Image
ubeon-background-gradient-1920x1080.svg
Blogartikel
In een vorige blog artikel hadden we het over “Wat is voorraadplanning?”

Bij voorraadplanning gaan we op heel regelmatige basis na hoe de huidige en geplande voorraadsituaties evolueren ten opzichte van de verwachte niveaus.

Eén van de belangrijkste factoren voor deze planning is de verwachte “vraag” of “behoefte” in de toekomst. Deze “behoefte” kan verschillende oorsprongen of oorzaken hebben:


Afgewerkte producten of halffabricaten voor verkoop
Grondstoffen, hulpstoffen(*), halffabricaten en verpakking voor productie
Onderdelen voor onderhoud en herstelling
Verdeling van goederen binnen het eigen netwerk (bvb. winkels die van uit een centraal magazijn geleverd worden)
Intern verbruik
Andere


(*)Ter verduidelijking: Grondstoffen zijn productiemiddelen die opgaan in een nieuw product. Hulpstoffen zijn middelen die nodig zijn voor de productie maar geen onderdeel van het nieuwe product worden

Een deel van die toekomstige vraag kan reeds gekend zijn, zoals klantenbestellingen of grondstoffen/producten nodig voor de geplande productie. In vele gevallen zal (een deel van) de behoefte in de toekomst een onbekende factor zijn. Voor die producten zal men dan een schatting of voorspelling maken, een zogenaamde “Forecast”.

Is zo een forecast nodig voor elke onbekende vraag of verbruik? Heel zeker niet. In het blogartikel “Wat is voorraadbeheer” beantwoordden we reeds de vragen “Wat wensen we op voorraad te houden?” en “Hoeveel voorraad moeten we dan houden?”. Daaruit bleek dat niet voor alle producten voorraad nodig of gewenst is. En indien er geen voorraad nodig is, dan ook geen forecast?

Op het eerste zicht zou je kunnen stellen dat wanneer je geen voorraad plant, er ook geen forecast nodig is, maar dat is niet altijd zo. De forecast is niet alleen nodig om voorraad te plannen, maar ook om er voor te zorgen dat er “upstream” in de keten (bij leveranciers en hun leveranciers) voldoende producten (bv. grondstoffen of onderdelen) en capaciteit beschikbaar is. Die forecast kan ook nodig zijn om (prijs-) afspraken te maken bij leveranciers of om raamcontracten te onderhandelen.

Wat betreft de bovengenoemde “capaciteit”, gaat het hier zowel over de productie in zijn geheel als over mogelijke bottlenecks op gebied van werkposten en gekwalificeerd personeel. Deze productie kan intern zijn, maar ook bij leveranciers of zelfs nog vroeger in de ketting. Nog een apart aspect van capaciteit dat soms problemen kan veroorzaken is transport.

Misschien verduidelijkt dit voorbeeld de stelling dat forecast ook nodig kan zijn zonder voorraad:

De meeste nieuwe auto’s worden momenteel niet “uit voorraad” verkocht maar “op bestelling” volgens de specificaties van de eindklant. De producent zal dan wel op voorhand willen weten hoeveel wagens er verwacht worden, zodat hij zijn productie kan inplannen en ervoor kan zorgen dat hij steeds over voldoende componenten en capaciteit kan beschikken. Deze producent zal deze forecast dan ook gebruiken als basis voor zijn bestellingen (en planning) bij zijn leveranciers.

Moeten we dan toch voor alle producten het verbruik voorspellen? Heel zeker niet! Producten met een laag verbruik en voldoende externe beschikbaarheid kunnen gerust zonder forecast. Deze “voldoende beschikbaarheid” of “binnen de gewenste tijd” moet wel in de ruime zin bekeken worden: eindproducten, halffabricaten, grondstoffen, hulpstoffen en capaciteit.

In de white paper "Where should we place the forecasting function?” bieden we meer inzicht rond wie zich op de forecast moet focussen en dat er verschillende vormen van forecast zijn: sales forecast, distributie forecast, productie forecast.

Op bepaalde plaatsen kan die forecast een som zijn van informatie van verschillende origine. Een magazijn dat zowel als centraal magazijn en als lokaal verkooppunt functioneert, zal enerzijds de geplande behoefte van onderliggende verkooppunten (=dependant demand of afhankelijke vraag) moeten kennen, maar anderzijds ook de lokale behoefte (=independant demand of onafhankelijke vraag) moeten bepalen.

Deze “dependant demand” is informatie die vanuit die afhankelijke eenheden komt, de “independent demand” is de behoefte die lokaal geforecast wordt. Indien deze “dependant demand” niet gekend is, zal deze misschien moeten ingeschat worden.

