پیش بینی استراتژیک در زنجیره تامین برای تولید کنندگان

در زنجیره تامین امروز، چگونه پیش بینی می کنید اقلامی که سفارش نمی دهند؟

معرفی

در زنجیره تامین مدرن، پیش بینی لازم برای شرکت هایی است که اقلام را برای موجودی تولید می کنند و مورد سفارش قرار نمی گیرند. تولید کنندگان از پیش بینی مواد استفاده می کنند تا اطمینان حاصل شود که سطح مواد تولیدی را که مشتریانشان راضی می کند بدون ایجاد یک ظرفیت بیش از حد ظرفیتی که موجودی بیش از حد تولید می شود و در قفسه نگهداری می شود، تولید می کند.

به همین ترتیب، پیش بینی نباید کوتاه باشد و تولید کننده بدون نیاز به موجودی برای برآوردن سفارشات مشتریان را پیدا کند.

هزینه ناتوانی در حفظ یک پیش بینی دقیق می تواند فاجعه بار مالی باشد.

پیش بینی ها می توانند باشند:

• آماری
• غیر آمار

پیش بینی ها برای کالاهای تکمیل شده، اجزای سازنده و بخش خدمات ارائه شده است. پیش بینی توسط تیم تولید برای توسعه تولید و یا سفارشات سفارش خرید ، مقادیر و سطوح سهام ایمنی استفاده می شود.

پیش بینی استاتیک نیست و باید توسط مدیریت به صورت منظم بررسی شود. این برای اطمینان دادن است که اطلاعات مربوط به روند آینده، محیط داخلی یا خارجی در پیش بینی شده برای محاسبه دقیق تر تعبیه شده است.

پیش بینی آماری

در نرم افزار مدیریت زنجیره تامین، پیش بینی محاسبه ای است که داده های مربوط به معاملات واقعی را تغذیه می کند و بر اساس مجموعه ای از متغیرهایی است که برای تعدادی از شرایط پیش بینی های آماری پیکربندی شده اند.

حرفه ای های برنامه ریزی نیاز به استفاده از نرم افزار برای ارائه بهترین وضعیت پیش بینی ممکن است و اغلب این بدون بررسی برای مدت زمان طولانی بدون بررسی بدون کنترل.

برای بهترین استفاده از تکنیک های پیش بینی در نرم افزار زنجیره تامین، برنامه ریزان باید تصمیمات خود را با توجه به محیط داخلی و خارجی بررسی کنند.

آنها باید محاسبات را تنظیم کنند تا پیش بینی دقیق تر بر اساس اطلاعات فعلی آنها ارائه شود.

پیش بینی های آماری بهترین تخمین هایی است که در آینده بر اساس تقاضای قبلی رخ می دهد.

داده های تقاضای تاریخی می تواند برای تولید پیش بینی با استفاده از رگرسیون خطی ساده استفاده شود . این امر به تقاضای دوره های تاریخی برابر است و تقاضا در آینده را پروژه می دهد.

با این حال، پیش بینی های امروز تاکید بیشتری بر داده های تقاضای اطلاعات اخیر نسبت به داده های قدیمی تر دارند. این صاف کردن نامیده می شود و با دادن وزن بیشتر به داده های اخیر تولید می شود. صاف کردن نمایشگر به وزن بیشتر و بیشتر به دوره های تاریخی بیشتر اشاره دارد. بنابراین یک دوره دو ماه پیش وزن بیشتری را نسبت به یک دوره شش ماه پیش دارد.

آلفا فاکتور

وزن سازی عامل فاکتور آلفا است و مقادیر بالاتر یا فاکتور آلفا از دوره های تاریخی کمتر برای ایجاد پیش بینی استفاده می شود.

به عنوان مثال یک عامل آلفا باال می دهد مقادیر زیاد را به دوره های اخیر و تقاضا از دوره ها برای یک سال یا دو سال پیش به میزان قابل توجهی وزن می کنند که بر پیش بینی کلی تاثیر نمی گذارد. عامل کم آلفا به این معنی است که داده های تاریخی نسبت به پیش بینی بیشتر است.

دوره های تاریخی معمولا داده های تقاضا را از یک ماه ثابت، یعنی ژوئن یا ژوئیه، حاوی اطلاعات تقاضا می کنند. با این حال، این به خطا در محاسبات اشاره می کند که چند ماه بیشتر از ماه های دیگر و تعداد روزهای کاری متفاوت است.

برخی از شرکت ها از تقاضای روزانه برای رفع این خطا استفاده می کنند، اگر چه پیش بینی کننده خطا را درک می کند، می توان از دوره های تاریخی ماهانه همراه با شاخص ردیابی برای شناسایی زمانی که پیش بینی از میزان واقعی تقاضا کاسته می شود استفاده شود. سطح که در آن سیگنال ردیابی پرچم انحراف توسط پیش بینی یا نرم افزار تعیین می شود و بین صنایع، شرکت ها و محصولات متفاوت است.

یک انحراف کوچک ممکن است نیاز به مداخله داشته باشد، در حالی که محصول پیش بینی شده دارای ارزش بالا است، در حالی که یک اقلام کم ارزش ممکن است نیاز به پیش بینی را به چنین سطح بالایی بررسی نکنند.

پیش بینی غیر آماری

پیش بینی غیر آماری در نرم افزار مدیریت زنجیره تامین وجود دارد که تقاضا براساس مقدار تعیین شده توسط برنامه ریزان تولید پیش بینی شده است.

این اتفاق می افتد زمانی که برنامه ریزان وارد یک مقدار ذهنی می شوند که معتقدند تقاضا بدون هیچ گونه اشاره ای به تقاضای تاریخی خواهد بود.

دیگر پیش بینی غیر آماری که اتفاق می افتد، زمانی است که تقاضا برای یک مورد بر اساس نتایج برنامه ریزی مواد (MRP) اجرا می شود.

این تقاضا برای محصول نهایی را می گیرد و لایحه مواد را منفجر می کند به طوری که تقاضا برای اجزای آن محاسبه می شود. سپس تقاضای جزء می تواند توسط برنامه ریزان براساس ارزیابی و آگاهی از محیط کنونی تغییر یابد.

پیش بینی بر اساس تقاضای فعلی است و هیچ تقاضای از دوره های قبلی را شامل نمی شود. بسیاری از شرکت ها ترکیبی از پیش بینی های غیرستاکتیو و آماری را در سرتاسر خط تولید خود خواهند داشت.

پیش بینی های آماری بر اساس محاسبات پیچیده و تقاضای آینده می تواند بر اساس تقاضای دوره های تاریخی تعیین شود.

پیش بینی، برنامه ریز را به یک راهنما برای تقاضای آینده می دهد، اما هیچ پیش بینی دقیق نیست و برنامه ریزان تجربه و دانش از محیط فعلی و آینده در تعیین تقاضای آینده برای محصولات شرکت مهم است.

این مقاله توسط Gary Marion، Logistics & Chain Expert for Balance به روز شده است.