Prognózování poptávky ve výrobě: praktický průvodce

Domov » Zdroje » Prognózování poptávky ve výrobě: praktický průvodce

Odhadovaný čas čtení: 14 minut

Prognózování poptávky ve výrobě odhaduje, jaké výrobky budou zákazníci potřebovat, v jakém množství a kdy. Propojuje historii poptávky s informacemi o očekávaných změnách a dává tak nákupu i výrobě společný podklad pro rozhodování.

Užitečná prognóza vám pomůže připravit se, aniž byste kvůli každému možnému prodeji vytvářeli zásoby. Vyhodnocení její chyby a předpokladů vám pomůže rozhodnout, k čemu se zavázat hned a co může počkat. Prognózování je součástí plánování poptávky, tedy širšího procesu, při němž se vyhodnocují informace z trhu a společně se schvaluje plán poptávky.

V praxi vás čekají dva úkoly: odhadnout poptávku dostatečně dobře pro dané rozhodnutí a poté sestavit výrobní plán, podle kterého lze zvolenou reakci uskutečnit. SkyPlanner APS zajišťuje detailní rozvrhování potřebné k realizaci vašich výrobních rozhodnutí. Když se tato rozhodnutí změní, nemusíte znovu sestavovat fronty operací pro jednotlivé stroje.

Podívejme se, jak prognózu sestavit, vyhodnotit její chybu a využít ji v praxi.

1. Určete, při jakém rozhodování vám má prognóza pomoci

Začněte rozhodnutím, nikoli prognostickým modelem. Rezervace materiálu pro výrobek s dlouhou průběžnou dobou výroby, plánování výroby na sklad na příští měsíc a úvaha o zavedení další směny vyžadují různou míru podrobnosti.

Než začnete sbírat data, ujasněte si a zapište čtyři věci:

• Předmět prognózy: hotový výrobek, produktová řada nebo jiná jednoznačně vymezená plánovací položka.
• Jednotka: kusy, balení, kilogramy nebo jiná jednotně používaná fyzická jednotka. Samotné tržby mohou zakrývat změny cen a skladby výrobků.
• Období: kdy zákazníci výrobek potřebují. Pokud to data umožňují, vycházejte vždy z požadovaného termínu.
• Horizont: s jakým předstihem musíte rozhodnout vzhledem k dodacím lhůtám nakupovaných položek a průběžným dobám výroby.

Pokud musíte závazně zajistit materiál čtyři týdny před jeho použitím, nestačí prognóza, která je přesná jen týden dopředu. Vyhodnocujte odhad vytvořený se čtyřtýdenním předstihem, ze kterého nákup skutečně musí vycházet.

Úroveň plánování zvolte podle rozhodnutí, které potřebujete učinit. Prognóza pro produktovou řadu může pomoci při posuzování budoucí potřeby další směny, ale nákupu neřekne, kterou součástku pro konkrétní variantu má pořídit. Naopak samostatné prognózování každé zřídka objednávané varianty může přinést více šumu než užitku. Dbejte na to, aby součet za produktovou řadu odpovídal rozpisu na jednotlivé položky, a posuzujte, zda změny jejich podílů ovlivňují materiálové nebo kapacitní potřeby.

Při výrobě na sklad pomáhají prognózy rozhodovat o doplňování zásob. Při výrobě na zakázku mohou samotné uvolnění do výroby řídit potvrzené objednávky, zatímco prognózy pomáhají připravit sdílené kapacity nebo vstupy s dlouhou dodací lhůtou. To, že máte prognózu, samo o sobě neznamená, že musíte vyrábět hotové výrobky na sklad bez jistoty odbytu.

Prodejní cíl posuzujte odděleně. Cíl říká, kolik chce firma prodat; prognóza vyjadřuje aktuální odhad toho, co budou zákazníci potřebovat. Snížením prognózy na úroveň dnešní výrobní kapacity potenciální neuspokojenou poptávku pouze skryjete, nikoli vyřešíte.

