Šiandienos tiekimo grandinėje, kaip prognozuojate elementus, kurie nėra užsakyti?
Šiuolaikinėje tiekimo grandinėje prognozės reikalingos įmonėms, kurios gamina atsargas ir kurios nėra užsakomos. Gamintojai naudosis medžiagų prognozavimu, siekdami užtikrinti, kad jie pagamintų klientams tenkinančią medžiagą, nesukeliant perteklinių pajėgumų, kai yra pagaminama per daug inventoriaus ir lieka lentynoje.
Lygiai taip pat prognozė neturi nukristi ir gamintojas juos surenka be inventoriaus, kad galėtų įvykdyti klientų užsakymus.
Nesugebėjimas išlaikyti tikslią prognozę gali būti finansiškai katastrofiškas.
Prognozės gali būti:
- Statistinis
- Neaktualus
Įmonės gaminių, komponentų ir serviso dalių parengtos prognozės. Prognozę naudoja gamybos komanda, siekdama išvystyti gamybos ar pirkimo užsakymų priežastis, kiekius ir atsargų lygius.
Prognozė nėra statinė ir turėtų būti reguliariai peržiūrimi vadovybės. Tai užtikrina, kad informacija apie būsimas tendencijas, vidinę ar išorinę aplinką būtų įtraukta į prognozę, kad būtų galima tiksliau apskaičiuoti.
Statistinis prognozavimas
Tiekimo grandinės valdymo programinėje įrangoje prognozė yra apskaičiavimas, kuris yra įvedamas iš realaus laiko sandorių duomenų ir pagrįstas kintamųjų rinkiniu, sukonfigūruotu daugeliui statistinių prognozių situacijų.
Planavimo specialistai privalo naudoti programinę įrangą, kad būtų užtikrinta geriausia prognozuojama situacija, ir dažnai tai neužtikrinta, be peržiūros ilgai.
Siekiant kuo geriau panaudoti prognozavimo metodus tiekimo grandinės programinėje įrangoje, planuotojai turėtų peržiūrėti savo sprendimus, susijusius su vidine ir išorine aplinka.
Jie turėtų patikslinti skaičiavimus, norėdami pateikti tikslesnę prognozę, pagrįstą turima informacija.
Statistinės prognozės yra geriausios ateityje prognozuojamos prognozės, pagrįstos praeityje įvykusia paklausa.
Istoriniai duomenys apie paklausą gali būti naudojami prognozei parengti naudojant paprastą tiesinę regresiją . Tai suteikia vienodą įtaką istorinių laikotarpių paklausai ir prognozuoja paklausą ateityje.
Tačiau šiandien prognozėse daugiau dėmesio skiriama naujausiems duomenims apie paklausą nei senesni duomenys. Tai vadinama lyginimu ir sukurta suteikiant daugiau svorio naujausiems duomenims. Eksponentinis švelninimas reiškia vis didesnį svorį, suteiktą naujausiems istoriniams laikotarpiams. Todėl laikotarpis prieš du mėnesius yra didesnis nei prieš šešis mėnesius.
Alfa veiksnys
Svertinis koeficientas vadinamas Alfa koeficientu ir tuo didesnis svorio koeficientas, arba "Alpha" koeficientas, kad būtų galima prognozuoti mažiau istorinių laikotarpių.
Pavyzdžiui, didelis Alfa koeficientas suteikia didelį svorį pastaruoju laikotarpiu, o paklausa iš laikotarpių prieš metus ar prieš dvejus metus yra tokia silpnai sveriama, kad jie neturi jokios įtakos bendrajai prognozei. Žemas alfa veiksnys reiškia, kad istoriniai duomenys yra labiau susiję su prognozėmis.
Istoriniai laikotarpiai paprastai apima duomenis apie paklausą iš fiksuoto mėnesio, ty birželio arba liepos mėn. Tačiau tai įveda klaidą skaičiuojant, nes kai kuriems mėnesiams yra daugiau dienų nei kiti mėnesiai, o darbo dienų skaičius gali skirtis.
Kai kurios įmonės naudoja kasdienę paklausą, kad būtų lengviau šią klaidą, nors jei prognozuojantysis supranta klaidą, galima naudoti mėnesinius istorinius laikotarpius kartu su stebėjimo rodikliu, kuris nustato, kada prognozė labai skiriasi nuo faktinės paklausos. Lygis, kuriuo stebėjimo signalas rodo, kad nuokrypis nustatomas prognozuojantysis ar programinė įranga, ir skiriasi nuo pramonės, įmonių ir produktų.
Nedidelis nukrypimas gali prireikti intervencijos, kai prognozuojamas produktas yra labai vertingas, o mažos vertės gaminys gali nereikalauti, kad prognozė būtų patikrinta tokiu aukštu lygiu.
Ne statistinis prognozavimas
Ne statistinis prognozavimas nustatomas tiekimo grandinės valdymo programinėje įrangoje, kurioje prognozuojama paklausa, pagrįsta gamybos planuotojų nustatytais kiekiais.
Tai įvyksta tada, kai planuotojas įveda subjektyvų kiekį, kurio manymu, paklausa bus be jokios nuorodos į istorinę paklausą.
Kitas ne statistinis prognozavimas, kuris įvyksta, yra tai, kada reikalaujama daikto, pagrįsta medžiagų reikalavimų planavimo (MRP) rezultatais.
Tai užima galutinio produkto paklausą ir sprogsta medžiagų sąskaita, kad būtų apskaičiuota paklausa sudedamosioms dalims. Tada plano rengėjas gali pakoreguoti komponento paklausą, remdamasis jų įvertinimu ir dabartinės aplinkos žinojimu.
Gautos prognozės yra pagrįstos dabartine paklausa ir neįtrauktos į ankstesnių laikotarpių paklausą. Daugelis kompanijų naudos ne statistinę ir statistinę prognozę derinant su savo produktų linija.
Statistinė prognozė grindžiama sudėtingais skaičiavimais, o ateities paklausą galima nustatyti remiantis istorinių laikotarpių paklausa.
Prognozė suteikia planuotojui būsimos paklausos gaires, tačiau prognozė nėra visiškai tiksli, o planuotojai turi patirties ir žinių apie esamą ir būsimą aplinką, kad nustatytų būsimą įmonės produktų paklausą.
Šis straipsnis buvo atnaujintas Gary Marion, logistikos ir tiekimo grandinės ekspertas balansui.