Nachfrage während der Lieferzeit
Die Nachfrage während der Lieferzeit (auch Lieferzeitnachfrage genannt) ist die Gesamtnachfrage zwischen dem jetzigen Zeitpunkt und dem erwarteten Zeitpunkt für die Lieferung nach der nächsten, falls jetzt eine Nachbestellung erfolgt, um den Bestand auffüllen zu lassen. Diese Verzögerung wird als Lieferzeit bezeichnet. Da die Nachfrage während der Lieferzeit eine zukünftige (noch nicht beobachtete) Nachfrage ist, wird dieser Wert typischerweise mithilfe von Zeitreihen analysiert.
Das Konzept der Nachfrage während der Lieferzeit findet unter anderem Anwendung im Einzelhandel, Großhandel und in der Fertigungsindustrie, wo der Bestand gehalten wird, um Kunden zu bedienen.
In der klassischen Sicherheitsbestand Analyse ist der Bestellpunkt die Summe aus der Nachfrage während der Lieferzeit und der Sicherheitsbestand-Komponente. Die mittlere Nachfrage während der Lieferzeit kann als die Nachfrageabschätzung interpretiert werden, welche zu 50% Chancen hat, über oder unter der zukünftigen Nachfrage zu liegen, wenn man für N Tage in die Zukunft blickt, wobei N die Lieferzeit ist. Folglich, wenn die Nachfrage während der Lieferzeit als Bestellpunkt mit einem Sicherheitsbestand von null verwendet wird, beträgt das erwartete Servicelevel 50%.
Mit der moderneren Quantil-Perspektive wird jedoch eine absichtlich verzerrte Schätzung der Nachfrage während der Lieferzeit direkt mittels Quantil-Prognosen berechnet. Aus der Quantil-Perspektive ist der Bestellpunkt nichts anderes als eine absichtlich verzerrte Schätzung der Nachfrage während der Lieferzeit. Die Verzerrung wird angepasst, um das gewünschte Servicelevel zu erreichen.
In beiden Fällen (klassisch oder quantil) ist die präzise Schätzung der Nachfrage während der Lieferzeit entscheidend, um ein gutes Maß an Bestandsoptimierung zu erreichen, das heißt, um den minimalen Bestand zu verwenden, um spezifische Ziele für das Servicelevel zu realisieren.
Lokads Fallstrick
Die natürlichste Art, über die zukünftige Nachfrage nachzudenken, ist eine aggregierte zukünftige Nachfrage pro Tag, Woche oder Monat. Durch diese Aggregation ist die Prognose nur die Fortsetzung der vergangenen Nachfragekurve in die Zukunft. Sobald eine Lieferzeit festgelegt ist, wird die Nachfrage während der Lieferzeit als Summe der prognostizierten Werte für die nächsten N Perioden berechnet.
Jedoch ist dieser indirekte Ansatz nicht optimal, da das optimierte Kriterium (d.h. die Prognose pro Periode) nicht dasjenige ist, das den Bestand beeinflusst (d.h. die Prognose pro Lieferzeit). Diese durch die Aggregation selbst eingeführte Diskrepanz erklärt auch, warum wir präzisere Prognosen beobachten, wenn wir eine Quantil-Prognosetechnologie anstelle einer klassischen Prognosetechnologie nutzen.