DIY Algorithmus zur Prognose der VIN Zuteilung

Liebe Interessierte und Fans von Datenexploration/-mining,

hier soll ein Versuch unternommen werden, anhand der in der Bestellübersicht hinterlegten Daten eine eigene Prognose des Zeitraums bis zur VIN-Vergabe bzw. dessen Datum zu entwickeln.
Ansätze zur Entwicklung und Weiterentwicklung sollen hier gepostet und diskutiert werden.
Ich freue mich auf die gemeinsame Erkundung der Daten und die Zusammenarbeit.

Beste Wünsche!

5 „Gefällt mir“

Erste statistische Auswertung der in der Bestellübersicht hinterlegten Daten ergibt für das Model Y Kassenmodell die folgenden Zeiträume in Tagen von der Bestellung bis zur VIN:

image
Auflistung 1: Statistische Wartezeit basierend auf bisherigen VIN-Zuteilungen

mit folgender Zuteilungsschwankung in Tagen:

image
Auflistung 2: Schwankung in Tagen um das Datum. Bei „0“ erst ein Fahrzeug ausgeliefert.

Leider ist die Datenlage noch extrem dünn, weshalb teils nur ein oder zwei Fahrzeige (Reinickendorf, Brackwede, Obermeiderich etc.) eingetragen sind. Daher ist die Verlässlichkeit dort sehr gering. Je mehr ihr an korrekten Daten eintragt, desto genauer wird es werden.

Wenn ihr euer Prognosedatum auf Basis der bisherigen Auslieferungen prüfen wollt, dann:

  1. Sucht eueren Auslieferungsort in der Auflistung und nehmt die Zahl (z.B. Haag i.OB Kirchdorf => 190 Tage)
  2. geht auf Datumsrechner und tragt das Bestelldatum (z.B. 22.02.20022) und die Anzahl der Tage ein.
  3. klickt auf berechnen und das angezeigte Datum ist das welches basierend auf bisherigen Zuweisungen euch realistisch wäre z.B. " Dienstag, 31. August 2022"
  4. entnehmt aus der unteren Auflistung die Schwankung, dies ist dann der Zeitraum der bisher alle Auslieferungen enthielt. (z.B. Haag i.OB Kirchdorf =>. +/- 3 Tage)

Also sollte die VIN hier zwischen dem 28.08.2022 und dem 03.09.2022 zugewiesen werden. Daher VIS aber Chargenweise verteilt werden ist das nur ein grober Richtwert basierend auf dem was an Zuteilungen eingetragen wurde.

Ein Webtool, welches dieses Automatisch anzeigt werde ich ggf. demnächst mal programmieren.

7 „Gefällt mir“

Ich liebe was du da gemacht hast. Endlich ein Zeitraum ich vertrauen kann. Ich melde mich wie korrekt deine Ergebnisse sind in 3 Wochen. Laut die Prognose wird es zwischen 17. und 23. September. Vielen lieben Dank.

1 „Gefällt mir“

Nettes Tool.
Was gebe ich an, bestellt für Renningen und auf Karlsruhe verlegt worden :wink:
Gab wohl noch keine Auslieferung in Karlsruhe.

Deine Idee ist sehr gut . Problem resultiert auch das SEC Neu Ulm erst seit knapp drei Wochen ausliefert und die Daten aus Renningen resultieren , sind diese auch noch als rein spekulativ zu betrachten , weil keiner der bisher ausgelieferten Fahrzeuge auf SEC Neu Ulm bestellt wurden sondern lediglich „irgendwann“ mal „umgematcht“ wurden.

Ich mag es mit Daten zu spielen :slight_smile:
Ich hätte zu deinem Rechner nur ein paar Anmerkungen/Vorschläge.

