Prognosemodel
En model, der bruger tilgængelige oplysninger til at estimere en fremtidig størrelse for en fastlagt periode.
Hvad estimerer en prognosemodel?
En prognosemodel estimerer en fremtidig størrelse ud fra tilgængelige oplysninger, eksempelvis tidligere observationer og kendte påvirkningsfaktorer. Målstørrelse og periode skal være fastlagt. Et estimat for i morgen besvarer et andet planlægningsspørgsmål end et estimat for det kommende kvartal. Resultatet er forbundet med usikkerhed. Dets anvendelighed afhænger blandt andet af dataene og af, om vigtige betingelser ændrer sig i forhold til fortiden.
På et fiktivt reservedelslager skal en model estimere behovet for den kommende uge. Teamet planlægger en sammenligning med enkle eksisterende planlægningsværdier og senere faktisk observerede mængder. En ny, større servicekontrakt skal tages i betragtning, hvis den endnu ikke er synlig i tidligere forbrugsdata. Før en bestilling kontrollerer den ansvarlige person også lagerbeholdning, åbne bestillinger og leveringsbetingelser. Prognosen støtter denne beslutning; den er hverken en garanteret behovsmængde eller en allerede afgivet bestilling. Håndtering af usikkerhed og opdatering ved nye oplysninger fastlægges også.
Kilder
Relaterede begreber
- MaskinlæringModeller lærer mønstre fra data og bruger dem på nye input.
- AI-inferensAt anvende en allerede trænet model på input for at få et resultat.
- LLM-evalueringLLM-evaluering undersøger modeloutput efter definerede opgaver og kriterier. Et godt enkeltstående eksempel dokumenterer ikke generel kvalitet.
- AnbefalingssystemEt system, der udvælger eller sorterer relevante kandidater blandt tilgængelige tilbud, eksempelvis ud fra egenskaber eller tidligere interaktioner.
- Superviseret læringEn læringsmetode, der bruger input sammen med tilhørende målværdier eller klasser som træningseksempler.
- ModelkortEt modelkort dokumenterer formål, grundlag, vurderingsbetingelser og kendte begrænsninger for en bestemt version af en AI-model.
Artikler om emnet
AI & automatisering med ASES
AI-assistenter og automatiserede arbejdsgange