Previsione della domanda nell’industria: guida pratica

Home » Risorse » Previsione della domanda nell’industria: guida pratica

Tempo di lettura stimato: 14 minuti

La previsione della domanda nell’industria stima quali prodotti serviranno ai clienti, in quali quantità e quando. Combina lo storico della domanda con le informazioni sui cambiamenti attesi, offrendo ad acquisti e produzione una base comune su cui decidere.

Una previsione utile aiuta a prepararsi senza trasformare ogni possibile vendita in scorte. Riesaminarne l’errore e le ipotesi aiuta a decidere quali impegni assumere subito e quali rimandare. La previsione è una parte della pianificazione della domanda, il processo più ampio con cui si valutano le informazioni di mercato e si concorda il piano della domanda.

La sfida pratica si articola in due passaggi: stimare la domanda con un’accuratezza adeguata alla decisione e poi costruire un piano di produzione che permetta di attuare la risposta scelta. SkyPlanner APS gestisce la schedulazione di dettaglio necessaria a concretizzare le decisioni produttive, evitando di dover ricostruire le sequenze di lavoro delle singole macchine ogni volta che queste decisioni cambiano.

Vediamo come elaborare la previsione, valutarne l’errore e usarla nelle decisioni operative.

1. Definisci quali decisioni deve supportare la previsione

Parti dalla decisione, non dal modello previsionale. Riservare materiale per un prodotto con un lead time lungo, decidere quanto produrre per magazzino il mese prossimo e valutare un turno di produzione aggiuntivo richiedono livelli di dettaglio diversi.

Prima di raccogliere i dati, metti per iscritto quattro elementi:

• L’oggetto della previsione: un prodotto finito, una famiglia di prodotti o un altro elemento di pianificazione chiaramente definito.
• L’unità di misura: pezzi, confezioni, chilogrammi o un’altra unità fisica usata in modo coerente. Il solo fatturato può nascondere variazioni di prezzo e del mix di prodotti.
• Il periodo: quando il prodotto serve ai clienti, facendo riferimento in modo coerente alla data richiesta, se i dati lo consentono.
• L’orizzonte: con quanto anticipo occorre decidere, tenendo conto dei lead time di acquisto e di produzione.

Se assumi impegni sui materiali quattro settimane prima che servano, non basta una previsione che risulti accurata solo a una settimana di distanza. Valuta la stima formulata con quattro settimane di anticipo, quella che l’ufficio acquisti deve effettivamente usare.

Scegli il livello di pianificazione in funzione della decisione. Una previsione per famiglia di prodotti può aiutare a valutare un turno futuro, ma non indica all’ufficio acquisti quale componente specifico di una variante acquistare. D’altra parte, prevedere separatamente la domanda di ogni variante ordinata di rado può generare più rumore che informazioni utili. Mantieni coerenti il totale della famiglia e la sua ripartizione per articolo e verifica se le variazioni del mix incidono sui materiali o sulla capacità produttiva.

Nella produzione per magazzino, le previsioni supportano le decisioni di reintegro delle scorte. Nella produzione su commessa, gli ordini confermati possono determinare l’effettivo rilascio in produzione, mentre le previsioni aiutano a predisporre la capacità condivisa o ad approvvigionare materiali con lead time lunghi. Avere una previsione non significa dover produrre scorte di prodotti finiti in attesa di possibili vendite.

Tieni separato l’obiettivo di vendita. L’obiettivo indica quanto l’azienda vuole vendere; la previsione esprime la stima attuale di ciò che servirà ai clienti. Ridurre la previsione per adeguarla alla capacità attuale dello stabilimento nasconde la domanda potenzialmente insoddisfatta, senza risolvere il problema.

2. Prepara uno storico della domanda che rifletta le esigenze dei clienti

Usa una serie coerente di quantità richieste, suddivise per articolo e periodo. Il report delle spedizioni dell’ERP può essere un punto di partenza, ma verifica che cosa rappresentano realmente le date e le quantità riportate.

Le consegne in ritardo sono un’insidia frequente. Le quantità richieste in una settimana ma spedite in quella successiva possono far apparire debole la prima e insolitamente forte la seconda. Se l’obiettivo è prevedere quando occorrerà rendere disponibile il prodotto, usa ove possibile il periodo richiesto dal cliente, evitando che il modello interpreti i tuoi ritardi di consegna come un andamento della domanda.

