需求预测与历史回测

需求预测要先回答“未来哪个期间需要多少”，再讨论怎样采购。WorkBuddy 可以整理历史需求、协助算基准预测和比较误差；计划人员仍需确认业务变化、计算结果及最终需求。这里先做两种容易复核的基础预测，不要求 AI 自行挑复杂模型。

准备需求序列与业务说明

提供物料编码、期间、实际需求量、单位，以及缺货、退库、促销、停产和新品记录。另提供已确认订单、生产计划及下一期变化说明。预测对象是需求量，采购量还要扣除可用库存和有效在途，二者分开。

按月预测就统一成完整月度序列；按周预测就使用同一周历。漏采日期不能补零，缺货时实际出库可能低估需求，需由业务人员补充未满足需求或说明限制。连续需求成熟物料可试基础法；季节性、间歇性或新品先单列，不直接套平均。

第一步：先检查历史数据

把需求表和说明交给 WorkBuddy，输入：

我要预测[物料]在[下一期间]的需求，单位为[单位]。
先整理连续期间序列，列出缺期、重复、单位冲突、缺货和业务事件。
输出期间、实际需求、原始行位置、需要人工确认的问题。
零需求与缺失分开；不能删除真实大单、猜补需求或将退库直接当负需求。
先给适用性判断和待确认清单，不生成采购单，也不预测。

对照原始流水，确认每个期间的汇总和异常原因。历史需求与生产计划中的用量若口径不同，先分别保留；禁止合在一列形成一套看似完整的数据。

第二步：用时间顺序做回测

选择负责人认可的回测区间，用较早数据预测较晚数据。逐期滚动时，只能使用该期之前已经知道的信息，不能把真实未来值塞进当期预测。

对稳定需求先比较“上一期实际值”与“最近三个完整期间平均值”。三期只是本例设置，可以由人结合业务确定窗口；不要在看完结果后反复改窗口，只保留表现最好的一次。

按已确认序列，对[回测起止期间]逐期预测。
方法A：本期预测=上一期实际需求。
方法B：本期预测=此前3个完整期间实际需求的平均值。
逐期展示使用的历史期间、预测值、实际值、预测减实际、绝对误差。
禁止使用预测当期及之后的数据。历史不足时留空，不补猜值。
分别计算MAE=有效回测期绝对误差之和/有效期数。
另列连续高估、连续低估及缺货影响。不把低误差称为保证准确。
给出可复制的表格公式；人工重算后再选方法。

MAE 与原单位相同，容易核算。若采用百分比误差，要另外说明分母和零需求处理；不能把误差百分比直接转换成“准确率”。

第三步：用教学序列核算

以下均为教学假设。八个月需求依次为 100、110、100、120、110、130、120、140 件，回测第 6—8 月。上一期法预测 110、130、120 件，绝对误差为 20、10、20 件，MAE 约 16.67 件。三期平均法预测 110、120、120 件，绝对误差 20、0、20 件，MAE 约 13.33 件。

第 9 月三期平均基准为(130+120+140)/3=130 件。这个小例子只展示算术，不能证明三期平均长期优于其他方法，也不能凭八个月数据建立可靠季节模型。

人工在表格中复算窗口和误差，确认首个预测没有使用未来数据。方法差异小或回测太短时，保留不确定性和继续观察的要求。

第四步：形成业务确认版需求建议

把已确定的方法、下一期订单和业务变化放回对话，让 WorkBuddy 分列“统计基准、已确认调整、未经确认假设、最终建议”。调整要有负责人、依据和数量，不让 AI 自定增长比例；确认订单与基准是否重叠，防止重复加。

输出物料、期间、方法、基准值、调整依据、建议需求、回测误差、资料缺口和确认岗位。计划与业务负责人批准需求后，采购再结合库存、在途、交期和起订量编采购计划。

异常与完成标准

需求持续上升、促销或产品换代时，先确认业务驱动；低频物料不要用大量零值掩盖间歇需求；缺货导致需求失真时暂停模型评价。复杂模型需要明确实现、参数和历史回测，不能只让 AI 输出置信区间。

本轮完成应有可回查需求表、逐期回测、可手算的误差和带依据的调整建议。预测仍是计划输入，正式备货、系统参数和采购决定由有权限的人确认。