Ramalan Strategik Di Rantaian Pembekalan Bagi Pengilang

Dalam rantaian bekalan hari ini, bagaimana anda meramalkan barang yang tidak dibuat untuk memesan?

Pengenalan

Dalam rantaian bekalan moden, peramalan adalah perlu bagi syarikat-syarikat yang mengeluarkan barangan untuk inventori dan yang tidak dibuat untuk memerintahkan. Pengilang akan menggunakan peramalan bahan untuk memastikan bahawa mereka menghasilkan tahap bahan yang memuaskan pelanggan mereka tanpa menghasilkan keadaan overcapacity di mana terlalu banyak inventori dihasilkan dan kekal di rak.

Begitu juga ramalan itu tidak boleh dikurangkan dan pengilang mendapati mereka tanpa inventori untuk memenuhi pesanan pelanggan.

Kos gagal untuk mengekalkan ramalan yang tepat boleh menjadi bencana kewangan.

Ramalan boleh sama ada:

Ramalan dibangunkan untuk barangan siap, komponen dan bahagian perkhidmatan syarikat. Ramalan ini digunakan oleh pasukan pengeluaran untuk membangunkan pencetus pengeluaran atau pembelian pesanan , kuantiti dan tahap stok keselamatan .

Ramalan ini tidak statik dan perlu dikaji semula oleh pihak pengurusan secara tetap. Ini adalah untuk memastikan maklumat tentang trend masa depan, persekitaran dalaman atau luaran dimasukkan ke dalam ramalan untuk memberikan pengiraan yang lebih tepat.

Ramalan Perangkaan

Dalam perisian pengurusan rantaian bekalan, ramalan adalah pengiraan yang diberi makan data dari transaksi masa sebenar dan berdasarkan pada satu set pembolehubah yang dikonfigurasi untuk beberapa situasi ramalan statistik.

Profesional perancangan diperlukan untuk menggunakan perisian untuk menyediakan situasi ramalan terbaik yang mungkin dan sering ini dibiarkan tanpa pemeriksaan untuk jangka masa panjang.

Untuk menggunakan teknik peramal terbaik dalam perisian rantaian bekalan, perancang harus menyemak keputusan mereka berkenaan dengan persekitaran dalaman dan luaran.

Mereka harus menyesuaikan pengiraan untuk menyediakan ramalan yang lebih tepat berdasarkan maklumat terkini yang ada.

Ramalan statistik adalah anggaran terbaik tentang apa yang akan berlaku pada masa depan berdasarkan permintaan yang telah berlaku pada masa lalu.

Data permintaan sejarah boleh digunakan untuk menghasilkan ramalan menggunakan regresi linear yang mudah . Ini memberi bobot yang sama kepada permintaan tempoh sejarah dan mempromosi permintaan ke masa hadapan.

Walau bagaimanapun, ramalan hari ini memberikan penekanan yang lebih besar kepada data permintaan yang lebih terkini daripada data yang lebih lama. Ini dipanggil melicinkan dan dihasilkan dengan memberi lebih banyak berat kepada data terkini. Melonggarkan eksponen merujuk kepada berat badan yang lebih besar yang diberikan kepada tempoh sejarah yang lebih terkini. Oleh itu, tempoh dua bulan lalu mempunyai bobot yang lebih besar daripada tempoh enam bulan yang lalu.

Alpha Factor

Pembobotan dipanggil Alpha Factor dan semakin tinggi pembobotan, atau faktor Alpha, tempoh sejarah yang lebih sedikit digunakan untuk membuat ramalan.

Contohnya, faktor Alpha yang tinggi memberikan bobot yang tinggi kepada tempoh terkini dan permintaan dari tempoh selama setahun atau dua tahun lalu adalah sangat berat sehingga mereka tidak mempunyai ramalan pada ramalan keseluruhan. Faktor Alpha rendah bermakna data sejarah lebih relevan dengan ramalan.

Tempoh sejarah umumnya mengandungi data permintaan dari bulan tetap, iaitu bulan Jun atau Julai. Walau bagaimanapun, ini memperkenalkan ralat ke dalam pengiraan kerana beberapa bulan mempunyai lebih banyak hari berbanding bulan-bulan yang lain dan bilangan hari kerja boleh berbeza-beza.

Sesetengah syarikat menggunakan permintaan harian untuk mengurangkan kesilapan ini, walaupun jika peramal memahami kesilapan, tempoh sejarah bulanan boleh digunakan bersama dengan penunjuk penjejakan untuk mengenal pasti apabila ramalan menyimpang dengan ketara daripada permintaan sebenar. Tahap di mana bendera isyarat penjejakan sisihan ditentukan oleh peramal atau perisian dan berbeza antara industri, syarikat dan produk.

Penyimpangan kecil mungkin memerlukan campur tangan apabila ramalan produk adalah nilai tinggi, sedangkan item bernilai rendah mungkin tidak memerlukan ramalan diteliti ke tahap yang tinggi.

Perangkaan Bukan Statistik

Peramalan bukan statistik didapati dalam perisian pengurusan rantaian bekalan di mana permintaan diramalkan berdasarkan kuantiti yang ditetapkan oleh perancang pengeluaran.

Ini berlaku apabila perancang memasuki kuantiti subjektif yang mereka percaya permintaan itu akan tanpa sebarang rujukan terhadap permintaan sejarah.

Peramalan bukan statistik lain yang berlaku adalah apabila permintaan bagi sesuatu barang adalah berdasarkan kepada keputusan perancangan keperluan bahan (MRP).

Ini mengambil permintaan untuk kebaikan siap dan meletupkan bil bahan supaya permintaan dikira untuk komponen komponen. Permintaan komponen kemudiannya dipinda oleh perancang berdasarkan penilaian mereka dan pengetahuan mengenai persekitaran semasa.

Ramalan yang dihasilkan adalah berdasarkan permintaan semasa dan tidak akan menggabungkan sebarang permintaan dari tempoh sebelumnya. Banyak syarikat akan menggunakan gabungan ramalan bukan statistik dan statistik merentasi barisan produk mereka.

Ramalan statistik berdasarkan pengiraan yang kompleks dan permintaan masa depan dapat ditentukan berdasarkan permintaan dari periode sejarah.

Ramalan ini memberi panduan kepada permintaan masa depan, tetapi ramalan tidak tepat dan perancang dan pengalaman tentang persekitaran semasa dan masa depan penting dalam menentukan permintaan masa depan produk syarikat.

Artikel ini telah dikemaskini oleh Gary Marion, Logistik dan Pakar Rantaian Bekalan untuk Baki.