Prognose der zukünftigen Bestellreihenfolge für Lieferanten
Kollaboratives Supply Chain Management macht viel Sinn. In der heutigen Zeit der allgegenwärtigen Internetverbindung sollten Ihre Lieferanten nicht im Dunkeln gelassen werden, was Ihre bevorstehenden Bestellungen betrifft. Schließlich wäre es für Ihre Lieferanten sicherlich von großer Hilfe, wenn Ihr Unternehmen genaue Prognosen über Ihre bevorstehenden Bestellungen erstellen könnte, 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 auch immer folgt, ist nur Wunschdenken.
Unternehmen kommen häufig auf uns zu und fragen, ob Lokad die Reihenfolge der bevorstehenden Bestellungen vorhersagen könnte. Immerhin haben wir alles, was dazu nötig ist:
- tägliche/wöchentliche zukünftige Verkaufszahlen (prognostiziert)
- aktuelle Bestandsebenen, sowohl vorrätig als auch bestellt
- Bestellbeschränkungen
Durch die Kombination dieser oben genannten Elemente könnten wir sicherlich eine Simulation durchführen und somit die bevorstehenden Bestellungen für einen vom Kunden festgelegten Zeitraum prognostizieren. Allerdings wären die Ergebnisse einer solchen Operation katastrophal. In diesem kurzen Beitrag teilen wir unsere Erkenntnisse zu diesem Thema, um Unternehmen dabei zu helfen, Zeit bei solchen Prognoseversuchen zu sparen.
Statistiken sind furchtbar gegenintuitiv. Wie in unseren vorherigen Beiträgen erwähnt, sind “intuitive” Ansätze mit Sicherheit falsch, und die “korrekten” Ansätze sind bestenfalls beunruhigend.
Das zentrale Problem bei der Prognose von Bestellungen von Lieferanten besteht darin, dass die Berechnungen auf einer iterierten Summe von Prognosen beruhen, was auf mehreren Ebenen sehr falsch ist. Insbesondere die Prognose der nächsten Bestellung umfasst nicht nur eine, sondern zwei Variablen: das Datum der Bestellung und die bestellte Menge. Je nach Lieferkettenbeschränkungen kann die bestellte Menge relativ einfach prognostiziert werden: Wenn Sie eine Mindestbestellmenge (MOQ) haben, wird die Bestellung voraussichtlich dem MOQ selbst entsprechen. Andererseits wird die nächste zu bestellende Menge wahrscheinlich eine einzelne Einheit sein, wenn der Artikel teuer und selten verkauft wird.
Die eigentliche Herausforderung besteht darin, das Datum der nächsten Bestellung vorherzusagen, und noch schwieriger ist es, das Datum der folgenden Bestellung vorherzusagen. Das Datum der nächsten Bestellung wird wahrscheinlich einen Fehler von 20% bis 30% haben (wie praktisch jede Nachfrageprognose), aber das Datum der Bestellung, die auf diese letzte Bestellung folgt, wird (ungefähr) doppelt so viel Fehler haben, und die darauf folgende (ungefähr) dreimal so viel Fehler 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 Informationsquelle wird. Der Lieferant ist viel besser dran, wenn er seine eigenen Prognosen auf der Grundlage seiner eigenen Nachfragehistorie erstellt, auch wenn diese Prognose das aktuellste Nachfragesignal nicht nutzen kann, wie es stromabwärts beobachtet wird.
Während die Prognose von Bestellungen und deren Weitergabe an die Lieferanten nicht funktioniert, bleibt die Entwicklung hin zu einem kollaborativeren Supply Chain Management ein gültiges Geschäftsziel. Es stellt sich nur heraus, dass diese Art von Prognosen nicht der richtige Weg ist, um dieses Ziel zu erreichen.
Bleiben Sie dran, wir werden sicherstellen, dass wir hier rechtzeitig besprechen, wie kollaboratives Supply Chain Management aus einer prognostischen Perspektive korrekt ausgeführt werden kann.
Leserkommentare (2)
Hallo Neha, Wenn Ihr Lieferant absolute Gewissheit über die Bestelldaten hat, bedeutet dies, dass die gesamte Unsicherheit in den Nachbestellmengen liegt. Sie können die Unsicherheit der Nachfrage nicht beseitigen, indem Sie die Variable des Bestelldatums einfrieren. Wenn Sie jedoch darüber nachdenken, dass Ihr Lieferant “gemäß Ihren Prognosen” produziert, bedeutet dies mit großer Sicherheit, dass Sie klassische Prognosen (auch bekannt als wöchentliche/monatliche Prognosen) verwenden, die für die Supply Chain sehr schlecht geeignet sind. Sie sollten stattdessen Quantilprognosen oder Quantilgitter in Betracht ziehen. Ich hoffe, das hilft. vor 3 Jahren | Joannes Vermorel
Hallo 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 einer Excel-Tabelle zu produzieren? Könnten Sie mir bitte eine E-Mail an nehakadamneha87@gmail.com senden? vor 3 Jahren | Neha Kadam