2. Připravte historii poptávky, která odráží potřeby zákazníků

Pracujte s časovou řadou poptávaného množství, vedenou jednotně podle položek a období. Výchozím podkladem může být přehled expedice z ERP, ověřte však, co uvedené termíny a množství skutečně představují.

Častou pastí jsou opožděné dodávky. Kusy požadované v jednom týdnu, ale expedované až v následujícím, mohou vyvolat dojem slabé poptávky v prvním týdnu a neobvykle silné ve druhém. Pokud chcete předpovídat, kdy má být výrobek dostupný, vycházejte pokud možno z období požadovaného zákazníkem. Jinak se model může naučit vaše vlastní zpoždění dodávek místo skutečného průběhu poptávky.

Historická data zkontrolujte společně s obchodem a provozem:

• Opravte duplicitní záznamy, převody jednotek a změny kódů výrobků. Vratky a storna zohledněte podle jejich příčiny, nikoli tak, že každou úpravu automaticky započtete jako novou zápornou poptávku.
• Zachovejte období se skutečně nulovou poptávkou. Chybějící záznam automaticky neznamená nulu a vynechání týdnů bez poptávky může odhad nadhodnotit.
• Označte výpadky zásob, přídělové rozdělování dodávek a kapacitní omezení. Pokud jste expedovali 60 kusů, ale zákazníci požadovali 100, neznamená to, že poptávka činila jen 60 kusů. Využijte evidované neuspokojené požadavky, jsou-li k dispozici. Případný odhad ztracené poptávky výslovně označte jako odhad.
• Označte prodejní akce, jednorázové kontrakty, uvádění nových výrobků na trh a ukončené výrobky. Původní historická data zachovejte a zaznamenejte důvody úprav řady použité pro modelování.

Výsledná množství zobrazte v časovém grafu. Hledejte stabilní úroveň, trvalý růst či pokles, opakující se sezónní špičky a dlouhé mezery mezi objednávkami. Tyto charakteristiky vám pomohou vybrat metody, které má smysl otestovat.

Neprognózujte každou součástku samostatně, pokud její potřeba vyplývá z plánu nadřazených výrobků. Tuto závislou poptávku má určovat kusovník a výpočet materiálových potřeb. Jinak riskujete, že na tutéž otázku nákupu získáte vzájemně rozporné odpovědi.

3. Zvolte metodu podle průběhu poptávky

Žádná metoda není nejlepší pro všechny výrobky. Začněte jednoduchou výchozí metodou a poté zkoumejte, zda vám jiná metoda pomůže lépe rozhodovat.

Charakter poptávky	Vhodný výchozí přístup	Co ověřit
Relativně stabilní poptávka	Klouzavý průměr z posledních období nebo jednoduché exponenciální vyrovnávání	Zda zvolená délka klouzavého průměru vyhlazuje šum, aniž by zakrývala skutečnou změnu
Opakující se sezónní poptávka	Poslední srovnatelná sezóna jako základ pro porovnání; sezónní prognostický model	Zda se nezměnilo načasování svátků, počet pracovních dnů nebo sortiment
Trvalý trend	Model zachycující trend, například exponenciální vyrovnávání s trendem	Zda růst pokračuje, nebo se výrobek blíží fázi zralosti
Poptávka související s měřitelnými faktory	Regrese nebo vhodný model strojového učení	Zda budou informace o těchto faktorech skutečně dostupné v okamžiku sestavení prognózy
Mnoho období s nulovou poptávkou a občasné objednávky	Přístup pro přerušovanou poptávku, například metoda Crostonova typu	Výsledky za celý horizont doplňování zásob, nikoli jen správnou předpověď jednotlivých týdnů bez poptávky
Nový výrobek s krátkou historií	Údaje o srovnatelných výrobcích a systematicky získané odhady od obchodníků a zákazníků	Předpoklady uvedení na trh, nahrazování stávajících výrobků novým a rychlost zpřesňování odhadu podle skutečné poptávky

Jednoduché exponenciální vyrovnávání přikládá větší váhu novějším pozorováním, ale v základní podobě nemodeluje trend ani sezónnost. Metody Crostonova typu řeší přerušovanou poptávku tím, že zohledňují nenulová množství a mezery mezi nimi. Nejistotu ohledně příští objednávky však neodstraňují.

