Wie prognostizieren Sie in der heutigen Lieferkette Artikel, die nicht auf Bestellung hergestellt werden?
In der modernen Lieferkette sind Prognosen für Unternehmen erforderlich, die Artikel für Lagerbestände herstellen und nicht auf Bestellung gefertigt werden. Hersteller werden Materialprognosen verwenden, um sicherzustellen, dass sie das Material produzieren, das ihre Kunden zufriedenstellt, ohne dass eine Überkapazitätssituation entsteht, wenn zu viel Inventar produziert wird und im Regal verbleibt.
Ebenso darf die Prognose nicht zu kurz kommen und der Hersteller findet sie ohne Inventar, um die Aufträge der Kunden zu erfüllen.
Die Kosten für die Nichteinhaltung einer genauen Prognose können finanziell katastrophal sein.
Prognosen können sein:
- Statistisch
- Nicht-statistisch
Prognosen werden für Fertigprodukte, Komponenten und Ersatzteile eines Unternehmens entwickelt. Die Prognose wird vom Produktionsteam verwendet, um Produktions- oder Bestelltrigger, Mengen und Sicherheitsbestände zu entwickeln.
Die Prognose ist nicht statisch und sollte vom Management regelmäßig überprüft werden. Dies stellt sicher, dass Informationen über zukünftige Trends, das interne oder externe Umfeld in die Prognose einfließen, um eine genauere Berechnung zu ermöglichen.
Statistische Prognose
In Supply-Chain-Management-Software ist die Prognose eine Berechnung, die Daten aus Echtzeittransaktionen liefert und auf einer Menge von Variablen basiert, die für eine Reihe von statistischen Vorhersagesituationen konfiguriert sind.
Planungsprofis müssen die Software verwenden, um die bestmögliche Vorhersagesituation zu bieten, und dies wird häufig ohne Überprüfung für lange Zeiträume nicht überprüft.
Um die Prognosetechniken in der Supply-Chain-Software optimal zu nutzen, sollten Planer ihre Entscheidungen in Bezug auf die interne und externe Umgebung überprüfen.
Sie sollten die Berechnung anpassen, um basierend auf den aktuellen Informationen eine genauere Prognose zu erstellen .
Statistische Prognosen sind die besten Schätzungen, was in Zukunft in Abhängigkeit von der Nachfrage in der Vergangenheit geschehen wird.
Historische Bedarfsdaten können verwendet werden, um eine Prognose unter Verwendung einer einfachen linearen Regression zu erstellen. Damit wird die Nachfrage der historischen Perioden gleich gewichtet und die Nachfrage in die Zukunft projiziert.
Die heutigen Prognosen geben jedoch den neueren Nachfragedaten mehr Gewicht als den älteren Daten. Dies wird als Glätten bezeichnet und wird erzeugt, indem den neueren Daten mehr Gewicht gegeben wird. Die exponentielle Glättung bezieht sich auf eine immer größere Gewichtung der neueren historischen Perioden. Daher hat ein Zeitraum vor zwei Monaten eine größere Gewichtung als vor einem halben Jahr.
Alpha-Faktor
Die Gewichtung wird Alpha-Faktor genannt und je höher die Gewichtung oder Alpha-Faktor, desto weniger historische Perioden werden zur Erstellung der Prognose verwendet.
Ein hoher Alpha-Faktor beispielsweise verleiht den letzten Perioden eine hohe Gewichtung, und die Nachfrage aus Zeiträumen für ein Jahr oder zwei Jahre wird so leicht gewichtet, dass sie keinen Einfluss auf die Gesamtprognose haben. Ein niedriger Alpha-Faktor bedeutet, dass historische Daten für die Prognose relevanter sind.
Historische Zeiträume enthalten im Allgemeinen Nachfragedaten von einem festen Monat, dh Juni oder Juli. Dies führt jedoch zu Fehlern bei der Berechnung, da einige Monate mehr Tage als andere Monate haben und die Anzahl der Arbeitstage variieren kann.
Einige Unternehmen nutzen die tägliche Nachfrage, um diesen Fehler zu beheben. Wenn der Prognostiker den Fehler jedoch versteht, können monatliche historische Zeiträume zusammen mit einem Verfolgungsindikator verwendet werden, um festzustellen, wann die Prognose erheblich von der tatsächlichen Nachfrage abweicht. Der Pegel, bei dem das Verfolgungssignal die Abweichung kennzeichnet, wird durch den Prognostiker oder die Software bestimmt und variiert zwischen Industrien, Firmen und Produkten.
Eine kleine Abweichung kann einen Eingriff erfordern, wenn das Produkt, das prognostiziert wird, von hohem Wert ist, während ein Artikel mit geringem Wert möglicherweise nicht erfordert, dass die Prognose auf ein so hohes Niveau geprüft wird.
Nicht-statistische Prognose
Nicht-statistische Prognosen finden sich in Supply-Chain-Management- Software, bei der die Nachfrage anhand der von den Produktionsplanern festgelegten Mengen prognostiziert wird.
Dies geschieht, wenn der Planer eine subjektive Menge eingibt, von der er glaubt, dass die Nachfrage ohne Bezug auf historische Nachfrage sein wird.
Die andere nicht statistische Prognose ist die, wenn die Nachfrage nach einem Artikel auf den Ergebnissen der Materialbedarfsplanung (MRP) basiert.
Dies nimmt die Nachfrage nach dem fertigen Gut auf und sprengt die Stückliste, so dass ein Bedarf für die Bauteile berechnet wird. Der Komponentenbedarf kann dann vom Planer aufgrund seiner Einschätzung und Kenntnis der aktuellen Umgebung geändert werden.
Die sich daraus ergebende Prognose basiert auf der aktuellen Nachfrage und berücksichtigt keine Nachfrage aus früheren Perioden. Viele Unternehmen werden eine Kombination aus nichtstatistischen und statistischen Prognosen für ihre Produktlinie verwenden.
Die statistische Prognose basiert auf komplexen Berechnungen und der zukünftige Bedarf kann basierend auf der Nachfrage aus historischen Perioden bestimmt werden.
Die Prognose gibt dem Planer einen Hinweis auf die zukünftige Nachfrage, aber keine Prognose ist absolut genau und die Erfahrung und das Wissen des Planers über das aktuelle und zukünftige Umfeld ist wichtig für die zukünftige Nachfrage nach den Produkten eines Unternehmens.
Dieser Artikel wurde von Gary Marion, Experte für Logistik und Supply Chain für The Balance, aktualisiert.