Prognózovanie dopytu vo výrobe: praktický sprievodca

Domov » Zdroje » Prognózovanie dopytu vo výrobe: praktický sprievodca

Odhadovaný čas čítania: 14 minút

Prognózovanie dopytu vo výrobe odhaduje, ktoré výrobky budú zákazníci potrebovať, v akom množstve a kedy. Spája historické údaje o dopyte s informáciami o očakávaných zmenách a poskytuje nákupu aj výrobe spoločný základ pre rozhodovanie.

Užitočná prognóza vám pomôže pripraviť sa bez toho, aby ste na každý možný predaj vopred vytvárali zásoby. Vyhodnocovanie jej chýb a predpokladov vám pomáha rozhodnúť, k čomu sa zaviazať už teraz a čo môže počkať. Prognózovanie je jednou zo súčastí plánovania dopytu – širšieho procesu, v ktorom sa posudzujú informácie z trhu a schvaľuje plán dopytu.

V praxi treba zvládnuť dve úlohy: odhadnúť dopyt dostatočne spoľahlivo pre dané rozhodnutie a potom zostaviť výrobný plán, ktorý umožní zvolenú reakciu uskutočniť. SkyPlanner APS zabezpečuje detailné rozvrhovanie nadväzujúce na vaše výrobné rozhodnutia. Keď sa tieto rozhodnutia zmenia, nemusíte nanovo zostavovať poradie operácií pre každý stroj osobitne.

Pozrime sa, ako prognózu zostaviť, vyhodnotiť jej chyby a využiť ju v praxi.

1. Určite, pri akých rozhodnutiach má prognóza pomáhať

Začnite rozhodnutím, nie prognostickým modelom. Rezervovanie materiálu pre výrobok s dlhou priebežnou dobou výroby, plánovanie výroby na sklad na budúci mesiac a zvažovanie ďalšej výrobnej zmeny si vyžadujú odlišnú mieru podrobnosti.

Pred zberom údajov si zapíšte štyri veci:

• Predmet prognózy dopytu: hotový výrobok, skupina výrobkov alebo iná jasne vymedzená plánovacia položka.
• Jednotka: kusy, balenia, kilogramy alebo iná jednotne používaná fyzická jednotka. Samotné tržby môžu zakryť zmeny cien a skladby výrobkov.
• Obdobie: kedy zákazníci výrobok potrebujú. Ak to údaje umožňujú, vychádzajte jednotne z požadovaných termínov.
• Horizont: s akým predstihom musíte rozhodnúť vzhľadom na dodacie lehoty nákupu a priebežnú dobu výroby.

Ak sa k nákupu materiálu zaväzujete štyri týždne pred jeho potrebou, nestačí prognóza, ktorá vyzerá presne len s týždňovým predstihom. Vyhodnocujte odhad vytvorený štyri týždne vopred, s ktorým nákup skutočne musí pracovať.

Úroveň plánovania zvoľte podľa rozhodnutia, ktoré potrebujete urobiť. Prognóza pre skupinu výrobkov môže pomôcť pri posudzovaní budúcej výrobnej zmeny, ale nákupu nepovie, ktorý komponent pre konkrétny variant má objednať. Naopak, samostatné prognózovanie každého zriedka objednávaného variantu môže priniesť viac šumu než užitočných poznatkov. Dbajte na súlad celkového množstva za skupinu s jeho rozdelením na jednotlivé položky a posudzujte, či zmeny v skladbe ovplyvňujú materiálové alebo kapacitné potreby.

Pri výrobe na sklad pomáhajú prognózy rozhodovať o dopĺňaní zásob. Pri výrobe na zákazku môžu potvrdené objednávky určovať skutočné uvoľňovanie do výroby, zatiaľ čo prognózy pomáhajú vopred pripraviť spoločné kapacity alebo vstupy s dlhými dodacími lehotami. Samotná existencia prognózy neznamená, že musíte vyrábať hotové výrobky na sklad bez potvrdeného odbytu.

Predajný cieľ veďte oddelene. Cieľ vyjadruje, čo chce podnik predať; prognóza vyjadruje aktuálny odhad toho, čo budú zákazníci potrebovať. Znížením prognózy na úroveň súčasnej výrobnej kapacity možný neuspokojený dopyt iba skryjete, nevyriešite ho.

