I den moderna försörjningskedjan är prognoser nödvändiga för företag som tillverkar sitt eget lager - särskilt för artiklar som inte tillverkas på beställning. Tillverkare kommer att använda materialprognoser för att säkerställa att de producerar tillräckligt med lager för att tillfredsställa sina kunder utan att resultera i ett överlager.
Men samtidigt får prognosen inte falla under så tillverkaren finner sig utan tillräckligt med lager för att fullfölja sina beställningar. Kostnaden för att inte upprätthålla en korrekt prognos kan vara ekonomiskt katastrofal.
Hur prognoser utvecklas
Prognoser tas fram för ett företags färdiga varor, komponenter och servicedelar. Prognosen används av produktionsteamet för att utveckla inköpsorderutlösare, kvantiteter och säkerhetslager nivåer.
Prognosen är inte statisk och bör ses över av ledningen regelbundet. Detta för att säkerställa information om framtida trender, den interna eller externa miljön införlivas i prognosen för att ge en mer exakt beräkning.
Prognoser kan vara antingen statistiska eller icke-statistiska.
Statistiska prognoser
Prognosen är en beräkning som matas med data från realtidstransaktioner och baseras på en uppsättning variabler som är konfigurerade för ett antal statistiska prognossituationer.
Planeringspersonal måste använda programvara för att ge bästa möjliga prognossituation. Detta lämnas ofta okontrollerat utan någon granskning under långa perioder. För att på bästa sätt använda prognosteknikerna i programvaran för försörjningskedjan bör planerare se över beslut relaterade till den interna och externa miljön. De bör justera beräkningen för att ge en mer exakt prognos baserat på den aktuella informationen de har.
Statistiska prognoser är bästa uppskattningar av vad som kommer att hända i framtiden baserat på efterfrågan i det förflutna. Historiska efterfrågedata kan användas för att ta fram en prognos med hjälp av enkel linjär regression. Detta ger lika stor vikt åt efterfrågan från de historiska perioderna och projicerar efterfrågan in i framtiden.
Men prognoser idag lägger större vikt vid nyare efterfrågedata än äldre data. Detta kallas utjämning och produceras genom att lägga mer vikt åt de senaste uppgifterna. Exponentiell utjämning hänvisar till allt större viktning av de nyare historiska perioderna. Därför har en period för två månader sedan en större viktning än en period för sex månader sedan.
Alfafaktor
Viktning kallas alfafaktor. Ju högre viktning – eller alfafaktor – desto färre historiska perioder används för att skapa prognosen.
Till exempel ger en hög alfafaktor hög viktning till de senaste perioderna. Å andra sidan är efterfrågan från ett eller två år sedan så lätt viktad att de inte har någon betydelse för den totala prognosen. En låg alfafaktor betyder att historisk data är mer relevant för prognosen.
Historiska perioder innehåller vanligtvis efterfrågedata från en fast månad, t.ex. juni eller juli. Men det kan finnas utrymme för fel med denna metod, eftersom vissa månader har fler dagar än andra, medan andra har semester. Detta kan skapa en variation i antalet arbetsdagar.
Vissa företag använder daglig efterfrågan för att lindra detta fel. Men om prognosmakaren förstår felet kan månatliga historiska perioder användas tillsammans med en spårningsindikator för att identifiera när prognosen avviker från den faktiska efterfrågan. Nivån på vilken spårningssignalen flaggar avvikelsen bestäms av prognosmakaren eller mjukvaran och varierar mellan branscher, företag och produkter.
En liten avvikelse kan kräva ingripande när produkten som prognostiseras är högvärdig, medan en lågvärdesvara kanske inte kräver att prognosen granskas till en så hög nivå.
Icke-statistiska prognoser
Icke-statistiska prognoser finns i hantering av försörjningskedjan programvara där efterfrågan prognostiseras baserat på kvantiteter som bestäms av produktionsplanerarna.
Detta inträffar när planeraren anger en subjektiv kvantitet som han tror att efterfrågan kommer att vara utan någon hänvisning till historisk efterfrågan. Den andra icke-statistiska prognosen inträffar när efterfrågan på en artikel baseras på resultaten av materialbehovsplanering (MRP).
Detta tar efterfrågan på det färdiga varan och exploderar materialförteckning så ett behov beräknas för de ingående delarna. Komponentbehovet kan sedan ändras av planeraren baserat på deras bedömning och kunskap om den aktuella miljön.
Den resulterande prognosen är baserad på aktuell efterfrågan och kommer inte att inkludera någon efterfrågan från tidigare perioder. Många företag kommer att använda en kombination av icke-statistiska och statistiska prognoser över hela sin produktlinje.
Varför är strategiska prognoser viktigt?
Det finns flera faktorer till varför en tillverkare kanske vill använda prognoser som en del av sin strategi. Här är ett par av dem:
- Att behålla kundnöjdheten. Prognoser kommer att hjälpa till att förutsäga utbudet så att det kommer att hålla produktionen i tid. Detta kommer i sin tur att hålla kunderna nöjda eftersom det inte finns några förseningar i leverans och fullgörande av beställningar.
- Håller nere kostnaderna. Eftersom företag kan förutsäga hur mycket av en produkt de kommer att behöva, kan de skära ner på produktion och lagring över lagringskostnader, särskilt för varor som inte tillverkas på beställning. Genom att veta hur mycket man ska tjäna minskar det användningen av lokaler, arbetskraft och lager. Detta kan i sin tur bidra till att hålla priserna konkurrenskraftiga, vilket i sin tur också leder till återkommande kunder.
Poängen
Prognosen ger planeraren en guide till framtida efterfrågan, men ingen prognos är helt korrekt. Planerarnas erfarenhet och kunskap om den nuvarande och framtida miljön är viktig för att avgöra den framtida efterfrågan på ett företags produkter.