Pro názorný příklad klouzavého průměru si představte, že poptávka v posledních třech týdnech činila 80, 100 a 120 kusů. Prognóza na příští týden vypočtená z třítýdenního klouzavého průměru je:

Prognóza = (80 + 100 + 120) ÷ 3 = 100 kusů.

Tento výpočet se snadno vysvětluje. Může ale také zaostávat za skutečným rostoucím trendem. Tři pozorování ukazují postup výpočtu, nikoli vhodnost metody pro daný výrobek.

Zvažované metody porovnávejte s jednoduchými referenčními prognózami: s poslední zaznamenanou poptávkou a u sezónních položek s posledním srovnatelným sezónním obdobím. Složitější model by měl své použití obhájit lepšími výsledky na datech, která nebyla použita při jeho sestavení, nebo lepším provozním rozhodnutím, nikoli odborně znějícím názvem.

Také model využívající prodejní akce nebo ekonomické ukazatele potřebuje realistické vstupy pro budoucí období. Pokud jej testujete s informacemi, které v okamžiku sestavení prognózy nebyly dostupné, bude vypadat lépe, než by mohl fungovat v praxi. Souvislost užitečná pro předpovídání sama o sobě nedokazuje, že změna daného faktoru způsobí určitý nárůst prodeje.

4. Zohledněte znalosti z praxe, ale zachovejte výchozí prognózu

Historická data vám neřeknou vše. Zákazník mohl oznámit odstávku, distributor možná otevírá novou pobočku nebo nový výrobek nahrazuje starší model.

Statistickou výchozí prognózu ponechte viditelnou a každou úpravu na základě obchodních informací zaznamenejte zvlášť. Uveďte množství, období, důvod, odpovědnou osobu a datum přezkoumání. Než daný vliv přidáte, ověřte, zda už není zahrnutý v modelu nebo v jiné úpravě.

Představte si, že výchozí prognóza na nadcházející týden činí 100 kusů. Obchodní oddělení doloží poptávku po dalších 20 kusech od nového zákazníka, a to nad rámec všeho, co už prognóza zahrnuje. Upravená prognóza tak činí 120 kusů. Pokud zákazník přesouvá poptávku z jiného výrobku, upravte i prognózu tohoto výrobku, místo abyste přesun vykázali jako čistý růst.

Při následném vyhodnocení tak můžete klást konkrétní otázky: přišla dodatečná poptávka, ve kterém období a zlepšila ruční úprava prognózu? Průběžně porovnávejte chybu výchozí a upravené prognózy. Zachovejte úpravy, které přinášejí nové informace; prověřte ty, které opakovaně přidávají jen optimismus.

U nejistého uvedení výrobku na trh nebo významného kontraktu zachovejte základní scénář i věrohodné scénáře s vyšší a nižší poptávkou, včetně jejich předpokladů. Jde o plánovací scénáře, nikoli o statisticky kalibrované predikční intervaly. Pomocí nich určete, která rozhodnutí by se změnila: rezervace materiálu, přidání směny nebo pozdější rozhodnutí o výrobě hotových výrobků na sklad.

5. Měřte chybu prognózy vytvořené s předstihem potřebným pro rozhodování

Každou vydanou prognózu uložte spolu s datem vydání, cílovým obdobím, položkou a verzí. Jakmile znáte skutečnou poptávku, porovnejte ji s verzí, která byla k dispozici v době, kdy podnik musel rozhodnout, nikoli s poslední revizí těsně před dodávkou.