2. Pripravte historické údaje o dopyte, ktoré odrážajú potreby zákazníkov

Používajte konzistentný časový rad údajov o tom, aké množstvá zákazníci požadovali pri jednotlivých položkách v jednotlivých obdobiach. Východiskom môže byť prehľad expedície z vášho ERP, overte si však, čo jeho dátumy a množstvá skutočne vyjadrujú.

Častou nástrahou sú oneskorené dodávky. Ak zákazník požaduje tovar v jednom týždni, ale odošlete ho až v ďalšom, prvý týždeň môže vyzerať slabo a druhý nezvyčajne silno. Ak chcete predpovedať, kedy má byť tovar dostupný, vychádzajte podľa možností z obdobia požadovaného zákazníkom. Model sa tak nebude učiť vaše vlastné oneskorenia dodávok ako vzorec dopytu.

Historické údaje skontrolujte spolu s obchodným a prevádzkovým tímom:

• Opravte duplicitné záznamy, prepočty jednotiek a zmeny kódov výrobkov. Vrátenia a storná zohľadnite podľa ich príčiny; nepovažujte každú úpravu za nový záporný dopyt.
• Zachovajte obdobia so skutočne nulovým dopytom. Chýbajúci záznam automaticky neznamená nulu a vynechanie týždňov bez dopytu môže odhad nadhodnotiť.
• Označte výpadky zásob, obmedzenia pri prideľovaní dostupného tovaru a kapacitné obmedzenia. Ak ste odoslali 60 kusov, hoci zákazníci chceli 100, neznamená to, že dopyt bol len 60 kusov. Ak máte k dispozícii záznamy o neuspokojených požiadavkách, použite ich. Akýkoľvek odhad strateného dopytu označte ako odhad.
• Identifikujte propagačné akcie, jednorazové kontrakty, uvádzanie nových výrobkov aj výrobky vyradené z ponuky. Zachovajte pôvodné historické údaje a zaznamenajte dôvody úprav časového radu používaného na modelovanie.

Zobrazte výsledné množstvá v grafe v čase. Všímajte si stabilnú úroveň, trvalý rast alebo pokles, opakujúce sa sezónne špičky a dlhé medzery medzi objednávkami. Tieto priebehy vám pomôžu vybrať metódy, ktoré má zmysel otestovať.

Neprognózujte každý komponent samostatne, ak jeho potrebu určujú plánované nadradené výrobky. Tento závislý dopyt sa má odvodiť z kusovníka a výpočtu materiálových potrieb. Inak riskujete, že na tú istú otázku nákupu dostanete protichodné odpovede.

3. Prispôsobte metódu prognózovania priebehu dopytu

Žiadna metóda nie je najlepšia pre všetky výrobky. Začnite jednoduchou východiskovou metódou a potom posúďte, či iná metóda zlepší rozhodnutia, ktoré potrebujete robiť.

Charakter dopytu	Vhodné východisko	Čo overiť
Pomerne stabilný dopyt	Kĺzavý priemer za posledné obdobia alebo jednoduché exponenciálne vyrovnávanie	Či zvolená dĺžka priemerovaného obdobia vyhladzuje šum bez zakrytia skutočnej zmeny
Opakujúci sa sezónny dopyt	Posledná porovnateľná sezóna ako referencia; sezónny prognostický model	Či sa zmenili termíny sviatkov, pracovné dni alebo sortiment
Dlhodobý trend	Model zachytávajúci trend, napríklad exponenciálne vyrovnávanie s trendom	Či rast pokračuje alebo sa výrobok blíži k fáze zrelosti
Dopyt súvisiaci s merateľnými faktormi	Regresia alebo vhodný model strojového učenia	Či budú informácie o týchto faktoroch skutočne dostupné v čase vydania prognózy
Veľa období s nulovým dopytom a občasné objednávky	Prístup pre prerušovaný dopyt, napríklad metóda Crostonovho typu	Výsledky za celý horizont dopĺňania zásob, nielen správne predpovedanie jednotlivých týždňov bez dopytu
Nový výrobok s krátkou históriou	Údaje o porovnateľných výrobkoch a systematicky zozbierané odhady obchodníkov a zákazníkov	Predpoklady uvedenia na trh, nahrádzanie existujúcich výrobkov a rýchlosť zapracovania poznatkov zo skutočného dopytu

Jednoduché exponenciálne vyrovnávanie dáva väčšiu váhu novším pozorovaniam, ale v základnej podobe nemodeluje trend ani sezónnosť. Metódy Crostonovho typu riešia prerušovaný dopyt tým, že zohľadňujú nenulové množstvá a intervaly medzi nimi. Neodstraňujú však neistotu o ďalšej objednávke.