Die Datenbasis ist nicht nur dünn sondern eigentlich nicht wirklich vorhanden. Nehmen wir an dass nur 10% der Bestellungen hier im Forum überhaupt getrackt werden kommen wir auf eine Grundgesamtheit von über 12000 Bestellungen in Deutschland allein für die Basisvariante gegenüber aktuell 2-5 Zuteilungen pro Auslieferungszentrum in der Liste.
Damit hast du eine Fehlerspanne die es einfach nicht zulässt irgendwelche Zieldaten für die Zukunft daraus zu ziehen. Man kann sehr gut die Vergangenheit ablesen und sich überlegen warum es denn so lang gedauert hat aber ich würd mir definitiv nicht die Arbeit machen hier irgend einen Rechner zu programmieren.

Durch die externen Faktoren kannst du die wie du sagst ohnehin sehr dünne Datenbasis für präzise Prognosezwecke eigentlich komplett vergessen… hier meine ich Dinge wie

  • Lockdown in Shanghai, Werksschließungen wegen Umbau, Produktionsverlegung nach Berlin für bestimmte Modelle (die zu komplett unterschiedlichen Transportzeiten führt)

  • Viele der Einträge in der Liste sind schlicht nicht richtig oder wurden lange nicht mehr aktualisiert.

  • Du hast auch spontane Zuweisungen durch abspringende oder nicht bezahlende Kunden. Wenn dein Auslieferungszentrum gerade so einen „Abspringer“ hat der zu deiner Konfiguration passt kann es sehr gut sein dass du dein Auto innerhalb von Tagen schon zugewiesen bekommst

  • Das Backlog an Bestellungen wird immer kleiner, sodass sich auch die Lead-Time in Zukunft rasch nach unten bewegen wird. Um den Faktor einzuberechnen müsstest du die Bestellungen mit den Produktionskapazitäten gegenüberstellen und als Faktor mit einbeziehen

  • Die Vergabestrategie von Tesla ist uns gänzlich unbekannt, es gibt ein paar Erfahrungswerte dass zum Beispiel immer am Ende des Quartals für das eigene Land produziert wird aber ansonsten ist hier nicht viel zu holen.

Alles zusammengenommen ist es aus meiner Sicht ein schöner Zeitvertreib aber mehr als Glaskugellesen kommt dabei einfach nicht raus. Da nehme ich übrigens meine PowerBI spielerei nicht aus! Auch da würde ich mich nie auf prognosen einlassen sondern gebe lediglich meine spekulationen weiter… immer mit dem Hinweis dass das alles natürlich auch komplett anders kommen kann :slight_smile:

Soll keine kritik sein, bitte nicht falsch verstehen! Ich freue mich dass es noch andere gibt die so gern mit Daten spielen wie ich :smiley:

3 „Gefällt mir“

Gutes Tool dann bekomme ich ja heute vorrausichtlich meine VIN :stuck_out_tongue: Lach.
Gebe dir auf jedenfall ein Feeback ob es passt oder ob die in meinem ALC noch ein paar tage drauf packen musst.

@otaci Danke, sehr gern. Freut mich, dass du es gut findest.

@rouven Danke. Laut der Bestellübersicht ist keine VIN Vergabe verzeichnet, das ist korrekt geschlussfolgert.

@merkles_benz Danke. Das oben ist wie gesagt nur eine Representation der Daten in der Übersicht. ggf. regt es ja den ein oder anderen an seinen Datensatz etwas besser zu pflegen :slight_smile:
@Hias1987 Du hast absolut recht und ich hab die Auflistung oben nur sowieso aus den Daten bei der Transformation für Causal Inference, Random Forest, Causal Effect Analysis, etc. erhalten. Wenn ich einen Rechner mache, dann nur wenn ein tatsächliches Modell dahinter steht, welches etwas mehr kann als nur ein paar Durchschnitte etc. ausrechenen.
Zu deinen Punkten, du hast in allen völlig recht und bist unbestritten:

