Hoe voorspelt u in de supply chain van vandaag artikelen die niet op bestelling zijn gemaakt?
In de moderne supply chain is prognose noodzakelijk voor bedrijven die artikelen voor voorraad produceren en die niet op bestelling zijn gemaakt. Fabrikanten zullen materiaalprognoses gebruiken om ervoor te zorgen dat ze het materiaal produceren dat hun klanten tevreden stelt zonder een overcapaciteit te creëren waarbij te veel voorraad wordt geproduceerd en op de plank blijft liggen.
Evenzo mag de prognose niet tekortschieten en vindt de fabrikant ze zonder inventaris om orders van klanten te vervullen.
De kosten van het niet handhaven van een nauwkeurige voorspelling kunnen financieel catastrofaal zijn.
Prognoses kunnen zijn:
- statistisch
- Non-De statistische
Prognoses worden ontwikkeld voor afgewerkte producten, componenten en serviceonderdelen van een bedrijf. De prognose wordt gebruikt door het productieteam om productie- of inkoopordertriggers , hoeveelheden en veiligheidsvoorraden te ontwikkelen.
De prognose is niet statisch en moet regelmatig door het management worden beoordeeld. Dit is om ervoor te zorgen dat informatie over toekomstige trends, de interne of externe omgeving wordt opgenomen in de prognose om een meer nauwkeurige berekening te geven.
Statistische prognose
In supply chain management-software is de prognose een berekening die wordt gevoed met gegevens uit real-time transacties en die is gebaseerd op een reeks variabelen die zijn geconfigureerd voor een aantal statistische voorspellingssituaties.
Planningsprofessionals zijn verplicht om de software te gebruiken om de best mogelijke voorspellingssituatie te bieden en vaak wordt dit ongecontroleerd gelaten zonder enige evaluatie gedurende lange perioden.
Om de voorspellingstechnieken in de supply chain-software zo goed mogelijk te gebruiken, moeten planners hun beslissingen met betrekking tot de interne en externe omgeving herzien.
Ze moeten de berekening aanpassen om een nauwkeuriger voorspelling te bieden op basis van de huidige informatie die ze hebben.
Statistische prognoses zijn de beste schattingen van wat er in de toekomst zal gebeuren op basis van de vraag die in het verleden heeft plaatsgevonden.
Historische vraaggegevens kunnen worden gebruikt om een prognose te maken met behulp van eenvoudige lineaire regressie . Dit geeft een gelijk gewicht aan de vraag van de historische periodes en projecteert de vraag naar de toekomst.
Tegenwoordig geven prognoses echter meer nadruk op de meer recente vraaggegevens dan de oudere gegevens. Dit wordt smoothing genoemd en wordt geproduceerd door meer gewicht te geven aan de recente gegevens. Exponentiële afvlakking verwijst naar een steeds grotere weging in de meer recente historische perioden. Daarom heeft een periode van twee maanden geleden een grotere weging dan een periode zes maanden geleden.
Alpha-factor
De weging wordt de Alpha-factor genoemd en hoe hoger de weging, of de Alpha-factor, hoe minder historische perioden er worden gebruikt om de prognose te maken.
Een hoge alfafactor geeft bijvoorbeeld een hoge weging aan recente perioden en de vraag uit perioden van een jaar of twee jaar geleden wordt zo licht gewogen dat ze geen invloed hebben op de algemene prognose. Een lage alfafactor betekent dat historische gegevens relevanter zijn voor de prognose.
Historische perioden bevatten over het algemeen vraaggegevens van een vaste maand, dwz juni of juli. Dit introduceert echter een fout in de berekening omdat sommige maanden meer dagen hebben dan andere maanden en het aantal werkdagen kan variëren.
Sommige bedrijven gebruiken de dagelijkse vraag om deze fout te verlichten, hoewel als de voorspeller de fout begrijpt, maandelijkse historische perioden kunnen worden gebruikt, samen met een trackingindicator om te bepalen wanneer de prognose aanzienlijk afwijkt van de werkelijke vraag. Het niveau waarop het trackingsignaal de afwijking markeert, wordt bepaald door de forecaster of software en varieert tussen bedrijfstakken, bedrijven en producten.
Een kleine afwijking kan een tussenkomst vereisen wanneer het product dat wordt voorspeld een hoge waarde heeft, terwijl een artikel met een lage waarde mogelijk niet vereist dat de prognose tot zo'n hoog niveau wordt gecontroleerd.
Niet-statistische prognoses
Niet-statistische voorspelling is te vinden in software voor supply chain management , waarbij de vraag wordt voorspeld op basis van hoeveelheden die zijn bepaald door de productieplanners.
Dit gebeurt wanneer de planner een subjectieve hoeveelheid invoert die volgens hen de vraag zal zijn zonder enige verwijzing naar de historische vraag.
De andere niet-statistische prognose die plaatsvindt, is wanneer de vraag naar een artikel is gebaseerd op de resultaten van MRP-planningen (Material Requirement Planning).
Dit neemt de vraag naar het gereed product op zich en ontploft de stuklijst zodat een vraag wordt berekend voor de samenstellende delen. De componentvraag kan vervolgens door de planner worden aangepast op basis van hun beoordeling en kennis van de huidige omgeving.
De resulterende prognose is gebaseerd op de huidige vraag en neemt geen vraag op van eerdere perioden. Veel bedrijven zullen een combinatie van niet-statistische en statistische prognoses gebruiken in hun productlijn.
Statistische prognoses zijn gebaseerd op complexe berekeningen en de toekomstige vraag kan worden bepaald op basis van de vraag uit historische perioden.
De voorspelling geeft de planner een richtsnoer voor de toekomstige vraag, maar geen enkele prognose is volledig juist en de plannerservaring en kennis van de huidige en toekomstige omgeving is belangrijk bij het bepalen van de toekomstige vraag naar de producten van een bedrijf.
Dit artikel is bijgewerkt door Gary Marion, Logistics en Supply Chain Expert voor The Balance.