תחזוי מלאי למי שאינם מדעני נתונים נשמע קשה יותר ממה שהוא באמת. רוב הצוותים לא צריכים מודל קופסה שחורה. הם צריכים היסטוריית מכירות נקייה, שיטה חוזרת, ודרך לזהות מתי הנתונים משקרים. אם פריט נגמר ביום שישי שעבר, לגיליון לא חסר מתמטיקה - חסר לו הקשר.
אלה חדשות טובות, כי שיטות פשוטות לעיתים קרובות חזקות יותר ממה שאנשים מצפים. בסקירת גרין וארמסטרונג ב-Journal of Business Research, המחברים מצאו 97 השוואות ב-32 מאמרים וללא איזון ראיות שמורכבות נוספת משפרת דיוק תחזיות. תחזוי עדיין קשה, אבל הניצחון הראשון בדרך כלל מגיע ממשמעת, לא מתוכנה מתוחכמת.
תחזית שימושית היא לא זו עם הכי הרבה לשוניות. היא זו שקניין יכול להסביר, לאתגר ולהשתמש בה לפני מועד ההזמנה הבא.
מה תחזית מלאי שימושית באמת עושה
תחזית היא הערכה של ביקוש עתידי על פני חלון זמן מוגדר. עבור מלאי, החלון צריך להתאים לקצב הרכישות: זמן אספקה של הספק פלוס הזמן עד לסקירה הבאה. אם אתה מזמין כל יום שני והספק לוקח 21 יום, אכפת לך מ-28 הימים הקרובים, לא מממוצע שנתי תיאורטי.
תחזית נותנת לך התראה מספקת להזמין מחדש לפני שפריטי A מגיעים לחוסר מלאי שניתן למנוע.
היא מונעת מפריטים איטיים לספוג הון חוזר רק כי מישהו הזמין קצת יותר כדי להרגיש בטוח.
מכירות, רכש ותפעול יכולים להתווכח על מספר אחד במקום להגן על שלושה תחושות בטן שונות.
תחזיות אינן הבטחות. הן נקודות התחלה. אתה עדיין מוסיף בעיות ספקים, אירועים מסחריים ושיקול דעת עסקי. המטרה היא לא שלמות. המטרה היא פחות הפתעות.
התחל עם שיטות פשוטות, ואז הוסף מורכבות רק כשהיא מצדיקה את עצמה
מדריך NIST להחלקה מתאר ממוצעים כדרך הפשוטה ביותר להחליק נתונים ולהפחית שונות אקראית. בדיוק משם צריכים רוב צוותי המלאי להתחיל. אם ההיסטוריה שלך יציבה סבירה, ממוצעים נעים פשוטים ושיטות החלקה ייתנו לך קו בסיס תפעולי מהר.
שיטה 1: ממוצע נע לביקוש יציב
ממוצע נע לוקח את התקופות האחרונות הדומות ומחשב את הממוצע שלהן. אם אתה מתחזה שבועית, ממוצע נע של 4 שבועות מספיק לעיתים קרובות כדי להתחיל. דוגמה: אם ב-4 השבועות האחרונים נמכרו 92, 104, 96 ו-108 יחידות, תחזית השבוע הבא היא (92 + 104 + 96 + 108) / 4 = 100 יחידות.
תחזית השבוע הבא = (שבוע -1 + שבוע -2 + שבוע -3 + שבוע -4) / 4. השתמש בתקופות דומות: שבועות עם שבועות, חודשים עם חודשים.
שיטה 2: החלקה מעריכית כשהיסטוריה עדכנית חשובה יותר
אם מכירות עדכניות חשובות יותר מהיסטוריה ישנה, עבור להחלקה מעריכית פשוטה. בתחזוי: עקרונות ופרקטיקה, הינדמן ואתנסופולוס מציגים אותה כממוצע משוקלל בין הערך הממשי האחרון לבין התחזית הקודמת. בשפה פשוטה: אתמול חשוב יותר מהרבעון שעבר, אבל הרבעון שעבר לא מתעלמים ממנו. זה הופך את ההחלקה למועילה כשהביקוש נודד בהדרגה אך ללא עונתיות חזקה.
שיטה 3: הוסף גורם עונתי כשהלוח שנה באמת משנה
אם הביקוש עולה ויורד בדפוס לוח שנה חוזר - מתנות דצמבר, סופי שבוע בקיץ, חזרה לבית הספר, הזמנות סוף חודש - הפרד את האפקט העונתי מרמת הבסיס. בתחזוי: עקרונות ופרקטיקה, הצעד המעשי הוא לתחזות את הסדרה המתואמת עונתית ואז להוסיף בחזרה את הדפוס העונתי. זה תיאור טכני של רעיון פשוט: דצמבר השנה צריך להיראות יותר כמו דצמבר שעבר מאשר מאי שעבר.