Při výběru metody použijte zpětné testování na historických datech. Metodu nastavte pouze na základě informací dostupných k dřívějšímu datu a vytvořte prognózu na požadovaný horizont. Poté posuňte rozhodné datum dopředu a postup opakujte. Toto testování s posuvným počátkem prognózy ověřuje úlohu, kterou skutečně řešíte, aniž by do výpočtu pronikala data z budoucnosti.

Příklad výpočtu chyby prognózy

Představte si, že u jednoho výrobku vyhodnocujete čtyři cílové týdny. V každém řádku níže byla uložená prognóza vydána čtyři týdny před příslušným cílovým týdnem. Chybu se znaménkem zde počítáme jako prognózu minus skutečnou poptávku, takže kladné číslo znamená nadhodnocenou prognózu.

Cílový týden	Uložená prognóza	Skutečná poptávka	Chyba se znaménkem	Absolutní chyba
Týden 1	110	100	+10	10
Týden 2	110	120	−10	10
Týden 3	110	80	+30	30
Týden 4	110	100	+10	10
Celkem	440	400	+40	60

Různé stránky tohoto výsledku popisují tři ukazatele:

Průměrná absolutní chyba (MAE) = součet absolutních chyb ÷ počet období = 60 ÷ 4 = 15 kusů týdně.

MAE srozumitelně vyjadřuje typickou velikost chyby v jednotkách daného výrobku. Neukazuje však, zda prognózy bývají nadhodnocené, nebo podhodnocené.

Vážená absolutní procentní chyba (WAPE) = součet absolutních chyb ÷ součet skutečné poptávky × 100 = 60 ÷ 400 × 100 = 15 %.

U těchto nezáporných hodnot poptávky vyjadřuje WAPE absolutní chybu v poměru k celkové poptávce. Neznamená to, že se prognóza v každém týdnu lišila od skutečnosti nejvýše o 15 %, ani že máte 85% pravděpodobnost uspokojení poptávky.

Průměrná chyba se znaménkem neboli systematická odchylka (bias) = součet chyb se znaménkem ÷ počet období = 40 ÷ 4 = +10 kusů týdně.

Podle uvedené znaménkové konvence byla prognóza v průměru nadhodnocená. Za čtyři týdny překročila skutečnou poptávku o 40 kusů, tedy o 10 % celkové skutečné poptávky. Nadhodnocení a podhodnocení se mohou v součtu vzájemně vyrušit, a proto samotná systematická odchylka nevypovídá o velikosti chyby.

Tyto čtyři řádky pouze ilustrují ukazatele; pro ověření prognózy nepředstavují dostatečně dlouhou historii. Proveďte dostatek testů s posuvným počátkem, aby zachytily sezónnost, průběh objednávek a změny podstatné pro daný výrobek.

Vyhněte se zavádějícímu hodnocení přesnosti

Průměrná absolutní procentní chyba (MAPE) dělí absolutní chybu každého období skutečnou poptávkou v daném období. Při nulové skutečné poptávce není definována a u hodnot blízkých nule je nestabilní. Pro nepravidelnou poptávku po výrobcích s častými nulovými obdobími proto není vhodnou výchozí volbou.

WAPE může zahrnovat i některá období s nulovou poptávkou, ale pokud je celková skutečná poptávka nulová, není definována. Její jmenovatel se navíc mění s objemem: při rostoucí poptávce se může procentní ukazatel zlepšit, i když se chyba v kusech nezmění. Vyhodnocujte ji společně s MAE, systematickou odchylkou a jednoduchou výchozí prognózou za stejná testovací období.

Souhrn za skupinu výrobků může skrývat soustavné nadhodnocování jedné varianty a podhodnocování jiné. Nesledujte jen celkový průměr. Vyhodnocujte i výrobky, u nichž hrozí nesplnění požadavků zákazníků, vznik nákladných zásob nebo zatížení kritických výrobních zdrojů.