  • das sind besondere Events und unvorhersehbar, aber wie bei einer Wettervorhersage ist eine grobe Tendenz aus den Daten zu ziehen auch kein Nachteil + managing of expectation der Besteller
  • ggf. motivert es den ein oder anderen dies zu Pflegen, die Alternative ist, es nicht zu machen. Das haben wir ja schon :slight_smile:
  • Bei den sehr ambitionierten Forumsmitgliedern ist der Prozentsatz glaube ich geringer als der derjenigen die die Einträge nicht pflegen, aber ja die werden nie drin sein.
  • Das dürfte sich ja dann auch in den Zahlen wiederspiegeln und damit eine Funktion ergeben, bisher brauche ich keine funktion um sagen zu können Haag + Kasse 190 Tage ± 3 weil die Datenlage eine katastrophe ist. Mit mehr Daten bekommen wir dann eine schöne Funktion, die sich irgendwo hin annähern wird. Auch kommen ständig neue Märkte hinzu, dass eine gewisse Lead Time immer bestehen bleiben sollte (zumindest würde ich das so machen)
  • Exakt, das will ich eben etwas beleuchten. geht nicht ohne Daten und meine Hoffnung ist, dass es ggf. in einem Jahr genug Einträge gibt um mittels Bootstrapping einen Datencorpus zu bauen um ein Neuronales Netz drauf los zu lassen. Bis dahin erkunde ich die Abhängigkeiten und deren Ausmaß, sowie Methoden um auf Basis von rein kausalen Daten eine Architektur für das NN zu erhalten. Das sollte theoretisch solche Muster auch entdecken bzw. bestätigen.

Bei mir ist es, wie schon mehrfach erwähnt und gewarnt, purer Spieltrieb und eine Möglichkeit die Methoden, welche ich beruflich nutze auch etwas an solchen Datensätzen auszuprobieren. Mehr als Glaskugel wird noch sehr lang nicht drin sein, aber ich lerne lieber mit solchen Realdaten, als mit einem lalonde Datensatz oder ähnlich. Netter Bonus, die Inhalte der Vorlesung im nächsten Wintersemester habe ich auch schon erschlagen damit :smiley: .

Ich kann auch gern noch ein paar Grafiken zu Causal Inference etc. posten, aber das ist durchaus schwierig zu verstehen warum die Graphen so aussehen wie sie es tun. Da ist die Datenlage aber zumindest etwas besser, da der vollständige Datensatz genommen werden kann.

Bis zu einem gewissen Grad werde ich dem Ganzen auch nachgehen, ein Frotend brauch ich nicht, aber wenn es hier im Forum Freude erzeugt opfere ich gern einen halben Tag bis Tag und bastel eines. Auch, wenn ich nie den Zuteilungsalgorithmus kancken werde, macht es mir dennoch Spaß und ich kann meine Erkenntnise teilen, sofern es auf Zuspruch und gegenseitiges Lernen vom Anderen trifft.

Lange Rede kurzer Sinn, ich glaube an das Gute im TTFler und möchte Versuchen auch etwas beizutragen.

wie neben mit auch @Hias1987 schon anmerkte ist die Datenlage so katastrophan dünn bzw. nicht vorhanden, dass es weit von einer statistischen Signifikanz entfernt ist.
Das was ich bisher gepostet habe ist lediglich eine statistische Auswertung, was die vorhandenen Daten aussagen. Je mehr Daten desto belastbarer wird die Aussage.
Deine Daten werden die Aussagekraft für alle nach Dir folgenden verbessern, also danke fürs Mitmachen :slight_smile:

Für alle Freunde der Kausalanalyse hier ein paar Grafiken aus dem Gesamtdatensatz (1456 Datenpunkte).

