，但他還是做了，并找到了一個不太準確的模型。他打電話給他的老板，告訴他需要生產8600萬瓶，并計劃在未來幾個月內將產量擴大到8700萬瓶和8800萬瓶。

總結

進行預測時，業務理解與預測技術一樣重要。無論您是否使用時間序列或不同的預測模型，在適當的情況下使用階段控制圖不僅有助于確定更好的數據集進行預測，還有助于解釋預測是如何以及為什么產生的。

幸運的是，Minitab的助手使任何人都可以非常輕松地創建和查看過程是否在控制范圍內，以統計方式確認觀察結果，并查看過程的變化是否會導致過程結果或變異的變化。

審核編輯 黃宇