Ako názorný príklad kĺzavého priemeru si predstavte, že dopyt za posledné tri týždne bol 80, 100 a 120 kusov. Prognóza na nasledujúci týždeň vypočítaná pomocou trojtýždňového kĺzavého priemeru je:

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

Tento výpočet sa dá ľahko vysvetliť. Môže však zaostávať za skutočným rastúcim trendom. Tri pozorovania ukazujú spôsob výpočtu, nie to, že je metóda pre daný výrobok vhodná.

Vybrané metódy porovnávajte s jednoduchými referenciami: s posledným zaznamenaným dopytom a pri sezónnych položkách s posledným porovnateľným sezónnym obdobím. Zložitejší model si má svoje miesto zaslúžiť lepšími výsledkami na údajoch, ktoré neboli použité pri jeho tvorbe, alebo lepším prevádzkovým rozhodnutím, nie zložitosťou svojho názvu.

Aj model, ktorý využíva propagačné akcie alebo ekonomické ukazovatele, potrebuje realistické vstupy pre budúcnosť. Ak ho testujete s informáciami, ktoré v čase vytvorenia prognózy neboli dostupné, bude vyzerať lepšie, než by mohol fungovať v praxi. To, že určitá súvislosť pomáha predpovedať dopyt, samo osebe nedokazuje, že zmena daného faktora spôsobí konkrétny nárast predaja.

4. Doplňte poznatky z praxe a zachovajte východiskovú prognózu

Historické údaje vám nepovedia všetko. Zákazník mohol oznámiť odstávku, distribútor môže otvárať novú prevádzku alebo nový výrobok môže nahrádzať starší model.

Štatistickú východiskovú prognózu ponechajte viditeľnú a každú úpravu na základe poznatkov z praxe zaznamenajte samostatne. Uveďte množstvo, obdobie, dôvod, zodpovednú osobu a dátum kontroly. Skôr než daný vplyv pripočítate, overte, či ho už nezohľadňuje model alebo iná úprava.

Predstavte si, že východisková prognóza na nadchádzajúci týždeň je 100 kusov. Obchodné oddelenie doloží dopyt nového zákazníka po ďalších 20 kusoch nad rámec všetkého, čo už prognóza zahŕňa. Po posúdení sa prognóza upraví na 120 kusov. Ak zákazník presúva dopyt z iného výrobku, upravte aj prognózu pre tento výrobok, aby ste presun nevykazovali ako čistý rast.

Pri vyhodnotení sa tak môžete pýtať konkrétne: prišiel dodatočný dopyt, v ktorom období a zlepšila úprava prognózu? Priebežne porovnávajte chybu východiskovej prognózy s chybou upravenej prognózy. Ponechajte úpravy, ktoré prinášajú nové informácie; preskúmajte tie, ktoré opakovane prinášajú len optimizmus.

Pri neistom uvedení výrobku na trh alebo veľkom kontrakte si ponechajte základný scenár aj realistické scenáre vyššieho a nižšieho dopytu vrátane ich predpokladov. Ide o plánovacie scenáre, nie o štatisticky kalibrované predikčné intervaly. Pomocou nich určite, ktoré rozhodnutia by sa zmenili: rezervácia materiálu, ďalšia zmena alebo neskoršie rozhodnutie o vytvorení zásob hotových výrobkov.

5. Merajte chybu prognózy s predstihom, ktorý je pre rozhodovanie dôležitý

Každú vydanú prognózu uložte spolu s dátumom vydania, prognózovaným obdobím, položkou a verziou. Keď už poznáte skutočný dopyt, porovnajte ho s verziou, ktorá bola k dispozícii v čase, keď bolo potrebné rozhodnúť, nie s poslednou úpravou tesne pred dodaním.