Hier wird mittels Algorithmus versucht eine Frage zu beantworten. => „Was beinflusst den Termin der VIN-Zuteilung?“

Gelbe Dreiecke stellen den Gesamteinfluss dar, blaue Punkte den relativen Einfluss. Daraus lässt sich ablesen, dass:

  • die Bestellnummer den größten Einfluss hat
  • dann die Felgen (rims)
  • der Rest scheint eher weniger von Bedeutung zu sein

Warum? AHK ist nur kürzlich bestellbar geworden, auf Hold gesetzt verhindert die Zuteilung und das sieht man halt auch, Innenraum und Farbe sind bisher alle MIC und daher haben sie nur bedingt einen Einfluss weil die Schiffe so beladen werden, dass es einigermaßen hinhaut. (Einzelfälle sind natürlich immer möglich aber im Großen und Ganzen)

Der Auslieferungsort ist aber eine Faktor, dessen Einfluss gesamt schon vorhanden ist, aber bezogen auf einzelne Konfigurationen aber scheinbar keine wirkliche Rolle zu spielen scheint. Sie werden halt nach Schema Chargenweise (LKW als kleine Liefereinheit) beliefert. Die mit vielen Bestellungen halt häufiger als die mit wenigen. Also erhält jeder seine Bestellung, aber dort wo extrem viel gekauft wird scheint die Wahrscheinlichkeit höher zu sein eine außergewöhnliche Konfiguration zu erhalten.

Die Folgende Grafik enthält die VIN Zuteilungen je Ausliefrungsort und deren Dauer.

Jeder Ort entspricht einer Nummer von 1 bis 23 (ist ja gerade egal welcher welches ist :smiley: ).
Wenn man sich anguckt wo die Punkte am dichtesten sitzen können wir ableiten wie schnell versorgt wird.

Die Rohen Zahlen sind hier noch Mal detailiert aufgeführt (29.08):

vs. 02.09.

observed Effect könnt ihr etwas ignorieren (außer Causal Inference ist euer ding :smiley: )
Count sind die Bestellungen je Ort, False die Wartenden, True die mit VIN und prosperity ist der Prozentsatz der zugeteilten VIN je Ort. Die Erfüllungsrate ist üblich bei 25 % -+ 10%-Punkte (ja es gibt Ausreißer), aber man kann ableiten, dass sich mühe gegeben wird die Schiffe und LKW so zu packen, dass überall das ankommt was benötigt wird.

Ist alles noch sehr roh und wenig ansehnlich, ich weiß, aber das „hübsch“ machen lohnt halt erst wenn alles fertig ist und steht :smiley:

3 „Gefällt mir“

Hallo @EmmenTh0rler,
bei mir hat sich nun der Auslieferungszeitraum verändert, nicht im 16:00-16:15 Uhr Zeitfenster, sondern zwischen 15:15-15:45 Uhr und auch nicht ein Tag im alten Zeitraum, sondern mittendrin, 6 Tage nachdem es das letzte Mal geändert wurde.
Sprich am 27.08. gab es eine Änderung zum 08.09.-24.09. und nun seit einer halben Stunde einen weiteren Tag auf den 09.09.-25.09.
Was könnte das bedeuten?

Hallo @Febi ,
ist bei mir exakt das selbe. Ich habe es gerade eben gerpüft und ich bin vom 09.09. - 25.09. auf 10.09. bis 26.09. vorgerutscht. Was es nun genau damit auf sich hat weiß ich nicht, aber es könnte sein, dass in der GF4 Output z.B. wieder mehr P gebaut werden oder doch noch ein/zwei Tage länger exportiert wird und es sich daher einfach rechnerisch minimal nach hinten schiebt.
Bisher hat sich an den Analysenergebnissen (hab ich automatisiert und erhalte ich mit zwei klicks) die letzten Tage nichts geändert (war auch nicht zu erwaren).
Für ein gescheites Modell fehlen mir die Daten und daher bleibt aus dem bisherigen nur zu sagen, dass es so aussieht, als würde Tesla die Auslierferungsorte aus Quartal gesehen recht ähnlich beliefern, siehe „prosperity“.

Die ist derzeit am steigen, was bedeutet, dass der Backlog in allen ALO ähnlich abnimmt. Aber auch hier wieder der Hinweis, dass es seh wenig Daten sind und angesichts des Zeitraums bis zur VIN, von z.B. 190 Tagen in Haag, zum Ende des Quartals eben die Quartalsralley etwas größere Verschiebungen bzw. Konzentrationseffekte (viele Autos auf ein Mal) geben kann.

