SCM (Subject) / Demand Planning (Lesson)

Demand Planning

This lesson was created by CarstenKoe.

Learn lesson

back  |  next 1 / 1

• Planungsaufgaben des Demand Planning Alle Entscheidungen einer Supply Chain sollten auf bereits bekannten (akzeptierten) Kundenaufträgen und geplanten Verkäufen (Absatzprognosen) für noch nicht bekannteKundenaufträge basieren. Ziel des Demand Planning Prozesses: Absatzprognose Zwei Quellen der Unsicherheit beeinflussen die Supply Chain Planung: Supply (Angebots-) Unsicherheit(z.B. unzuverlässige Produktionsprozesse, schwankende Vorlaufzeiten) Demand (Nachfrage-) Unsicherheit(Unterschied zwischen geplanter und tatsächlicher Nachfrage)
• Wichtige Entscheidungen und Anforderungen an das Demand Planning? Wichtige Entscheidungen: Was soll prognostiziert werden?(z.B. Absatz Endprodukt oder berechnete Kennzahlen, etc.) Welche Module sollen die Absatzprognose verwenden?(z.B. (Strategic Network Planning), Master Planning, Deployment etc.) Anforderungen, z.B.: Strategic Network Planning benötigt Absatzprognosen für strategischeProdukt- und Marktentscheidungen (z.B.  Lebenszyklusmodell) Master Planning benötigt Absatzprognosen für jede Produktgruppe undVerkaufsregion jeder Periode Zur Berechnung von safety stocks werden Absatzprognosen und dieStreuung (Nachfrageunsicherheit) benötigt (z.B. für Distribution Planning). Entscheidung der kurzfristigen Planung basieren auf: täglichen Prognosen für jedes Endprodukt
• Informationsfluss Kap.3 S.7
• Planungsaufgaben - Planungsprozess 1. Vorbereitung der Prognose 2. Analyse und Bereinigung der Zeitreihe 3. Auswahl des Prognosemodells, -verfahrens und der -parameterLege fest … 4. Durchführung der (rollierenden) Prognose
• Prognosen können sein: Statistische Prognose Quantitative Methoden werden zur automatischenPrognoseerstellung verwendet Haupteigenschaften der Zeitreihe werden berücksichtigt Judgemental Forecasting Information wird der Zeitreihe hinzugefügt (z.B. Promotionen) Prognose kann manuell oder anhand einer Software angepasstwerden Consensus Forecasting Zusammenarbeit der Beteiligten, d.h. Mitglieder der Supply Chain(Vertrieb, Marketing, Produktion, Beschaffung) stimmen einer(gemeinsam erstellten) Prognose zu
• Statistischer Prognoseverfahren Vorteil und Nachteil Zu: Statistischer Prognoseverfahren (= univariate Prognosemodelle) Vorteile: Objektivität (Absatzplaner subjektiv) Komplizierte Zusammenhänge können mathematisch berücksichtigt werden Nachteil: Vergangenheitswerte enthalten nicht immer alle Informationen für eine gutePrognose Kombination von statistischer , judgemental und konsensbasierter Prognosesinnvoll!
• Judgemental Forecasting Zu: Judgemental Forecasting(auch: wertende oder qualitative Prognose) Informationen, die nicht in den Vergangenheitswerten enthalten sind,werden zur Prognose hinzugefügt. Hierzu bestehen keineauswertbaren, quantitativen Informationen aus der Vergangenheit.“ Beispiele: Auswirkungen zukünftiger externer Ereignisse auf den Bedarf(z.B. Erhöhung der Tabaksteuer, Einspeisevergütung für Solarstrom) Eigene Aktivitäten(z.B. Anreizsysteme für Verkäufer oder Kunden (Promotionen)) Integration kann unstrukturiert („Bauchgefühl“) strukturiert‘
• Judgemental Forecasting ; Integration Integration von strukturierten Wertungen u. statistischen Prognosen: 1. Revidierte wertende Prognose Absatzplaner (A) beginnen mit wertender Prognose Vorlage einer statistischen Prognose A haben die Möglichkeit, ihre wertende Prognose anzupassen 2. Kombinierte Prognose Wie 1. jedoch wird der dritte Schritt mit vorgegebenenGewichtungsfaktoren automatisch durchgeführt 3. Revidierte Fortschreibung der Prognosen A wird statistische Prognose vorgelegt A modifizieren statistische Prognose, falls bestimmte Ereignisse dieserfordern (diese sind zu dokumentieren!) 4. Regelbasierte Prognosen (Auswahl aus verschiedenen Prognosemethoden) 5. Ökonometrische Modelle (Prognosemethoden durch Regression)
