Прогнозування попиту у виробництві: практичний посібник

Головна » Ресурси » Прогнозування попиту у виробництві: практичний посібник

Орієнтовний час читання: 14 хвилин

Прогнозування попиту у виробництві дає змогу оцінити, яка продукція знадобиться клієнтам, у якій кількості та коли. Воно поєднує історію попиту з інформацією про майбутні зміни, щоб закупівлі й виробництво мали спільну основу для ухвалення рішень.

Корисний прогноз допомагає підготуватися, не створюючи запасів під кожен можливий продаж. Аналіз його похибки та припущень дає змогу вирішити, які зобов’язання брати на себе зараз, а з якими можна зачекати. Прогнозування — це частина планування попиту, ширшого процесу, що охоплює аналіз ринкової інформації та узгодження плану попиту.

На практиці завдання складається з двох частин: спочатку оцінити попит із достатньою для ухвалення рішення точністю, а потім скласти виробничий план, який дасть змогу реалізувати обрані дії. SkyPlanner APS бере на себе детальне календарне планування для реалізації ваших виробничих рішень. Коли ці рішення змінюються, вам не доводиться заново складати черги завдань для кожного верстата.

Розгляньмо, як скласти прогноз, оцінити його похибку та застосувати на практиці.

1. Визначте, які рішення має допомогти ухвалити прогноз

Почніть із рішення, а не з моделі прогнозування. Резервування матеріалів для продукції з тривалим часом виконання замовлення, визначення обсягів виробництва на склад на наступний місяць і розгляд додаткової виробничої зміни потребують різного рівня деталізації.

Перш ніж збирати дані, зафіксуйте чотири параметри:

• Об’єкт прогнозування попиту: готовий виріб, група продукції або інша чітко визначена планова позиція.
• Одиниця вимірювання: штуки, паковання, кілограми або інша незмінна натуральна одиниця. Сама лише виручка може приховувати зміни цін і асортиментної структури.
• Період: коли продукція потрібна клієнтам. Якщо дані це дозволяють, послідовно використовуйте дати, на які клієнти запитують продукцію.
• Горизонт: на скільки часу наперед потрібно ухвалювати рішення з урахуванням строків закупівлі та виготовлення.

Якщо ви берете на себе зобов’язання щодо матеріалів за чотири тижні до того, як вони знадобляться, прогнозу, який показує добру точність лише на тиждень наперед, недостатньо. Оцінюйте саме той прогноз, складений за чотири тижні до потрібного періоду, яким фактично має користуватися відділ закупівель.

Обирайте рівень планування відповідно до рішення. Прогноз для групи продукції може допомогти оцінити потребу в майбутній зміні, але не підкаже закупівельникам, який компонент для конкретного варіанта виробу слід придбати. Водночас окремі прогнози для кожного варіанта, що замовляють рідко, можуть давати більше шуму, ніж корисної інформації. Узгоджуйте загальний обсяг для групи з його розподілом за окремими позиціями та перевіряйте, чи впливають зміни асортиментної структури на матеріали або потужності.

За виробництва на склад прогнози допомагають ухвалювати рішення про поповнення запасів. За виробництва на замовлення підставою для фактичного запуску можуть бути підтверджені замовлення, а прогнози допомагають заздалегідь підготувати спільні виробничі потужності або ресурси з тривалими строками постачання. Сам факт наявності прогнозу не означає, що потрібно виготовляти готову продукцію на склад у розрахунку на можливі продажі.

Не змішуйте прогноз із цільовим показником продажів. Цільовий показник відображає, скільки підприємство хоче продати, а прогноз — скільки, за поточними очікуваннями, знадобиться клієнтам. Занижуючи прогноз під наявні виробничі потужності, ви лише приховуєте можливий незадоволений попит, а не розв’язуєте проблему.

2. Підготуйте історію попиту, що відображає потреби клієнтів

Використовуйте послідовний ряд даних про обсяги попиту за позиціями та періодами. За основу можна взяти звіт про відвантаження з вашої ERP-системи, але спочатку перевірте, що насправді означають наведені в ньому дати й кількості.

Прострочені поставки часто вводять в оману. Якщо продукцію, потрібну клієнтам одного тижня, відвантажили наступного, попит першого тижня може здаватися низьким, а другого — незвично високим. Якщо ваша мета — передбачити, коли продукція має бути в наявності, за можливості використовуйте період, на який її запитував клієнт. Інакше модель сприйматиме ваші затримки поставок як закономірність попиту.