Ich persönlich vermute, dass die Q1 Besteller grundsätzlich noch im Q3 ihr Auto erhalten und dass v.A. die letzten zwei Wochen sehr intensiv werden. Je mehr Zeit von Berlin entfernt (Reise + Verzollung, etc.) desto früher werden die letzten Q3 LKW dorthingeschickt. D.h. dass z.B. Haag VINs bis ein paar Tage vor Ende Q3 verteilt bekommt, aber Berlin abholer ggf. auch noch gefragt werden könnten ob sie es am letzten Tag noch schnell angemeldet bekommen.

2 „Gefällt mir“

Kurzes Update für den VIN Rechner, habe gestern meine VIN bekommen, Abholung Bielefeld Ws/Sw 19 , bestellt 18.02.22

1 „Gefällt mir“

Erstmal Glückwünsch und vielen Dank für die Info.
Dann lag ich um 10 Tage daneben, aber die übliche Quartalsrallye bringt woher wahrscheinlich eine kleine Verschiebung mit sich.
Wie ja vorgewarnt, ist das alles noch extrem statisch, aber Mal sehen was mit mehr Daten so geht :slight_smile:
Viel Freude mit deinem neuen fahrbaren Untersatz.

VG

@EmmenTh0rler erstmal herzlichen Glückwunsch zur VIN und hoffentlich ein angenehmes Abholen des makellosen Fahrzeugs :blush:
Dass Du aber mit dem gleichen ALC vor mir dran kommst, hätte ich im Leben nicht geglaubt :flushed:
Meinst Du es lag an Deiner AHK?

Vielen Dank @Febi !
Wir haben am selben Tag ein identisches Fahrzeug bestellt und das für den sepben Auslieferungsort, der einzige Unterschied ist die AHK.
Wenn man es betriebswirtschaftlich betrachtet ist es für den Quartalsabschluss sinnig den Umsatz zu maximieren.
1000 AHK sind 1,3 Mio mehr Umsatz und höherer ROI, aber ob es einen Einfluss hat kann man so einfach freilich nicht sagen.

Ich wünsche dir, dass du morgen dran bist und nächstes WE auch mittels Elektronen beschleunigt durch die Hallertau schweben kannst.

Alles Gute und bald ist es soweit.

Ja das wäre sehr schön, wenn es für mich auch bald soweit ist :blush:
Ach so, ich habe mich wohl verlesen, ich dachte Du hättest März geschrieben, dann hast Du auch am 25.02. bestellt, dann macht das mit der AHK-Theorie tatsächlich umsatzmäßig Sinn :+1:

Oh, na da hab ich jetzt aber einen Bock (aber kein Bockbier) geschossen.
Du hast freilich Recht, ich hab am 09.03. bestellt, der unmittelbar vor mir war _random :slight_smile:
Dann ist tatsächlich nur noch die AHK ein möglicher Argumentationsvektor.
Das würde bedeuten, dass nun Kasse + AHK (wie sie verfügbar ist) nun prio hat um den Umsatz zu boosten und dann die Kasse only kommt (aber Einzelfallbetrachtung). Aber aus Q1 sollten dennoch viele abgearbeitet werden. Bitte entschuldige den Lapsus, das hätte ich noch referenzieren können (war nur gerade am Telefon etwas zu faul).

Dann hoffe ich dennoch, dass es dich auch bald ereilt und du dich dann ebenso auf dein neues Auto freuen kannst.

1 „Gefällt mir“

Ach Du, halb so schlimm :wink:
Vielleicht ist es ja nächste Woche soweit :man_shrugging:
Werde mich wahrscheinlich freuen, wie ein kleines Kind an Weihnachten :smiley:

Wenn’s soweit dann ist, Dir allzeit gute und sichere Fahrt :+1:

Deine Prognose war einfach perfekt. Das Auto ist seit 20.09 Abend in Renningen und ich hole es heute am 22.09 ab. Danke!