• Konsensbasierte Prognose „Integration von weiteren Informationen aus verschiedenen Quellen(und von verschiedenen Partnern) in eine kombinierte Prognose“ Häufig in Form eines Meetings, um offene Fragen zu diskutieren Entscheidungen basieren auf Prognosegüte der Vergangenheit(Berechnung der Prognosegüte für wertende u. statistische Prognose)
• Demand Planning Übersicht Kap.3 S.15
• Simulation / What-if-Analyse Prognose Simulation / What-if-Analyse Planung und Bewertung von Handlungen, die Verkaufszahlen steigernsollen → Beeinflussung der Nachfrage Benutzer kann verschiedene Szenarien erstellen Wann und wo soll eine Promotion stattfinden? Form des Produktlebenszyklus Zeitpunkt der Einführung eines neuen Produkts
• Vorbereitung der Prognose Neue Produkte anlegen bzw. alte Produkte deaktivieren Festlegung der zugrunde zu legenden Vergangenheitswerte (Quelle(n)): Speicherorte Was wurde gespeichert? Länge der Historie? Aggregationsniveau festlegen bzgl Zeit, Produkt Geographie
• Vorbereitung der Prognose – Aggregation der Produkte Kap. 3 S.25-26
• Analyse und Bereinigung der Zeitreihe Backorders:Industriekunden akzeptieren sehr oft Nachlieferungen (backorders) beobachtete Absatzmenge = Gesamtnachfrage Lost Sales:Wenn Nachlieferungen nicht akzeptiert werden, entstehen entgangeneAbsatzmengen (lost sales) beobachtete Absatzmenge < Gesamtnachfrage Demand Planning Modul versucht tatsächliche Nachfrage zu bestimmen
• Definitionen Demand Planning Alle führenden APS-Anbieter bieten die statistische Prognose in ihremDemand Planning Modul Prognoseerstellung innerhalb weniger Sekunden Grundsätzlich gibt es zwei Modelltypen: Zeitreihenmodelle Zeitstabilitätshypothese Zukünftige Nachfrage wird aufgrund eines bestimmten Musters bestimmt Vorteil: Benötigt nur die Beobachtung der Nachfrage in der Vergangenheit Kausale Modelle Der Absatzverlauf kann durch einige bekannte Faktoren bestimmt werden(z.B. Verkauf von Regenschirmen ist Wetter abhängig)
• Def. Zeitreihe und Beobachtungswerte Def. ZeitreiheFolge von Beobachtungswerten mit gleichem zeitlichen Abstand Def. BeobachtungswerteDie Beobachtungswerte xt einer Zeitreihe sind Realisierungen einerZufallsvariablen Xt.
• Warum wird die Prognosegüte berechnet? Der Absatzplaner möchte wissen, wie geeignet ein Prognosemodell und ein zugehörigesPrognoseverfahren für eine bestimmte Zeitreihe sind ob zusätzlichen Informationen einzubeziehen sind undob diese die Prognosegüte verbessern(siehe: Judgemental Forecasting, Consensus Forecasting) Prognosegüte (bzw. –fehler) wird beeinflusst von dem zeitlichen Abstand zwischen Prognosezeitpunkt und demtatsächlichen Bedarf der Prognosegranularität (d.h. Aggregationsstufe)
• Demand Planning Module bieten so genannte Alerts Demand Planning Module bieten so genannte Alerts: Ein Alarm (Alert) wird ausgelöst, falls der Prognosefehler (Kennzahl)bestimmte, vorgegebene Grenzwerte erreicht oder überschreitet Grenzwerte werden vom Absatzplaner definiert und können aktualisiertwerden
• Zusätzliche Funktionen – Life-Cycle-Management Lebenszyklen bei einigen Produkten betragen weniger als ein Jahr Problem: Statistische Prognoseverfahren benötigen eine gewisseAbsatzhistorie (siehe z.B. das Verfahren von Winters) Vorgehen:Bei ungefähr gleicher Funktionalität von altem und neuem Produkt,kann der Absatzverlauf des Vorgängerprodukts zur Prognose desAbsatzes des neuen Produkts verwendet werden

back  |  next 1 / 1