Neexistuje univerzálně přijatelné procento chyby prognózy. Chyba 15 kusů má jiné důsledky u levného běžného dílu než u hotové sestavy s nízkou obrátkou. Prognózu posuzujte s ohledem na náklady nedostatku a přebytku, dobu doplnění zásob a dostupné možnosti reakce. O rezervách rozhodujte podle míry nejistoty a požadované úrovně obsluhy zákazníků; nepřičítejte jednoduše MAE ke každému výrobnímu množství.

6. Převeďte prognózu na rozhodnutí o výrobě

Upravená prognóza je odhadem zákaznické poptávky. O výrobním množství se rozhoduje samostatně, se zohledněním potvrzených objednávek, použitelných zásob, již plánovaných příjmů z výroby a požadovaného stavu zásob.

Nezapočítávejte stejnou poptávku dvakrát. Pokud prognóza činí 120 kusů a potvrzené objednávky pokrývají 70 z nich, při jednoduchém pravidle spotřeby prognózy v rámci téhož období zbývá 50 kusů prognózy dosud nepokrytých objednávkami. Celková poptávka zůstává 120, nikoli 190 kusů. Vaše skutečná pravidla mohou umožňovat spotřebu prognózy i napříč různými daty nebo kategoriemi poptávky.

Nyní si představte, že máte 30 použitelných kusů hotového výrobku, na konci období chcete ponechat 10 kusů a neočekáváte žádné příjmy z již zadané výroby. K pokrytí poptávky 120 kusů by bylo třeba navrhnout výrobu 100 kusů: 120 + 10 − 30. To předpokládá, že zásoby i dokončená výroba budou k dispozici včas pro pokrytí příslušné poptávky.

Hlavní výrobní plán rozpracovává tato množství a termíny dostupnosti pro jednotlivé položky. MRP vypočítává potřebu materiálů a komponent pro schválenou výrobu. Ani prognóza, ani stav zásob však nedokazují, že má závod dostatek kapacity k včasnému dokončení výroby.

Předpokládejme například, že výroba 100 kusů vyžaduje 0,2 strojní hodiny na kus a dvě hodiny na seřízení: celkem 22 hodin na kritickém stroji. Ostatní závazky na něm už vyžadují 20 hodin, přičemž do požadovaného termínu dokončení zbývá jen 40 dostupných hodin. Navrhované zatížení činí 42 hodin. Musíte vyřešit chybějící dvě hodiny kapacity, využít vhodnou alternativu nebo upravit některý ze závazků.

Nesnižujte prognózu zákaznické poptávky na 110 jen proto, aby se zatížení vešlo do kapacity stroje. Odhad poptávky ponechte viditelný a rozhodněte, jak vyřešíte rozdíl mezi poptávkou a možnostmi jejího pokrytí.

Rozvrhněte ve SkyPlanner výrobu podle zvolené reakce

Když kvůli změně prognózy upravíte výrobní závazek, může být nutné změnit rozvrh na několika strojích a u více zakázek. Přidání jedné dávky ovlivní navazující operace, práci, která už na příslušných pracovištích čeká, i termíny dodání, které na ní závisejí.

SkyPlanner APS propojuje tuto práci v jednom sdíleném rozvrhu výrobních zdrojů. Definujte pracoviště, směny, obsluhu, výrobní operace a jejich délku a poté plán řiďte pomocí priorit a uzamčení. Arcturus, umělá inteligence pro rozvrhování ve SkyPlanner, vypočítává zařazení operací s ohledem na nastavené kapacity, způsobilé výrobní zdroje a závislosti mezi operacemi. Ganttův diagram zobrazuje výsledné pořadí a termíny dokončení.

