自顶向下子记录

自顶向下子（Top-Down Child）记录用作存储历史数据的占位符。父记录基于自顶向下子记录提供总历史数据和预测。然后，父记录将信息推送到每个子记录以进行调整，从而为子记录提供更准确的预测。

父记录通常是时间序列预测记录。

自顶向下子记录包含以下部分：

参见经典模式下的 BOM 部件记录。 - 历史数据（Historical Data）部分

自顶向下子（Top-Down Child）部分

在考虑更改自顶向下子记录中使用的预测方法时，必须非常谨慎。请记住，预测方法会将历史需求数据中的真实"信号"与噪声区分开。CCH Tagetik Supply Chain Planning 可以外推信号以预测未来表现；噪声则不能外推。

假设有两个子级预测，它们具有完全相同的底层需求模式（或信号），但噪声水平不同。底层模式是平均需求为 100 个单位，季节性波动为 ± 20 个单位（可以想象为正弦波）。良好的预测结果在 80 到 120 之间波动，均值为 100。

在第一个子项中，噪声量较低，因此得到的时间序列预测与上述描述完全一致（均值 100，季节性 ±20）。在第二个子项中，噪声量高到系统无法以统计置信度确定存在季节性，因此预测为平坦的 100 个单位。

在父级，将两个子项的需求相加可以得到良好的数据，因此可以预测均值为 200、季节性波动为 ±40（在初始假设下是完美的预测）。当将两个子级预测相加时，得到均值为 200、季节性波动为 ±20。这意味着必须从父级向子级"推送"额外的 ±20 波动，以使子级之和与父级匹配。执行此操作后，得到以下预测：

自顶向下子示例

预测	描述
子项 1	均值 100，季节性波动 ±30
子项 2	均值 100，季节性波动 ±10

在子项 1 中已经检测到季节性的地方夸大了季节性，而在子项 2 中削弱了季节性。解决此问题的方法是将子级预测更改为使用 12 个月移动平均的简单平坦线预测。两个子项的预测都是平坦的 100 个单位，这使父级向每个子项下推 ±20 的季节性，从而得到完美的预测。

通过在子级使用更好的预测方法使子级起始预测"更好"，最终反而使最终预测更差。相反，应强制父级完成所有工作（良好的预测方法、可比项等），然后仅使用子级来正确分摊父级预测。

配置自顶向下子记录

自顶向下子参数

参数	过程
分摊覆盖	基于父级预测，设置分摊覆盖百分比。如果有足够的历史数据，请单击 AutoFit 自动应用分摊覆盖。
整数预测值	将小数舍入为整数。

依赖记录列在记录属性的右侧。可以单击任何记录将其打开。

对某个项的依赖关系

参见查看记录属性。 2. 在屏幕右上角，单击 OK。 3. 要将更改保存到数据库，请在菜单上单击 Save All Changes。