Перевірте історичні дані разом із відділом продажів і виробничими підрозділами:

• Усуньте дублікати записів, виправте помилки перерахунку одиниць вимірювання та врахуйте зміни кодів продукції. Обліковуйте повернення й скасування відповідно до їхніх причин, а не трактуйте кожне коригування як новий від’ємний попит.
• Зберігайте періоди, коли попит справді дорівнював нулю. Відсутність запису не означає автоматично нульовий попит, а вилучення тижнів без замовлень може завищити прогнозну оцінку.
• Позначайте випадки відсутності запасів, лімітованого розподілу продукції та обмежень потужностей. Відвантаження 60 одиниць, коли клієнтам було потрібно 100, не доводить, що попит становив лише 60. Використовуйте записи про невиконані запити, якщо вони є; будь-яку розрахункову оцінку втраченого попиту позначайте саме як оцінку.
• Виділіть промоакції, разові контракти, виведення новинок на ринок і продукцію, зняту з виробництва. Зберігайте вихідну історію та фіксуйте причини коригування ряду даних для моделювання.

Побудуйте графік отриманих обсягів у часі. Зверніть увагу на стабільний рівень, стале зростання чи спад, повторювані сезонні піки та тривалі проміжки між замовленнями. Ці закономірності допоможуть визначити, які методи варто перевірити.

Не прогнозуйте кожен компонент окремо, якщо потреба в ньому визначається планами випуску виробів, до складу яких він входить. Такий залежний попит слід визначати за специфікацією матеріалів і розрахунком потреб у матеріалах. Інакше ви ризикуєте отримати суперечливі відповіді на одне й те саме питання щодо закупівлі.

3. Доберіть метод прогнозування відповідно до характеру попиту

Немає єдиного методу, найкращого для всієї продукції. Почніть із простого базового прогнозу, а потім перевірте, чи допомагає інший метод ухвалювати кращі рішення.

Характер попиту	З чого варто почати	Що перевірити
Відносно стабільний попит	Ковзне середнє за останні періоди або просте експоненційне згладжування	Чи згладжує обраний інтервал усереднення випадкові коливання, не приховуючи реальних змін
Повторюваний сезонний попит	Останній зіставний сезон як орієнтир; модель сезонного прогнозування	Чи змінилися дати свят, кількість робочих днів або асортимент продукції
Стійкий тренд	Модель, що враховує тренд, наприклад експоненційне згладжування з трендом	Чи триває зростання, чи продукт уже наближається до стадії зрілості
Попит, пов’язаний із вимірюваними чинниками	Регресія або відповідна модель машинного навчання	Чи будуть дані про ці чинники справді доступні на момент складання прогнозу
Багато періодів із нульовим попитом та поодинокі замовлення	Підхід для переривчастого попиту, наприклад один із методів Кростона	Якість прогнозу на горизонті поповнення запасів, а не лише правильність передбачення кожного тижня без попиту
Новий продукт із короткою історією попиту	Дані про аналогічну продукцію та систематизовані оцінки відділу продажів і клієнтів	Припущення щодо виходу на ринок, заміщення наявної продукції та швидкість уточнення оцінок за фактичним попитом

Просте експоненційне згладжування надає більшої ваги останнім спостереженням, але в базовій формі не моделює тренд чи сезонність. Методи Кростона враховують особливості переривчастого попиту, аналізуючи ненульові обсяги та проміжки між ними, проте не усувають невизначеності щодо наступного замовлення.

Для наочного прикладу ковзного середнього припустімо, що попит за останні три тижні становив 80, 100 і 120 одиниць. Тоді прогноз на наступний тиждень за тритижневим ковзним середнім дорівнює:

Прогноз = (80 + 100 + 120) ÷ 3 = 100 одиниць.

Цей розрахунок легко пояснити. Однак він може із запізненням відображати реальну тенденцію до зростання. Три спостереження ілюструють арифметику, але не доводять, що метод підходить для цього продукту.

Порівнюйте обрані методи з простими орієнтирами: останнім спостереженим попитом, а для сезонної продукції — попитом за останній зіставний сезонний період. Складніша модель має виправдовувати своє застосування кращими результатами на даних, які не використовувалися для її побудови, або кращим оперативним рішенням, а не складністю назви.