עונתיות שווה את המאמץ. באותה סקירת גרין וארמסטרונג, התאמה עונתית הפחיתה את MAPE מ-23.0 ל-17.7 אחוז על 68 סדרות חודשיות בתחרות M המקורית. תזכורת מועילה שמבנה לוח שנה פשוט יכול לנצח הרבה מתמטיקה נוספת.
השתמש בממוצע נע של 4 עד 8 תקופות כשהפריט נמכר באופן סדיר והרמה לא נודדת הרבה.
השתמש בהחלקה מעריכית פשוטה כשהביקוש זז בהדרגה ותקופות עדכניות ראויות למשקל רב יותר.
השתמש בתחזית בסיס פלוס גורמים עונתיים כשאותה עלייה קלנדרית חוזרת מספיק פעמים כדי לסמוך עליה.
נקה את ההיסטוריה לפני שאתה סומך על המתמטיקה
שיטת התחזוי חשובה, אבל איכות הקלט חשובה יותר. החזרות, הזמנות חד-פעמיות לפרויקטים, משלוחים חסרים מספקים, ועליות קידום מכירות - כולם יכולים לעוות את קו הבסיס. אם אתה מזין רעש למודל, אתה פשוט מאוטומט שיקול דעת גרוע.
חוסר מלאי הוא המלכודת הגדולה ביותר. במחקר על תחזוי ביקוש תחת מדיניות מכירות אבודות, המחברים מציינים שאם מספיק מלאי זמין, מכירות הן אומדן לא מוטה של ביקוש, אבל בנוכחות חוסר מלאי, מכירות מעריכות בחסר את הביקוש ודוחפות תחזיות כלפי מטה. זה יוצר את הספירלה שמפעילים שונאים: תחזוי חסר, הזמנה חסרה, חוסר מלאי, חזור על הכל.
כשהמדף ריק, מכירות מפסיקות למדוד ביקוש ומתחילות למדוד זמינות.
דוגמה פשוטה להתאמת חוסר מלאי
נניח שפריט מכר 210 יחידות בחודש של 30 יום, אך הוא היה במלאי רק 21 יום. הקצב היומי הנאיבי הוא 7 יחידות. הקצב המתואם לחוסר מלאי הוא 10 יחידות כי 210 / 21 = 10. לתכנון חידוש מלאי, המספר השני קרוב הרבה יותר למציאות. המספר הראשון אופה את חוסר המלאי לתוך תחזית החודש הבא.
כללי ניקוי היסטוריה
- סמן תקופות חוסר מלאי:עקוב אחר ימים או שבועות עם זמינות אפסית כדי שיוחרגו או יותאמו, לא יחושבו בממוצע.
- הפרד מבצעים מקו הבסיס:שבוע חיסול או עלייה שיווקית צריכים להיות בעמודת אירועים, לא לנפח לצמיתות את התחזית הבסיסית.
- הסר הזמנות חד-פעמיות:רכישות גדולות לפרויקטים, מילוי ראשוני להשקה, והעברות פנימיות הם אירועי תכנון, לא ביקוש רגיל.
- השתמש באמת המלאית, לא רק במכירות:אם דיוק הרישומים חלש, תקן ספירות קודם. רישומי מלאי מלוכלכים מעוותים גם את ההיסטוריה וגם את הרכש. ראה עלות רמות מלאי לא מדויקות.
- תחזה משפחות לפני וריאנטים בעת הצורך:היסטוריה דלה על וריאנטים של מידה-צבע או אריזה לעיתים קרובות מתחזה טוב יותר ברמת הקבוצה קודם, ואז מחלקת למטה.
תהליך עבודה בגיליון אלקטרוני שאפשר להריץ כל יום שני
אפשר להריץ תחזית מכובדת בגיליון אחד עם שורות לפי מק"ט ועמודות ל-12 עד 24 התקופות האחרונות, דגלי זמינות, הערות אירועים, תחזית, בפועל, ושגיאה. המטרה היא לא ליצור מודל יפה. המטרה היא ליצור שגרה חוזרת.
שגרת תחזוי ליום שני
- ייצא היסטוריה לפי שבוע או חודש:שבועי עדיף לפריטים מהירים. חודשי מספיק לפריטי קטלוג איטיים יותר.
- הוסף שתי עמודות עזר:אחת לסטטוס זמינות, אחת להערות אירועים. שני השדות האלה מונעים מספר מפתיע של תחזיות גרועות.
- בחר שיטת בסיס אחת לכל סוג פריט:התחל עם ממוצעים נעים לפריטים יציבים והחלקה לפריטים הנודדים באיטיות.
- החל עונתיות רק כשהיא חוזרת:אם אתה יכול להצביע על אותה עלייה קלנדרית יותר מפעם, הוסף גורם עונתי. אם לא, שמור על פשטות.