Pri výbere metódy použite spätné testovanie na historických údajoch. Metódu nastavte len na základe informácií dostupných k určitému dátumu v minulosti a vytvorte prognózu na požadovaný horizont. Potom posuňte dátum, ku ktorému údaje poznáte, dopredu a postup zopakujte. Takéto testovanie s posúvaným začiatkom prognózy overuje úlohu, ktorú skutočne riešite, bez toho, aby do minulosti prenikali budúce údaje.

Príklad chyby prognózy

Predstavte si, že vyhodnocujete štyri prognózované týždne pre jeden výrobok. V každom riadku nižšie bola uložená prognóza vydaná štyri týždne pred príslušným prognózovaným týždňom. Chyba so znamienkom tu znamená prognózu mínus skutočný dopyt, takže kladné číslo označuje nadhodnotenie dopytu.

Prognózovaný týždeň	Uložená prognóza	Skutočný dopyt	Chyba so znamienkom	Absolútna chyba
Týždeň 1	110	100	+10	10
Týždeň 2	110	120	−10	10
Týždeň 3	110	80	+30	30
Týždeň 4	110	100	+10	10
Spolu	440	400	+40	60

Rôzne stránky tohto výsledku vysvetľujú tri ukazovatele:

Priemerná absolútna chyba (MAE) = súčet absolútnych chýb ÷ počet období = 60 ÷ 4 = 15 kusov za týždeň.

MAE zrozumiteľne vyjadruje typickú veľkosť chyby v jednotkách výrobku. Neukazuje však, či prognóza dopyt skôr nadhodnocuje alebo podhodnocuje.

Vážená absolútna percentuálna chyba (WAPE) = súčet absolútnych chýb ÷ súčet skutočného dopytu × 100 = 60 ÷ 400 × 100 = 15 %.

Pri týchto nezáporných množstvách dopytu vyjadruje WAPE absolútnu chybu vo vzťahu k celkovému dopytu. Neznamená to, že sa prognóza v každom týždni odchýlila najviac o 15 % ani že máte 85 % pravdepodobnosť pokrytia dopytu.

Priemerná chyba so znamienkom, čiže systematická odchýlka = súčet chýb so znamienkom ÷ počet období = 40 ÷ 4 = +10 kusov za týždeň.

Pri uvedenom spôsobe určenia znamienka bola prognóza v priemere nadhodnotená. Za štyri týždne prekročila skutočný dopyt o 40 kusov, teda o 10 % celkového skutočného dopytu. Nadhodnotenia a podhodnotenia sa môžu v súčte navzájom vyrušiť, preto samotná systematická odchýlka nedokáže opísať veľkosť chyby.

Tieto štyri riadky slúžia na vysvetlenie ukazovateľov, neposkytujú však dostatočnú históriu na overenie prognózy. Urobte dostatok testov s posúvaným začiatkom prognózy, aby zachytili sezónnosť, priebeh objednávok a zmeny relevantné pre daný výrobok.

Vyhnite sa zavádzajúcemu hodnoteniu presnosti

Priemerná absolútna percentuálna chyba (MAPE) delí absolútnu chybu každého obdobia skutočným dopytom v danom období. Pri nulovom skutočnom dopyte nie je definovaná a pri hodnotách blízkych nule je nestabilná. Preto nie je vhodnou predvolenou voľbou pre výrobky, po ktorých sa dopyt objavuje len zriedkavo.

WAPE môže zahŕňať aj niektoré obdobia s nulovým dopytom, no ak je celkový skutočný dopyt nulový, nie je definovaná. Jej menovateľ sa navyše mení s objemom: pri rastúcom dopyte sa percentuálny výsledok môže zlepšiť, aj keď sa chyba v kusoch nezmenila. Vyhodnocujte ju spolu s MAE, systematickou odchýlkou a jednoduchou východiskovou prognózou za rovnaké testovacie obdobia.

