Prognosetechnologie zur Optimierung Ihres Bestands

Prognosetechnologie



Wier bieten Ihnen die präzisesten Bedarfsprognosen, die mittels Technologie möglich sind.

Korrelieren mit Deep Learning

Kalkulieren mit Cloud Computing und GPUs

Optimieren mit Logistikkenntnissen





Technologie der Software zur Bestandsoptimierung

Konzentriert man sich auf einzelne Produkte, erhält man einfach nicht genügend Daten, um einen präzise statistische Prognose zu erstellen. Tatsächlich beträgt der Produktlebenszyklus auf Verbrauchermärkten weniger als 4 Jahre. Durchschnittlich verfügen die meisten Produkten nicht mal über eine 2-jährige Historie, die jedoch erforderlich ist, um eine zuverlässige Analyse der Saisonbedingtheit von einzelnen Zeitreihen zu erstellen.

Wir lösen dieses Problem mit statistischen Korrelationen: Die über ein Produkt erfassten Daten ermöglichen die Feinabstimmung der Prognose für ein anderes Produkt. Beispielsweise erkennt Lokad die zutreffende Saisonsbedingheit für ein Produkt automatisch, auch wenn das Produkt nur für einen Zeitraum von 3 Monaten verkauft wurde. Obwohl mit einem Datenzeitraum von nur 3 Monaten keine Saisonbedingtheit beobachtet werden kann, kann die Saisonbedingtheit von älteren Produkten mit einem längeren Lebenszyklus abgeleitet und für neuere Produkte angewandt werden.

Obwohl die Verwendung von Korrelationen innerhalb der historischen Daten die Genauigkeit enorm verbessert, erhöht es auch die Anzahl der durchzuführenden Berechnungen. Um beispielsweise 1.000 Produkte zu korrelieren und alle möglichen Paarungen zu finden, enstehen etwas weniger als 1.000.000 Kombinationen. Und viele Unternehmen haben weit über 1.000 Produkte.

Mit Cloud Computing und Grafikprozessoren (GPUs) können wir je nach Bedarf die Maschinen zuordnen, wenn Kunden uns Daten zusenden. In weniger als 60 Minuten können wir die Ergebnisse zurücksenden, während wir die Maschinen entsprechend freigeben. Da die von uns verwendete Cloud (Microsoft Azure pro Minute abgerechnet wird, verbrauchen wir nur die Kapazitäten, die wir wirklich brauchen. Da kein Unternehmen mehr als eine Prognose pro Tag erstellen muss, reduziert diese Strategie die Hardware-Kosten um mehr als das 24-fache im Vergleich mit herkömmlichen Ansätzen.

Die herkömmliche Prognose ist die Durchschnittsprognose, d. h. ein Wert, der eine Chance von 50% hat, über oder unter der zukünftigen Nachfrage zu liegen. Leider löst dieser klassische Ansatz nicht die zentralen Bedenken der Logistik: Vermeiden von Fehlbeständen und Verringerung des Lagerbestands.

2016 stellte Lokad den Begriff probabilistische Prognose für die Supply Chain vor, durch die die jeweilige Wahrscheinlichkeit der künftigen Nachfrage auf jeder Ebene geschätzt wird. Anstatt über den Wert jedes Produkts zu prognostizieren, schätzt Lokad die gesamte Wahrscheinlichkeitsverteilung.

Probabilistische Prognosen übertreffen klassische Prognosen für Ware mit geringer Umschlagshäufigkeit, unregelmäßige Verkaufszahlen und Nachfragespitzen bei Weitem. Wir sind davon überzeugt, dass alle Unternehmen, die sich ernsthaft mit der Optimierung ihrer Lagerbestände befassen, innerhalb der nächsten 10 Jahre auf probabilistische Prognosen umsteigen werden und die Weiterentwicklung dieser Technologie nutzen werden.










Prognoseerstellung als Serviceleistung

Unsere Kunden senden uns Daten. Dies erfolgt meist mittels Flatfiles oder manchmal auch Datenbanken. Die Prognosen werden als Serviceleistung angeboten. Von unseren Kunden erwarten wir kein Statistik-Know-how, da Lokad den gesamten Prozess verwalten wird.

Es wird kein Statistikneuaufbau vorausgesetzt. Sind die Daten einmal in das korrekte Format umgewandelt (eine Datenbereinigung ist nicht erforderlich), schickt Lokad die Ergebnisse innerhalb von 60 Minuten zurück. Es spielt keine Rolle, ob dies die erste oder zehnte Datenübertragung an Lokad ist, unsere Prognose-Engine ist vollautomatisch und erfordert kein manuelles Eingreifen.

Unsere statistischen Modelle

Wir verfügen über eine große Bibliothek an statistischen Modellen. Lokad verlässt sich auf eine große, individuelle Bibliothek an statistischen Modellen, welche so bekannte Klassiker, wie Box-Jenkings, exponentielle Glättung, Autoregression und all ihre Varianten beinhaltet. Die klassischen Modelle nutzen Korrelationen jedoch nur unzureichend. Um die uns zur Verfügung stehenden Daten besser nutzen zu können, hat Lokad optmierte Modelle entwickelt.

Von Anfang an überwachen wir die von uns bereitgestellten Prognosen ständig. Jeden Tag führen wir Prognosesimulationen durch, um den noch bestehenden Schwachpunkt unserer Technologie vorsichtig zu bewerten. Diese Erkenntnisse helfen uns dabei unsere Entwicklungsaktivitäten auf das wirklich Wichtige zu konzentrieren. Unsere Kunden profitieren von einer sich beständig weitentwickelnden Technologie.