- תחזה את חלון החידוש:תחזה ביקוש לאורך זמן אספקה של הספק פלוס הפער עד לסקירת ההזמנה הבאה.
- רשום כל דריסה ידנית:אם מכירות אומרות שזכייה בלקוח מוסיפה 300 יחידות בחודש הבא, הכנס את הדריסה ואת הסיבה. דריסות נסתרות הורסות למידה.
שלוש בדיקות דיוק שבני אדם רגילים יכולים לחשב
אתה לא צריך דשבורד מלא סטטיסטיקות. אתה צריך כמה מדדים שאומרים לך אם התחזית שגויה באופן שיטתי ובכמה.
ממוצע שגיאה עם סימן. הטיה חיובית אומרת שאתה כל הזמן מתחזה מעל. הטיה שלילית אומרת שאתה באופן כרוני מתחזה מתחת ומזמין חוסר מלאי.
שגיאה מוחלטת ממוצעת, ממוצע ההחמצה ביחידות. כפי שגרין וארמסטרונג מציינים, MAE הוא מדד פשוט ושימושי להחלטות ייצור ובקרת מלאי.
שגיאה מוחלטת באחוזים משוקללת. תיעוד תכנון ביקוש של AWS Supply Chain משתמש ב-WAPE כמדד דיוק מצרפי כי הוא מראה את ההחמצה הכוללת של התחזית יחסית לביקוש בפועל הכולל.
השתמש ב-MAPE בזהירות. במדריך הדיוק של הינדמן, MAPE הופך ללא מוגדר כשהביקוש בפועל הוא אפס ויכול להתפוצץ כשהערכים בפועל קרובים לאפס. זה הופך אותו לבחירה גרועה לפריטים איטיים, פריטי השקה, או כל סדרה עם תקופות תכופות של ביקוש אפס.
התחל עם הטיה, MAE ו-WAPE. הוסף מדדים מתוחכמים יותר רק אחרי שאלה השלושה יציבים ומובנים.
בדוק לאחור לפני שאתה מכניס את זה לרכש
תחזית לא מוכנה כי היא נראית סבירה. היא מוכנה אחרי שבדקת אותה על תקופות עבר שלא ראתה. מדריך הינדמן לאימות צולב של סדרות עתיות מתאר נקודת מוצא מתגלגלת: מתקדמים בהיסטוריה, מתחזים קדימה, ומממצעים שגיאות. זו הגרסה הבוגרת של השאלה "האם זה היה עובד ברבעון שעבר?"
בדיקה לאחור מהירה
- שמור בצד את 8 עד 12 התקופות האחרונות:אל תשתמש בהן לבניית המודל הראשון.
- הרץ כל שיטה מועמדת:ממוצע נע, החלקה, וכל גרסה עונתית שרוצים להשוות.
- מדוד הטיה, MAE ו-WAPE:שפוט את השיטות על תקופות שלא ראו.
- בחר את השיטה שהצוות יכול להסביר:אם שתי שיטות קרובות, בחר את זו שהצוות באמת יתחזק.
דע איפה הגיליון מתקשה
- מוצרים חדשים: שאל היסטוריה מפריט דומה, קטגוריה, או תוכנית השקה כי למק"ט החדש אין דפוס יציב עדיין.
- ביקוש גושי או סירוגי: תחזה ברמת משפחה או קטגוריה קודם, ואז תכנן חידוש פרטני עם יותר סקירה ידנית.
- מבצעים ועסקי פרויקטים: הוסף דריסות אירועים בנפרד במקום לבקש ממודל הבסיס לנחש אירועים מיוחדים.
- דיוק מלאי חלש: אם קבלה, התאמות ובקרת מיקום חלשים, תקן את התהליך קודם. תחזית על גבי רישומים גרועים עדיין רוכשת כמות שגויה.
כאן תעדוף חשוב. השתמש בניתוח ABC כדי להחליט אילו פריטים ראויים לתשומת הלב הגדולה ביותר של תחזוי, ושלב את התחזית עם סקירת מלאי בטיחות ממושמעת כדי שאי-ודאות לא תהפוך לרכש יתר גורף.
סיכום סופי
תחזוי מלאי למי שאינם מדעני נתונים עוסק פחות במתמטיקה מתקדמת ויותר ביושר תפעולי. נקה את ההיסטוריה. התחל עם ממוצעים נעים או החלקה. הוסף עונתיות רק כשהיא חוזרת. מדוד הטיה ושגיאה מוחלטת. בדוק לאחור לפני שאתה סומך על המספר.
הצעד הבא: בחר 20 מק"טים חשובים, בנה גיליון שבועי אחד, והשווה תחזית מול בפועל למשך 8 שבועות. אחרי זה, תחזוי יפסיק להרגיש תיאורטי ויתחיל להפוך לחלק מהדרך שבה אתה קונה.