Súhrn za skupinu výrobkov môže zakryť, že pri jednom variante sa dopyt sústavne nadhodnocuje, kým pri inom sa podhodnocuje. Nehodnoťte len celkový priemer. Preskúmajte výrobky, pri ktorých hrozí nesplnenie požadovanej úrovne dodávok, vysoká hodnota zásob alebo zaťaženie kritických zdrojov.

Neexistuje univerzálne prijateľné percento chyby prognózy. Chyba 15 kusov má iné dôsledky pri lacnom bežnom diele než pri hotovej zostave s nízkou obrátkovosťou. Prognózu posudzujte podľa nákladov na nedostatok a prebytok, doby doplnenia zásob a dostupných možností reakcie. O rezervách rozhodujte podľa neistoty a pravidiel pre úroveň dodávok zákazníkom; nepripočítavajte jednoducho MAE ku každému výrobnému množstvu.

6. Premeňte prognózu na rozhodnutie o výrobe

Posúdená prognóza je odhadom dopytu zákazníkov. O výrobnom množstve sa rozhoduje samostatne, so zohľadnením potvrdených objednávok, použiteľných zásob, očakávaných príjmov z už naplánovanej výroby a stavu zásob, ktorý chcete zachovať.

Nezapočítavajte ten istý dopyt dvakrát. Ak je prognóza 120 kusov a potvrdené objednávky pokrývajú 70 z nich, pri jednoduchom pravidle, podľa ktorého objednávky nahrádzajú prognózu v tom istom období, zostáva 50 kusov prognózy bez objednávok. Celkový dopyt zostáva 120, nie 190. V praxi môžu vaše pravidlá umožňovať, aby objednávky nahrádzali prognózu naprieč rôznymi dátumami alebo kategóriami dopytu.

Teraz si predstavte, že máte 30 použiteľných kusov hotových výrobkov, na konci obdobia chcete mať 10 kusov a neočakávate žiadne príjmy z výroby. Na pokrytie dopytu po 120 kusoch by bolo potrebné navrhnúť výrobu 100 kusov: 120 + 10 − 30. Platí to za predpokladu, že zásoby aj dokončené výrobky budú dostupné skôr, než ich bude potrebné dodať na pokrytie dopytu.

Hlavný výrobný plán rozpracúva tieto množstvá a termíny dostupnosti pre jednotlivé položky. MRP vypočíta materiál a komponenty potrebné na schválenú výrobu. Ani prognóza, ani bilancia zásob však nepotvrdzujú, že závod má kapacitu vyrobiť ich načas.

Predpokladajme napríklad, že výroba týchto 100 kusov vyžaduje 0,2 strojovej hodiny na kus a dve hodiny na nastavenie: spolu 22 hodín na kritickom stroji. Ostatné záväzky na ňom už vyžadujú 20 hodín, pričom do požadovaného termínu dokončenia je k dispozícii len 40 hodín. Navrhované zaťaženie je 42 hodín. Musíte vyriešiť nedostatok dvoch hodín, využiť vhodnú alternatívu alebo upraviť niektorý záväzok.

Neznižujte prognózu dopytu zákazníkov na 110 len preto, aby zaťaženie zodpovedalo kapacite stroja. Odhad dopytu ponechajte viditeľný a rozhodnite, ako vyriešite nedostatočné pokrytie dopytu.

Rozvrhnite v SkyPlanner prácu potrebnú na zvolenú reakciu

Keď vás zmena prognózy vedie k zmene výrobného záväzku, úprava rozvrhu môže zasiahnuť viacero strojov a zákaziek. Pridanie jednej dávky ovplyvní nadväzujúce operácie, prácu, ktorá už na dotknutých strojoch čaká, aj súvisiace termíny dodania.

SkyPlanner APS zjednocuje túto prácu v jednom spoločnom rozvrhu výrobných zdrojov. Definujte pracoviská, zmeny, operátorov, kroky výrobného postupu a ich trvanie. Potom usmerňujte plán pomocou priorít a uzamknutí. Arcturus, umelá inteligencia na rozvrhovanie v SkyPlanner, vypočíta zaradenie operácií podľa nastavenej kapacity, vhodných zdrojov a vzájomných závislostí operácií. Ganttov diagram zobrazí výsledné poradie a termíny dokončenia.