Verifica lo storico insieme alle funzioni commerciali e operative:

• Correggi i record duplicati, le conversioni delle unità di misura e i cambi di codice prodotto. Gestisci resi e annullamenti in base alla loro causa, anziché trattare ogni rettifica come nuova domanda negativa.
• Mantieni i periodi in cui la domanda è stata realmente nulla. Un dato mancante non equivale automaticamente a zero, ed eliminare le settimane senza domanda può gonfiare la stima.
• Segnala le rotture di stock, i vincoli di allocazione e i limiti di capacità. Spedire 60 unità quando i clienti ne volevano 100 non dimostra che la domanda fosse soltanto di 60. Usa le richieste inevase registrate, se disponibili; indica esplicitamente come stima qualsiasi valore attribuito alla domanda persa.
• Identifica promozioni, contratti una tantum, lanci e prodotti fuori produzione. Conserva lo storico originale e documenta i motivi delle modifiche apportate alla serie usata per il modello.

Rappresenta su un grafico le quantità risultanti nel tempo. Cerca livelli stabili, crescite o cali duraturi, picchi stagionali ricorrenti e lunghi intervalli tra gli ordini. Questi andamenti aiutano a individuare i metodi da mettere alla prova.

Non prevedere in modo indipendente la domanda di ogni componente quando il suo fabbisogno dipende dai prodotti di livello superiore pianificati. Questa domanda dipendente va ricavata dalla distinta base e dal calcolo dei fabbisogni di materiali. Altrimenti rischi di ottenere indicazioni contrastanti per la stessa decisione d’acquisto.

3. Scegli il metodo previsionale in base all’andamento della domanda

Non esiste un metodo migliore per tutti i prodotti industriali. Parti da un metodo di riferimento semplice, poi valuta se un altro metodo migliora le decisioni che devi prendere.

Andamento della domanda	Un punto di partenza ragionevole	Cosa verificare
Domanda relativamente stabile	Una media mobile sui periodi recenti o uno smorzamento esponenziale semplice	Se la finestra della media attenua il rumore senza nascondere un cambiamento reale
Domanda stagionale ricorrente	L’ultima stagione comparabile come riferimento; un modello previsionale stagionale	Se sono cambiati il calendario delle festività, i giorni lavorativi o la gamma di prodotti
Tendenza duratura	Un modello che tenga conto della tendenza, come lo smorzamento esponenziale con trend	Se la crescita continua o il prodotto si sta avvicinando alla maturità
Domanda legata a fattori misurabili	Una regressione o un modello di apprendimento automatico adeguato	Se le informazioni sui fattori saranno effettivamente disponibili al momento di formulare la previsione
Molti periodi con domanda nulla e ordini occasionali	Un approccio per la domanda intermittente, come un metodo di tipo Croston	Le prestazioni sull’orizzonte di riapprovvigionamento, non solo la capacità di prevedere ogni settimana senza domanda
Un nuovo prodotto con pochi dati storici	Dati di prodotti comparabili e valutazioni strutturate dei commerciali e dei clienti	Le ipotesi di lancio, la sostituzione di prodotti esistenti e la rapidità con cui si incorporano le informazioni sulla domanda effettiva

Lo smorzamento esponenziale semplice attribuisce più peso alle osservazioni recenti, ma nella sua forma di base non modella né la tendenza né la stagionalità. I metodi di tipo Croston affrontano la domanda intermittente considerando le quantità diverse da zero e gli intervalli che le separano; non eliminano l’incertezza sul prossimo ordine.

Per un esempio chiaro di media mobile, immaginiamo che la domanda delle ultime tre settimane sia stata di 80, 100 e 120 unità. La previsione per la settimana successiva, calcolata con una media mobile a tre settimane, è:

Previsione = (80 + 100 + 120) ÷ 3 = 100 unità.

Il calcolo è facile da spiegare, ma può anche reagire in ritardo a una reale tendenza al rialzo. Tre osservazioni illustrano il calcolo, non dimostrano che il metodo sia adatto al prodotto.

Confronta i metodi candidati con riferimenti semplici: l’ultima domanda osservata e, per gli articoli stagionali, l’ultimo periodo stagionale comparabile. Un modello più complesso deve giustificare la propria adozione con prestazioni migliori su dati non usati per costruirlo o con una decisione operativa migliore, non con un nome più sofisticato.