Модель, що використовує дані про промоакції чи економічні показники, також потребує реалістичних вхідних даних на майбутнє. Якщо перевіряти її з використанням інформації, якої не було на дату складання прогнозу, результати виглядатимуть кращими, ніж могли бути на практиці. Зв’язок, корисний для прогнозування, сам по собі не доводить, що зміна певного чинника спричинить конкретне зростання продажів.

4. Враховуйте бізнес-контекст, зберігаючи базовий прогноз

Історичні дані не дають повної картини. Клієнт міг оголосити про зупинку виробництва, дистриб’ютор — відкривати нову філію, а новий виріб — замінювати попередню модель.

Зберігайте можливість окремо переглядати статистичний базовий прогноз, а кожне коригування на основі бізнес-інформації фіксуйте окремо. Зазначайте кількість, період, причину, відповідального та дату перегляду. Перш ніж додавати певний ефект, перевірте, чи його вже не враховано в моделі або іншому коригуванні.

Припустімо, базовий прогноз на майбутній тиждень становить 100 одиниць. Відділ продажів надає підтвердження попиту від нового клієнта ще на 20 одиниць понад усе, що вже враховано. Після перегляду прогноз становить 120 одиниць. Якщо клієнт переносить попит з іншого виробу, скоригуйте прогноз і для нього, а не записуйте таке перенесення як чисте зростання.

Тоді перевірка матиме конкретні запитання: чи справді виник додатковий попит, у якому періоді та чи поліпшило коригування прогноз? З часом порівнюйте похибку базового прогнозу з похибкою скоригованого. Зберігайте коригування, що додають інформацію; з’ясовуйте причини тих, що раз у раз лише завищують очікування.

Якщо запуск продукту або великий контракт пов’язаний із невизначеністю, зберігайте базовий сценарій, а також правдоподібні сценарії з вищим і нижчим попитом та відповідними припущеннями. Це сценарії для планування, а не статистично калібровані прогнозні інтервали. Використовуйте їх, щоб визначити, які рішення доведеться змінити: зарезервувати матеріали, додати зміну чи пізніше ухвалити рішення про формування запасу готової продукції.

5. Оцінюйте похибку прогнозу з тим випередженням, яке потрібне для рішень

Зберігайте кожен випущений прогноз із датою, періодом, на який його складено, номенклатурною позицією та версією. Коли фактичний попит стане відомим, порівнюйте його з версією, доступною на момент, коли підприємство мало діяти, а не з останньою редакцією перед самим постачанням.

Щоб вибрати метод, перевірте його на історичних даних, імітуючи прогнозування поза вибіркою. Налаштуйте метод лише на інформації, доступній на певну минулу дату, побудуйте прогноз на потрібний горизонт, потім пересуньте цю дату вперед і повторіть перевірку. Такий підхід із рухомою початковою точкою прогнозування відтворює ваше реальне завдання, не допускаючи використання майбутніх спостережень для прогнозу з минулого.

Приклад розрахунку похибки прогнозу

Припустімо, ви оцінюєте прогноз для одного виробу за чотири тижні. У кожному рядку нижче наведено збережений прогноз, випущений за чотири тижні до відповідного тижня. Тут похибка зі знаком — це прогноз мінус фактичний попит, тому додатне число вказує на завищення прогнозу.

Тиждень, на який складено прогноз	Збережений прогноз	Фактичний попит	Похибка зі знаком	Абсолютна похибка
Тиждень 1	110	100	+10	10
Тиждень 2	110	120	−10	10
Тиждень 3	110	80	+30	30
Тиждень 4	110	100	+10	10
Разом	440	400	+40	60

Три показники пояснюють різні аспекти цього результату:

Середня абсолютна похибка (MAE) = сума абсолютних похибок ÷ кількість періодів = 60 ÷ 4 = 15 одиниць на тиждень.

MAE показує зрозумілу типову величину похибки в одиницях продукції. Проте цей показник не вказує, чи прогноз зазвичай завищений, чи занижений.

Зважена абсолютна відсоткова похибка (WAPE) = сума абсолютних похибок ÷ сумарний фактичний попит × 100 = 60 ÷ 400 × 100 = 15%.

Для цих невід’ємних обсягів попиту WAPE виражає абсолютну похибку відносно сумарного попиту. Це не означає, що похибка прогнозу кожного тижня була в межах 15% або що ймовірність задовольнити попит становить 85%.

Середня похибка зі знаком, або зміщення прогнозу = сума похибок зі знаком ÷ кількість періодів = 40 ÷ 4 = +10 одиниць на тиждень.

