Vorhersage der Reihenfolge zukünftiger Bestellungen an Lieferanten

Joannes Vermorel

Kollaboratives supply chain management macht viel Sinn. Im heutigen Zeitalter allgegenwärtiger Internetverbindungen, warum sollten Ihre Lieferanten im Dunkeln gelassen werden, was Ihre bevorstehenden Bestellungen betrifft? Schließlich, wenn Ihr Unternehmen in der Lage ist, präzise Prognosen über Ihre bevorstehenden Bestellungen zu erstellen, wäre es für Ihre Lieferanten sicherlich eine große Hilfe, diese Prognosen mit ihnen zu teilen, was wiederum zu einem besseren Service und/oder besseren Preisen führen würde.

Ja, aber all dies beruht auf einer fehlerhaften Annahme: Bestellprognosen sollten genau sein. Leider werden sie es nicht sein. Punkt. Was folgt, ist also nur Wunschdenken.

Unternehmen wenden sich häufig an uns mit der Frage, ob Lokad die Abfolge der bevorstehenden Bestellungen prognostizieren könnte. Schließlich sollten wir alles Notwendige haben:

• tägliche/wöchentliche zukünftige Verkaufszahlen (prognostiziert)
• aktuelle Lagerbestände, sowohl verfügbar als auch bestellt
• Einkaufsbeschränkungen

Durch die Kombination der oben genannten Elemente könnten wir sicherlich eine Simulation durchführen und folglich die bevorstehenden Bestellungen für einen von einem Kunden vorgegebenen Zeitraum prognostizieren. Allerdings, obwohl dies grundsätzlich möglich ist, wären die Ergebnisse eines solchen Vorgehens katastrophal. In diesem kurzen Beitrag teilen wir unsere Erkenntnisse zu diesem Thema, um Unternehmen zu helfen, keine Zeit mit solchen Prognoseversuchen zu verschwenden.

Statistiken sind schrecklich kontraintuitiv. Wie in unseren vorherigen Beiträgen erwähnt, sind „intuitive“ Ansätze mit ziemlicher Sicherheit falsch; und die „korrekten“ Ansätze sind bestenfalls beunruhigend.

Das zentrale Problem bei der Prognose von Bestellungen an Lieferanten besteht darin, dass die zugrunde liegenden Berechnungen auf einer iterierten Summe von Prognosen beruhen, was auf mehreren Ebenen sehr fehlerhaft ist. Insbesondere umfasst die Prognose der nächsten Bestellung nicht nur eine, sondern zwei Variablen: das Datum der Bestellung und die bestellte Menge. Abhängig von den supply chain constraints könnte die bestellte Menge relativ einfach zu prognostizieren sein: Wenn Sie eine Mindestbestellmenge (MOQ) haben, entspricht die Bestellung wahrscheinlich genau dem MOQ-Schwellenwert. Andererseits, wenn der Artikel teuer und selten verkauft wird, wird die nächste bestellte Menge wahrscheinlich nur eine Einheit betragen.

Die eigentliche Herausforderung besteht darin, das Datum der nächsten Bestellung zu prognostizieren, und noch schwieriger: das Datum der darauffolgenden Bestellung. Tatsächlich weist das Datum der nächsten Bestellung voraussichtlich einen Fehler von 20 % bis 30 % auf (wie fast jede Nachfrageprognose), während das Datum der Bestellung, die auf diese letzte folgt, etwa doppelt so fehlerhaft sein wird und das darauffolgende etwa dreimal, usw.

Wie im obigen Schema dargestellt, wächst die Unsicherheit bezüglich des Datums der N-ten bevorstehenden Bestellung in der Praxis so schnell, dass sie für den Lieferanten zu einer wertlosen Information wird. Der Lieferant wäre viel besser beraten, eigene Prognosen auf Basis seiner eigenen Nachfragehistorie zu erstellen, selbst wenn diese Prognose das zuletzt beobachtete Nachfragesignal nicht berücksichtigen kann.

Jedoch, obwohl die Prognose von Bestellungen und das Teilen dieser mit den Lieferanten nicht funktioniert, bleibt der Übergang zu einem kollaborativen [supply chain management] ein gültiges Geschäftsziel; es ist nur so, dass diese Art von Prognosen nicht der richtige Weg ist, um dieses Ziel zu erreichen.

Bleiben Sie dran, wir werden hier zu gegebener Zeit ausführlich erörtern, wie kollaboratives [supply chain management] aus prädiktiver Perspektive korrekt umgesetzt werden kann.

Leserkommentare (2)

Hi Neha, Wenn Ihr Lieferant absolute Gewissheit über die Bestelldaten hat, bedeutet das, dass die gesamte Unsicherheit stattdessen in die Lagerauffüllungsmengen fließt. Man kann die Nachfrageunsicherheit nicht einfach wegzaubern, indem man die Variable des Bestelldatums einfriert. Wenn Sie also daran denken, Ihren Lieferanten „gemäß Ihren Prognosen“ produzieren zu lassen, bedeutet das – mit ziemlicher Sicherheit – dass Sie klassische Prognosen (alias wöchentliche/monatliche Prognosen) verwenden, die in Bezug auf den supply chain management schlecht abschneiden. Stattdessen sollten Sie Quantilprognosen oder Quantilgitter in Betracht ziehen. Hoffe, es hilft. Joannes Vermorel (3 years ago)

Hi joannes, Ich würde gerne wissen, was passiert, wenn mein Lieferant absolute Gewissheit über die Bestelldaten hat. Könnten Sie mir bitte mitteilen, wie Sie den Lieferanten dazu bringen würden, gemäß Ihren Prognosen in einem Excel-Sheet zu produzieren? Bitte senden Sie mir eine E-Mail an nehakadamneha87@gmail.com Neha Kadam (3 years ago)