Anche un modello che utilizza promozioni o indicatori economici ha bisogno di dati di input realistici per il futuro. Se lo si verifica con informazioni che non erano disponibili alla data della previsione, i risultati appaiono migliori di quelli che avrebbe potuto ottenere nella pratica. Una relazione utile per prevedere la domanda non dimostra, da sola, che modificare il fattore considerato provocherà un determinato aumento delle vendite.

4. Integra le conoscenze aziendali senza perdere la previsione di base

I dati storici non possono dire tutto. Un cliente potrebbe aver annunciato una chiusura, un distributore potrebbe aprire una nuova sede oppure un prodotto potrebbe sostituire un modello precedente.

Mantieni visibile la previsione statistica di base e registra separatamente ogni rettifica basata sulle informazioni aziendali. Per ciascuna indica quantità, periodo, motivazione, responsabile e data di riesame. Prima di aggiungere un effetto, verifica che non sia già incluso nel modello o in un’altra rettifica.

Immagina che la previsione di base sia di 100 unità per una delle prossime settimane. L’ufficio vendite documenta una domanda aggiuntiva di 20 unità da parte di un nuovo cliente, oltre a quanto già incluso. La previsione rivista diventa quindi di 120 unità. Se il cliente sta spostando la domanda da un altro prodotto, rettifica anche la previsione di quel prodotto, anziché registrare lo spostamento come pura crescita.

In questo modo il riesame si basa su domande concrete: la domanda aggiuntiva si è effettivamente presentata? In quale periodo? La rettifica ha migliorato la previsione? Nel tempo, confronta l’errore della previsione di base con quello della previsione rettificata. Mantieni le rettifiche che aggiungono informazioni e analizza quelle che introducono sistematicamente un eccesso di ottimismo.

Per un lancio dall’esito incerto o un contratto importante, conserva uno scenario di base e due scenari plausibili, uno con domanda più alta e uno con domanda più bassa, insieme alle rispettive ipotesi. Sono scenari di pianificazione, non intervalli di previsione calibrati statisticamente. Usali per individuare quali decisioni cambierebbero: riservare materiali, aggiungere un turno o rimandare l’impegno a produrre scorte di prodotti finiti.

5. Misura l’errore di previsione in funzione del lead time rilevante

Salva ogni previsione emessa con data, periodo di riferimento, articolo e versione. Quando la domanda effettiva è nota, confrontala con la versione disponibile nel momento in cui l’azienda doveva agire, non con l’ultima revisione effettuata poco prima della consegna.

Per scegliere il metodo, esegui una simulazione previsionale sui dati storici, o backtest. Stima il modello usando solo le informazioni disponibili a una data passata e genera la previsione per l’orizzonte richiesto; poi sposta in avanti la data limite e ripeti. Questo approccio a origine mobile riproduce il compito che devi affrontare nella realtà, senza usare osservazioni future per formulare previsioni nel passato.

Un esempio di errore di previsione

Immagina di valutare la previsione di un prodotto per quattro settimane di riferimento. Per ogni riga della tabella seguente, la previsione salvata è stata emessa quattro settimane prima della settimana di riferimento. Qui l’errore con segno è definito come previsione meno domanda effettiva: un valore positivo indica quindi una sovrastima.

Settimana di riferimento	Previsione salvata	Domanda effettiva	Errore con segno	Errore assoluto
Settimana 1	110	100	+10	10
Settimana 2	110	120	−10	10
Settimana 3	110	80	+30	30
Settimana 4	110	100	+10	10
Totale	440	400	+40	60

Tre indicatori descrivono aspetti diversi di questo risultato:

Errore medio assoluto (MAE) = somma degli errori assoluti ÷ numero di periodi = 60 ÷ 4 = 15 unità alla settimana.

Il MAE esprime l’entità tipica dell’errore in modo comprensibile, nella stessa unità di misura del prodotto. Non indica se le previsioni tendono a sovrastimare o a sottostimare la domanda.

Errore percentuale assoluto ponderato (WAPE) = somma degli errori assoluti ÷ somma della domanda effettiva × 100 = 60 ÷ 400 × 100 = 15%.

Per questi valori non negativi della domanda, il WAPE esprime l’errore assoluto rispetto alla domanda totale. Non significa che l’errore della previsione di ogni settimana fosse entro il 15%, né che la probabilità di soddisfare la domanda sia dell’85%.

Errore medio con segno, o bias = somma degli errori con segno ÷ numero di periodi = 40 ÷ 4 = +10 unità alla settimana.