За прийнятим тут правилом визначення знака прогноз у середньому був завищений. За чотири тижні він перевищив фактичний попит на 40 одиниць, або на 10% сумарного фактичного попиту. У підсумку завищення та заниження можуть взаємно компенсуватися, тому саме лише зміщення не описує величину похибки.

Ці чотири рядки лише ілюструють показники — такої історії недостатньо для перевірки прогнозу. Проведіть достатньо перевірок із рухомою початковою точкою, щоб охопити сезонність, характер надходження замовлень і зміни, важливі для цього виробу.

Не дайте показнику точності ввести вас в оману

Для розрахунку MAPE абсолютну похибку кожного періоду ділять на фактичний попит цього періоду. За нульового фактичного попиту показник не визначений, а за близького до нуля — нестабільний. Тому його не варто обирати за замовчуванням для виробів, попит на які виникає рідко.

WAPE може охоплювати окремі періоди з нульовим попитом, але не визначений, якщо сумарний фактичний попит дорівнює нулю. Його знаменник також змінюється залежно від обсягу: зі зростанням попиту відсотковий показник може поліпшитися, навіть якщо похибка в одиницях не зменшилася. Аналізуйте його разом із MAE, зміщенням і простим базовим прогнозом за ті самі тестові періоди.

Сумарний показник для групи виробів може приховувати постійне завищення прогнозу для одного варіанта та заниження для іншого. Аналізуйте не лише загальне середнє, а й вироби, які створюють ризик невиконання замовлень, дорогі запаси або навантаження на критичні виробничі ресурси.

Універсального допустимого відсотка похибки прогнозу немає. Похибка в 15 одиниць має різні наслідки для дешевої поширеної деталі та готового складального вузла з низьким попитом. Оцінюйте прогноз з огляду на вартість дефіциту й надлишків, час поповнення запасів і доступні варіанти реагування. Визначайте буфери з урахуванням невизначеності та політики обслуговування клієнтів; не варто просто додавати MAE до кожного обсягу виробництва.

6. Перейдіть від прогнозу до рішення про виробництво

Переглянутий прогноз — це оцінка попиту клієнтів. Обсяг виробництва визначають окремо, враховуючи підтверджені замовлення, придатні до використання запаси, очікувані надходження з уже запущеного виробництва та залишок, який ви хочете зберегти.

Не враховуйте той самий попит двічі. Якщо прогноз становить 120 одиниць, а підтверджені замовлення охоплюють 70 із них, то за простим правилом заміщення прогнозу замовленнями в межах одного періоду непокритими залишаються 50 одиниць прогнозу. Загальний попит залишається на рівні 120, а не 190 одиниць. На практиці ваша політика може передбачати заміщення прогнозу замовленнями за різними датами або категоріями попиту.

Тепер припустімо, що у вас є 30 одиниць готової продукції, придатних до використання, ви хочете залишити 10 одиниць на кінець періоду, а надходжень із виробництва не очікується. Щоб покрити попит у 120 одиниць, потрібно запропонувати до виготовлення 100 одиниць: 120 + 10 − 30. При цьому передбачається, що запаси й виготовлена продукція будуть доступні до моменту виникнення попиту, який вони мають задовольнити.

У головному виробничому плані ці обсяги та дати доступності деталізують за номенклатурними позиціями. MRP розраховує матеріали й компоненти для затверджених обсягів виробництва. Ані прогноз, ані залишки запасів самі по собі не доводять, що підприємство має достатньо потужностей, щоб виготовити продукцію вчасно.

Наприклад, припустімо, що для виготовлення 100 одиниць потрібно 0,2 машино-години на одиницю та дві години на налагодження: разом 22 години на критичному верстаті. Для виконання інших зобов’язань на ньому вже потрібно 20 годин, а до необхідної дати завершення доступно лише 40 годин. Запропоноване навантаження становить 42 години. Потрібно покрити дефіцит у дві години, використати допустимий альтернативний ресурс або переглянути зобов’язання.

Не зменшуйте прогноз попиту клієнтів до 110 лише заради того, щоб навантаження вписалося в доступний час верстата. Не приховуйте справжню оцінку попиту й вирішіть, як усунути дефіцит виробничих потужностей.

Використовуйте SkyPlanner, щоб спланувати роботи для реалізації ухваленого рішення

Якщо зміни прогнозу спонукають вас переглянути виробничі зобов’язання, перепланування може зачепити кілька верстатів і замовлень. Додавання однієї партії впливає на наступні технологічні операції, завдання, які вже стоять у відповідних чергах, і залежні від них дати постачання.