U navrhované výroby 100 kusů se tak požadavek na obrábění propojí s ostatními kroky výrobního postupu i s dalšími operacemi, které využívají stejné výrobní zdroje. Můžete ověřit, zda schválená změna směn nebo jiná priorita umožní dokončení v požadovaném termínu, aniž byste museli ručně slaďovat fronty operací na všech dotčených strojích.

Pokud je zapnuté zohlednění materiálu při rozvrhování, Arcturus při výpočtu začátků operací bere v úvahu skladové zásoby i dostupnost materiálu z příchozích dodávek. Očekávané termíny dodání z nákupních objednávek představují předpokládanou dostupnost; stav zásob se aktualizuje až po potvrzení příjmu. Samotný volný stroj nestačí, pokud není k dispozici materiál nebo není dokončena předchozí operace.

Prognózování a rozhodování o doplňování zásob ponechte v procesu plánování poptávky nebo v ERP. SkyPlanner z prognóz automaticky nevytváří výrobní operace; rozvrhuje ty, které vytvoříte nebo předáte prostřednictvím integrace. SkyPlanner lze propojit s libovolným ERP nebo MES prostřednictvím jeho otevřeného REST API, takže si můžete ponechat systém, v němž tato rozhodnutí vznikají, a zlepšit jejich realizaci na úrovni detailního rozvrhu.

Právě proto má smysl zvolit SkyPlanner, pokud změny poptávky neustále vedou k ručnímu přeplánování: plánovači určují, co je důležité, a Arcturus vypočítá pořadí operací na výrobních zdrojích, které tato rozhodnutí převede do praxe.

Co přineslo rychlejší přeplánování společnosti Fredman Operations

Fredman Operations, finský výrobce kuchyňských a obalových výrobků vhodných pro styk s potravinami, dříve určoval priority operací ručně, bez přesného přehledu o tom, kdy se uvolní stroje a jaká kapacita je k dispozici v jednotlivých směnách. Urgentní přeplánování mohlo trvat hodinu i déle.

Při zavedení SkyPlanner došlo k propojení systémů L7 a LTR a ke zobrazení kapacit i operací ve společném Ganttově diagramu. Podle zkušeností zákazníka nyní ověření požadavku na posunutí všech nevyřízených zakázek na dřívější termín trvá sekundy namísto hodin ručních výpočtů. Tým také uvádí méně přesčasů a rychlejší reakce na změny rozvrhu.

Přínos pro výrobu spočívá v tom, že lze zjistit, co změněný požadavek znamená pro operace a termíny dodání, dokud je ještě čas reagovat.

Propojte prognózu s tím, jak na ni výroba reaguje

Nastavte pravidelné revize podle toho, jaká rozhodnutí přijímáte. S příchodem nových údajů o poptávce aktualizujte výchozí prognózu, významné odchylky posuzujte s obchodním oddělením a sledujte chybu archivované prognózy sestavené s takovým předstihem, jaký dané rozhodnutí vyžaduje. Nedovolte, aby běžné revize bez povšimnutí měnily závazky, na jejichž plnění se výroba již připravuje.

Pokud dohodnutá změna upraví výrobní množství nebo termín dostupnosti, aktualizujte výrobní operace a zkontrolujte jejich rozvržení na výrobních zdrojích. Nákup, výroba i obchod tak získají jednotný přehled o tom, co se změnilo a co lze nyní dodat.

Chcete-li zjistit, jak tuto reakci řídit s menším podílem ručního plánování, objednejte si ukázku SkyPlanner. Připravte si jeden příklad výrobního množství, o němž jste rozhodli po změně prognózy, příslušný výrobní postup a termíny, kdy musí být výrobky k dispozici. Tyto podklady poslouží jako praktický výchozí bod pro ukázku dopadu na sdílené kapacity a ostatní závazky. Pokud si chcete systém nejprve prohlédnout sami, vyzkoušejte SkyPlanner s ukázkovými daty.