Con la convenzione di segno indicata, la previsione ha mediamente sovrastimato la domanda. Nelle quattro settimane ha superato la domanda effettiva di 40 unità, pari al 10% della domanda effettiva totale. Sovrastime e sottostime possono compensarsi nel totale: per questo il solo bias non descrive l’entità dell’errore.

Queste quattro righe servono a illustrare gli indicatori, ma non costituiscono uno storico sufficiente per la validazione. Esegui un numero di test a origine mobile sufficiente a rappresentare la stagionalità, gli andamenti degli ordini e i cambiamenti rilevanti per il prodotto.

Evita indicatori di accuratezza fuorvianti

Il MAPE divide l’errore assoluto di ciascun periodo per la domanda effettiva dello stesso periodo. Non è definito quando la domanda effettiva è zero ed è instabile quando è prossima a zero. Per questo è poco adatto come scelta predefinita per prodotti manifatturieri con domanda sporadica.

Il WAPE può includere alcuni periodi a domanda zero, ma non è definito se la domanda effettiva totale è zero. Inoltre, il suo denominatore varia con i volumi: un aumento della domanda può migliorare la percentuale anche se l’errore in unità non è diminuito. Valutalo insieme al MAE, al bias e alla previsione di base semplice, sugli stessi periodi di test.

Il totale di una famiglia di prodotti può nascondere una variante la cui domanda viene sistematicamente sovrastimata e un’altra per cui viene sottostimata. Non limitarti alla media complessiva: esamina i prodotti che mettono a rischio il livello di servizio, generano scorte costose o gravano sulle risorse produttive critiche.

Non esiste una percentuale di errore di previsione accettabile in ogni situazione. Un errore di 15 unità ha conseguenze diverse per un componente comune ed economico e per un assieme finito a bassa rotazione. Valuta la previsione in base ai costi delle carenze e delle eccedenze, al lead time di riapprovvigionamento e alle opzioni di risposta disponibili. Definisci i margini di protezione in funzione dell’incertezza e della politica di servizio, anziché limitarti ad aggiungere il MAE a ogni quantità da produrre.

6. Trasforma la previsione in una decisione produttiva

La previsione rivista è una stima della domanda dei clienti. La quantità da produrre è una decisione distinta, che tiene conto degli ordini confermati, delle scorte utilizzabili, dei versamenti a magazzino già previsti dalla produzione e del livello di scorta che si desidera mantenere.

Evita di conteggiare due volte la stessa domanda. Se la previsione è di 120 unità e gli ordini confermati ne coprono 70, una semplice regola di consumo della previsione nello stesso periodo lascia 50 unità di previsione ancora non coperte da ordini. La domanda totale rimane 120, non 190. La politica effettivamente adottata può prevedere il consumo della previsione su date o classi di domanda diverse.

Ora immagina di avere 30 unità di prodotto finito utilizzabili, di volerne conservare 10 a fine periodo e di non avere versamenti dalla produzione in arrivo. Per coprire le 120 unità, la quantità proposta da produrre sarebbe di 100 unità: 120 + 10 − 30. Questo presuppone che le scorte e i prodotti completati siano disponibili prima della domanda che devono soddisfare.

Il piano principale di produzione definisce queste quantità e le date di disponibilità per ciascun articolo. L’MRP calcola i fabbisogni di materiali e componenti per le quantità di produzione approvate. Né la previsione né il saldo di magazzino dimostrano che lo stabilimento abbia la capacità per produrle in tempo.

Supponiamo, ad esempio, che per produrre quel lotto di 100 unità servano 0,2 ore macchina per unità, più due ore di attrezzaggio: in totale 22 ore sulla macchina critica. Altri impegni occupano già 20 ore sulla stessa macchina, mentre prima della data di completamento richiesta sono disponibili solo 40 ore. Il carico proposto è di 42 ore. Occorre colmare una carenza di due ore, usare un’alternativa idonea o rivedere un impegno.

Non ridurre a 110 la previsione della domanda dei clienti solo per far rientrare il carico nella capacità della macchina. Mantieni visibile la stima della domanda e decidi come colmare il divario tra domanda e disponibilità.

Usa SkyPlanner per schedulare le operazioni necessarie alla risposta produttiva

Quando una variazione delle previsioni porta a modificare un impegno produttivo, la schedulazione può coinvolgere più macchine e ordini. L’aggiunta di un lotto influisce sulle operazioni successive, sulle lavorazioni già in coda e sulle date di consegna che ne dipendono.