SkyPlanner APS об’єднує ці роботи в єдиному спільному графіку завантаження виробничих ресурсів. Задайте робочі центри, зміни, операторів, технологічні операції та їхню тривалість, а потім керуйте планом за допомогою пріоритетів і блокувань. Arcturus, штучний інтелект SkyPlanner для календарного планування, розраховує розміщення виробничих завдань у графіку з урахуванням заданих потужностей, допустимих виробничих ресурсів і залежностей між технологічними операціями. На діаграмі Ганта відображаються отримана послідовність і дати завершення.

Для запропонованої партії зі 100 одиниць це дає змогу пов’язати потребу в механічній обробці з рештою технологічних операцій маршруту та іншими завданнями, що використовують ті самі виробничі ресурси. Ви можете перевірити, чи дозволить погоджена зміна графіка змін або пріоритету завершити роботу вчасно, не узгоджуючи вручну черги на всіх задіяних верстатах.

Коли ввімкнено планування з урахуванням матеріалів, Arcturus враховує наявні запаси та очікувані надходження матеріалів під час розрахунку часу початку робіт. Очікувані дати поставок за замовленнями на закупівлю позначають очікувану доступність матеріалів; запаси оновлюються після підтвердження фактичного надходження. Самого лише вільного верстата недостатньо, якщо матеріал ще недоступний або попередню технологічну операцію не завершено.

Залиште прогнозування та рішення щодо поповнення запасів у межах свого процесу планування попиту або ERP. SkyPlanner не створює виробничих завдань автоматично на основі прогнозів, а складає графік для завдань, які ви створюєте самі або передаєте через інтеграцію. SkyPlanner інтегрується з будь-якою ERP або MES через відкритий REST API, тож ви можете зберегти систему, у якій ухвалюєте ці рішення, та вдосконалити детальне планування їх виконання.

Саме тому варто обрати SkyPlanner, якщо зміни попиту щоразу змушують вас переробляти графік вручну: фахівці з планування визначають пріоритети, а Arcturus розраховує послідовність робіт на виробничих ресурсах, щоб втілити ці рішення на практиці.

Що змінилося у Fredman Operations завдяки швидшому переплануванню

Fredman Operations, фінський виробник кухонних і пакувальних виробів, безпечних для контакту з харчовими продуктами, раніше визначав пріоритети завдань вручну, не маючи точних даних про час вивільнення верстатів і доступні потужності в кожній зміні. Термінове перепланування могло тривати годину або довше.

Під час впровадження SkyPlanner компанія під’єднала свої системи L7 і LTR та об’єднала дані про потужності й роботи на спільній діаграмі Ганта. За словами клієнта, перевірка можливості виконати весь портфель замовлень раніше тепер займає секунди замість годин ручних розрахунків. Команда також відзначає зменшення обсягу понаднормової роботи та швидше реагування на зміни графіка.

Головна перевага тут — можливість вчасно скоригувати роботу виробництва: зрозуміти, як зміна потреби впливає на завдання та дати поставок, поки ще є час діяти.

Узгоджуйте прогноз із діями виробництва

Встановіть періодичність перегляду відповідно до рішень, які ви ухвалюєте. Оновлюйте базовий прогноз у міру надходження нових даних про попит, розглядайте суттєві відхилення разом із відділом продажів і відстежуйте похибку збереженої версії прогнозу з тим випередженням, яке потрібне для кожного рішення. Не допускайте, щоб поточні перегляди непомітно змінювали зобов’язання, до виконання яких виробництво вже готується.

Якщо погоджена зміна впливає на кількість продукції, яку потрібно виготовити, або дату її готовності, оновіть виробничі завдання та перегляньте графік їх виконання на виробничих ресурсах. Так відділ закупівель, виробництво й відділ продажів матимуть узгоджене уявлення про те, що змінилося та яку продукцію тепер можна поставити.

Щоб побачити, як реагувати на такі зміни з меншим обсягом ручного планування, замовте демонстрацію SkyPlanner. Підготуйте приклад: кількість продукції, яку ви вирішили виготовити після зміни прогнозу, її виробничий маршрут і дати, до яких продукція має бути готова. Ці дані стануть практичною відправною точкою, щоб оцінити вплив на спільні виробничі потужності та інші зобов’язання. Якщо спершу хочете ознайомитися із системою самостійно, спробуйте SkyPlanner із демонстраційними даними.