Pri navrhovanej výrobe 100 kusov sa tak požiadavka na obrábanie prepojí s ostatnými operáciami výrobného postupu aj s ďalšími operáciami, ktoré využívajú rovnaké zdroje. Môžete posúdiť, či schválená zmena v rozvrhu zmien alebo úprava priority umožní dokončiť výrobu v požadovanom termíne, bez ručného zosúlaďovania poradia operácií na každom dotknutom stroji.

Ak je zapnuté rozvrhovanie so zohľadnením materiálu, Arcturus pri výpočte časov začatia zohľadňuje skladové zásoby aj dostupnosť prichádzajúceho materiálu. Očakávané termíny dodania z nákupných objednávok predstavujú predpokladanú dostupnosť; stav zásob sa aktualizuje po potvrdení príjmu. Samotný voľný stroj nestačí, ak nie je k dispozícii materiál alebo nie je dokončená predchádzajúca operácia.

Prognózovanie a rozhodovanie o dopĺňaní zásob ponechajte v procese plánovania dopytu alebo v systéme ERP. SkyPlanner nevytvára výrobné operácie automaticky z prognóz; rozvrhuje operácie, ktoré vytvoríte alebo prenesiete prostredníctvom integrácie. SkyPlanner sa integruje s akýmkoľvek systémom ERP alebo MES prostredníctvom svojho otvoreného REST API, takže si môžete ponechať systém, v ktorom tieto rozhodnutia prijímate, a zlepšiť ich realizáciu na úrovni jednotlivých operácií.

Práve preto sa oplatí zvoliť SkyPlanner, keď zmeny dopytu opakovane vedú k ručnému preplánovaniu výroby: plánovači určia, čo je dôležité, a Arcturus vypočíta poradie operácií na zdrojoch tak, aby sa tieto rozhodnutia premietli do praxe.

Čo prinieslo rýchlejšie preplánovanie spoločnosti Fredman Operations

Fredman Operations, fínsky výrobca kuchynských a obalových výrobkov vhodných na styk s potravinami, predtým určoval priority operácií ručne, bez presného prehľadu o tom, kedy sa stroje uvoľnia a aká kapacita je dostupná v jednotlivých zmenách. Urgentné preplánovanie mohlo trvať hodinu aj dlhšie.

Zavedením SkyPlanner sa prepojili systémy L7 a LTR a kapacity aj operácie sa zobrazili v spoločnom Ganttovom diagrame. Podľa skúseností zákazníka trvá preverenie požiadavky na skoršie vybavenie všetkých nevybavených objednávok sekundy namiesto hodín ručných výpočtov. Tím uvádza aj menej nadčasov a rýchlejšie reakcie na zmeny rozvrhu.

Podstatný prínos spočíva v reakcii výroby: vedieť, čo zmenená požiadavka znamená pre operácie a termíny dodania, kým je ešte čas konať.

Prepojte prognózu s reakciou výroby

Nastavte intervaly revízií podľa rozhodnutí, ktoré prijímate. S príchodom nových údajov o dopyte aktualizujte východiskovú prognózu, s obchodným oddelením prehodnocujte významné odchýlky a sledujte chybu archivovanej prognózy zostavenej s predstihom, ktorý dané rozhodnutie vyžaduje. Nedovoľte, aby bežné revízie bez povšimnutia menili záväzky, na ktorých plnenie sa už výroba pripravuje.

Keď dohodnutá zmena ovplyvní výrobné množstvo alebo termín dostupnosti, aktualizujte výrobné operácie a skontrolujte ich rozvrh na zdrojoch. Nákup, výroba aj obchod tak získajú jednotný prehľad o tom, čo sa zmenilo a čo teraz možno dodať.

Ak chcete zistiť, ako zvládnuť túto reakciu s menším množstvom ručného plánovania, dohodnite si ukážku SkyPlanner. Pripravte si príklad výroby v množstve, ktoré ste stanovili po zmene prognózy, spolu s príslušným výrobným postupom a termínmi, kedy musia byť výrobky k dispozícii. Tieto údaje poslúžia ako praktický základ na posúdenie vplyvu na zdieľané kapacity a ostatné záväzky. Ak si chcete systém najprv prezrieť sami, vyskúšajte SkyPlanner s ukážkovými údajmi.