SkyPlanner APS riunisce queste lavorazioni in un unico programma condiviso delle risorse produttive. Definisci postazioni di lavoro, turni, operatori, fasi del ciclo e durate, quindi usa priorità e blocchi per guidare la pianificazione. Arcturus, l’intelligenza artificiale di SkyPlanner per la schedulazione, calcola dove collocare le operazioni in base alla capacità configurata, alle risorse produttive idonee e ai vincoli di precedenza tra le operazioni. La vista Gantt mostra la sequenza risultante e le date di completamento.

Per la produzione proposta di 100 unità, questo permette di collegare il fabbisogno di lavorazione meccanica alle altre fasi del ciclo e alle lavorazioni che utilizzano le stesse risorse produttive. Puoi verificare se una modifica approvata dei turni o una diversa priorità consente di completare il lavoro entro la data richiesta, senza dover riallineare manualmente le code di tutte le macchine coinvolte.

Quando è attiva la schedulazione che tiene conto dei materiali, Arcturus considera le scorte e la disponibilità dei materiali in arrivo nel calcolo degli orari di inizio. Le date di consegna previste per gli acquisti indicano una disponibilità attesa; le giacenze si aggiornano alla conferma del ricevimento. Non basta che una macchina risulti libera se il materiale non è disponibile o l’operazione precedente non è completata.

Mantieni le decisioni sulle previsioni e sul riapprovvigionamento nel processo di pianificazione della domanda o nell’ERP. SkyPlanner non genera automaticamente operazioni di produzione a partire dalle previsioni: schedula le lavorazioni che crei o trasmetti tramite integrazione. SkyPlanner si integra con qualsiasi ERP o MES tramite la sua API REST aperta, così puoi mantenere il sistema che gestisce queste decisioni e migliorarne l’esecuzione operativa nel dettaglio.

Ecco perché scegliere SkyPlanner quando ogni variazione della domanda richiede interventi manuali di schedulazione: i pianificatori stabiliscono le priorità e Arcturus calcola la sequenza delle operazioni sulle risorse produttive per tradurre quelle decisioni in pratica.

Cosa è cambiato per Fredman Operations con una rischedulazione più rapida

Fredman Operations, produttore finlandese di articoli per la cucina e l’imballaggio idonei al contatto alimentare, in precedenza assegnava manualmente le priorità alle operazioni, senza una visibilità precisa su quando le macchine si sarebbero liberate o sulla capacità disponibile in ciascun turno. Una rischedulazione urgente poteva richiedere un’ora o più.

Con l’implementazione di SkyPlanner, l’azienda ha collegato i sistemi L7 e LTR e riunito capacità e lavorazioni in una vista Gantt condivisa. Secondo la testimonianza del cliente, verificare una richiesta di anticipo dell’intero portafoglio ordini richiede pochi secondi anziché ore di calcoli manuali. Il team riferisce anche una riduzione degli straordinari e una risposta più rapida alle modifiche del programma.

Il beneficio rilevante riguarda la risposta della produzione: capire quali conseguenze ha una variazione del fabbisogno sulle lavorazioni e sulle date di consegna, quando c’è ancora tempo per intervenire.

Mantieni il collegamento tra previsione e risposta della produzione

Stabilisci una frequenza di revisione adatta alle decisioni da prendere. Aggiorna la previsione di base man mano che arrivano nuovi dati sulla domanda, esamina le eccezioni significative con il reparto commerciale e monitora l’errore della previsione archiviata, usando l’anticipo richiesto da ciascuna decisione. Non lasciare che le revisioni di routine modifichino, senza un esame esplicito, gli impegni che la produzione si sta già preparando a rispettare.

Quando una modifica concordata cambia la quantità da produrre o la data di disponibilità, aggiorna le lavorazioni e rivedi la loro schedulazione sulle risorse produttive. In questo modo acquisti, produzione e commerciale hanno una visione coerente di ciò che è cambiato e di ciò che ora è possibile consegnare.

Per scoprire come gestire questa risposta riducendo il lavoro manuale di pianificazione, prenota una demo di SkyPlanner. Porta un esempio di quantità da produrre che hai deciso in seguito a una variazione della previsione, con il relativo ciclo di lavorazione e le date entro cui i prodotti devono essere disponibili. Questi dati sono un punto di partenza concreto per vedere l’impatto sulla capacità condivisa e sugli altri impegni produttivi. Se preferisci prima esplorare il software, prova SkyPlanner con i dati dimostrativi.