Strategische Prognose in der Lieferkette für Hersteller

In der modernen Lieferkette ist eine Prognose für Unternehmen erforderlich. Die Hersteller verwenden Materialprognosen, um sicherzustellen, dass sie genügend Aktien produzieren, um ihre Kunden zufrieden zu stellen.

Gleichzeitig darf die Prognose nicht zu kurz kommen, daher findet sich der Hersteller ohne genügend Bestand, um seine Bestellungen zu erfüllen. Die Kosten für die Versäumnis, eine genaue Prognose aufrechtzuerhalten, können finanziell katastrophal sein.

Wie Prognosen entwickelt werden

Prognosen werden für die fertigen Waren, Komponenten und Serviceteile eines Unternehmens entwickelt. Die Prognose wird vom Produktionsteam verwendet, um Bestellauslöser, Mengen und Sicherheitsaktienniveaus zu entwickeln.

Die Prognose ist nicht statisch und sollte regelmäßig vom Management überprüft werden. Dies soll die Informationen zu zukünftigen Trends sicherstellen. Die interne oder externe Umgebung wird in die Prognose aufgenommen, um eine genauere Berechnung zu erstellen.

Prognosen können entweder statistisch oder nicht statistisch sein.

Statistische Prognose

Die Prognose ist eine Berechnung, die Daten aus Echtzeittransaktionen enthält und auf einer Reihe von Variablen basiert, die für eine Reihe von statistischen Prognosesituationen konfiguriert sind.

Planungsfachleute müssen Software verwenden, um die bestmögliche Prognosesituation zu bieten. Dies wird oft ohne Überprüfung für lange Zeiträume deaktiviert gelassen. Um die Prognosetechniken in der Supply -Chain -Software am besten zu verwenden, sollten die Planer Entscheidungen im Zusammenhang mit der internen und externen Umgebung überprüfen. Sie sollten die Berechnung anpassen, um eine genauere Prognose basierend auf den aktuellen Informationen zu liefern, die sie haben.

Statistische Prognosen sind die besten Schätzungen dessen, was in Zukunft auf der Grundlage der Nachfrage in der Vergangenheit auftreten wird. Historische Nachfragedaten können verwendet werden, um eine Prognose mit einer einfachen linearen Regression zu erstellen. Dies verleiht den Nachfrage der historischen Perioden und projiziert die Nachfrage in die Zukunft gleich.

Prognosen heute legen jedoch einen größeren Schwerpunkt auf den neueren Nachfragedaten als ältere Daten als ältere Daten. Dies wird als Glättung bezeichnet und wird erzeugt, indem die jüngsten Daten mehr Gewicht verleiht. Exponentielle Glättung bezieht sich auf die ständigste Gewichtung der neueren historischen Perioden. Daher hat vor zwei Monaten ein Zeitraum eine größere Gewichtung als vor einem Zeitraum vor sechs Monaten.

Alpha -Faktor

Die Gewichtung wird als Alpha -Faktor bezeichnet. Je höher die Gewichtung - oder der Alpha -Faktor -, desto weniger historische Perioden werden verwendet, um die Prognose zu erstellen.

Zum Beispiel gibt ein Hochalpha -Faktor die jüngsten Perioden eine hohe Gewichtung. Auf der anderen Seite werden die Nachfrage von vor ein oder zwei Jahren so leicht gewichtet, dass sie keine Einschränkung auf die Gesamtprognose haben. Ein niedriger Alpha -Faktor bedeutet, dass historische Daten für die Prognose relevanter sind.

Historische Perioden enthalten im Allgemeinen Nachfragedaten aus einem festen Monat, z. B. Juni oder Juli. Aber es kann Raum für Fehler mit dieser Methode geben, da einige Monate mehr Tage haben als andere, während andere Feiertage haben. Dies kann eine Variation der Anzahl der Arbeitstage erzeugen.

Einige Unternehmen verwenden die tägliche Nachfrage, um diesen Fehler zu lindern. Wenn der Prognostiker den Fehler versteht, können monatliche historische Perioden zusammen mit einem Tracking -Indikator verwendet werden, um festzustellen, wann die Prognose von der tatsächlichen Nachfrage abweicht. Das Niveau, auf dem die Tracking -Signal die Abweichung durch Prognose oder Software festlegt und zwischen Branchen, Unternehmen und Produkten variiert.

Eine kleine Abweichung kann eingreifen, wenn das prognostizierte Produkt hochwertig ist, während für ein niedrigwertiger Artikel möglicherweise nicht die Prognose auf einen solchen hohen Niveau untersucht wird.

Nicht-statistische Prognose

Nicht-statistische Prognosen finden Sie in der Supply Chain Management-Software, bei der die Nachfrage auf der Grundlage von Mengen prognostiziert wird, die von den Produktionsplanern ermittelt werden.

Dies geschieht, wenn der Planer in einer subjektiven Menge eintritt, von der er glaubt. Die andere nicht-statistische Prognose tritt auf.

Dies erfordert die Nachfrage nach dem Fertiger Gut und explodiert die Materialrechnung, sodass eine Nachfrage für die Komponententeile berechnet wird. Die Komponentennachfrage kann dann vom Planer aufgrund ihrer Einschätzung und Kenntnis der gegenwärtigen Umgebung geändert werden.

Die resultierende Prognose basiert auf der aktuellen Nachfrage und wird keine Nachfrage aus früheren Perioden berücksichtigen. Viele Unternehmen werden eine Kombination aus nicht-statistischen und statistischen Prognosen in ihrer Produktlinie verwenden.

Warum ist die strategische Prognose wichtig??

Es gibt mehrere Faktoren, warum ein Hersteller möglicherweise im Rahmen seiner Strategie Prognosen annehmen möchte. Hier sind ein paar von ihnen:

• Kundenzufriedenheit beibehalten. Die Prognose wird dazu beitragen, das Angebot vorherzusagen, damit die Produktion pünktlich bleibt. Dies wiederum wird die Kunden glücklich machen, da es keine Verzögerung bei der Lieferung und Erfüllung von Bestellungen gibt.
• Kosten niedrig halten. Da Unternehmen prognostizieren können, wie viel Produkt sie benötigen, können sie Produktion und Lagerung über Speicherkosten senken, insbesondere für Artikel, die nicht auf Bestellung hergestellt werden. Indem es weiß, wie viel zu verdienen ist, reduziert es die Verwendung von Einrichtungen, Arbeit und Lagerung. Dies kann wiederum dazu beitragen.

Das Endergebnis

Die Prognose gibt dem Planer einen Leitfaden für die zukünftige Nachfrage, aber keine Prognose ist völlig korrekt. Die Erfahrung und das Wissen der Planer über das aktuelle und zukünftige Umfeld ist wichtig, um die zukünftige Nachfrage nach Produkten eines Unternehmens zu bestimmen.