Forecast wordt steeds bepaald als aantallen over een bepaalde periode. Over het algemeen zal men tijdsperiodes (ook “buckets” of “timeframes” genaamd) inplannen. Voor de nabije toekomst gebruikt men best kortere periodes (bvb. per dag of week), maar voor de verre toekomst zijn grotere buckets wenselijk (per maand, kwartaal of jaar)

Er zijn veel verschillende manieren om forecasts te berekenen, hierbij enkele voorbeelden:


Gebaseerd op historische vraag (= statische modellen). Dit is de klassieke methode, maar vraag is of in de VUCA-wereld de toekomst zich zal gedragen als een verderzetting van het verleden. VUCA staat voor Volatile-Uncertain-Complex-Ambiguous; met andere woorden een snel veranderende, onzekere wereld.
Top-to-bottom: vertrekkende vanuit een hogere productgroep (bvb. auto’s binnen de eigen groep), dan proportioneel (eventueel volgens historische mix) opsplitsen per model, brandstoftype etc.
Bottom-to-top: elk product wordt apart geforecast, de forecast van de hogere productgroep(en) is dan de som van de onderliggende producten
Op basis van marketingstudies, -verwachtingen en trends (bvb. elektrische voertuigen)
Gerelateerd aan andere forecasts (bvb. schokdempers op basis van aantal voertuigen in omloop maal de verwachte slijtage factor)
Op basis van informatie van klanten en leveranciers
En nog vele andere


Niet alleen producten kunnen/moeten geforecast worden, soms vormen totaal andere gegeven-sets de basis voor een berekende forecast. Deze gegevens kunnen al-dan-niet voorhanden zijn. Enkele voorbeelden van andere gegevens-sets die de basis kunnen vormen voor een forecast:


Weersverwachting aan de kust --> Aantal verwachte hotel-overnachtingen --> Materiaal nodig voor hotels
Weersverwachting --> geplande BBQ --> Eten en drinken voor BBQ + benodigdheden voor BBQ (zoals houtskool)
Aantal passagiers op openbaar vervoer --> nodige papieren tickets voor vervoerbewijzen
Besmettingsgraad Covid-19 --> Ziekenhuisbezetting --> Nodige metrialen voor verzorging


Deze onderlinge afhankelijkheid van forecasts wordt heel regelmatig onderschat:

Een typisch voorbeeld hiervan is het aspect “kannibalisatie”: de lancering van een nieuw product zal vermoedelijk een negatieve impact hebben op de forecast van vorige versies van dit product (bvb IPhone X kannibaliseert iPhone 8). Een ander voorbeeld zijn nevenverkopen (bvb hoejes voor die iPhone X).

Een forecast is steeds een inschatting en dus per definitie verkeerd - maar toch nodig om te kunnen plannen. Een belangrijk aspect van een forecast is de indicatie van accuraatheid. Men kan een forecast hebben van 1.000 stuks per periode, maar voor de personen die aan voorraadbeheer doen en met deze forecast werken is het van belang om de “betrouwbaarheidsvork” te kennen, wat is een pessimistische en optimistische inschatting:


1.000 stuks, met 90% zekerheid tussen 900 en 1.100 is zeer accuraat
1.000 stuks, maar met die 90% zekerheid tussen 100 en 3.000, dat is eerder gokken en hiermee kan een voorraadplanner moeilijk werken.


Hoe dichterbij de periode hoe nauwkeuriger de forecast moet zijn, zeker binnen de verwachte levertijden. Wanneer men verder in de toekomst plant, dan mag/zal die vork groter worden naarmate die periode verder in de toekomst ligt. In vele gevallen is het aangeraden deze vork “upstream” te communiceren. In het verleden onderhandelde ik productiecapaciteit op langere termijn en waren deze “vorken” vastgelegd. Indien nieuwe forecast buiten deze marges vielen, dan gingen er alarmsignalen af en moest er bvb. gecontroleerd worden of die nieuwe forecast haalbaar was.

Initieel is het inschatten van de accuraatheid van een forecast even moeilijk als het bepalen van de forecast zelf, maar door ervaring leert men toch nauwkeuriger te worden. Een aanbeveling is om forecasts regelmatig te herzien en hierbij terug te gaan in het recente verleden om na te gaan hoe ver die historische forecast afweek van de reële vraag. Kleine afwijkingen zijn normaal, maar wanneer deze afwijkingen relatief groot zijn (zoals buiten de “betrouwbaarheidsvork” liggen), dan moet men de onderliggende oorzaak van die afwijking onderzoeken, om zo een betere geactualiseerde forecast te kunnen opstellen.

Een voorbeeld hiervan: reeds langere periode is de vraag van product X stabiel tussen 900 en 1.100 stuks per maand. Plots is er een maand met een reële vraag van 1.500 stuks - een éénmalige piek kan gebeuren, men kan dit vervolgens onderzoeken of zo laten. De maand daarop is er weer een piek van 1.500 stuks; moet men de forecast dan aanpassen? Zonder diepgaand onderzoek kan je hier geen antwoord op geven. Er zijn verschillende scenario’s mogelijk, waarvan hieronder enkele voorbeelden:


De markt is veranderd en product X neemt de plaats in van een ander product; we verwachten dat dit een blijvende trend is dus de forecast dient verhoogd
Dit was een éénmalig fenomeen dat geen impact heeft op toekomstige vraag, dus de forecast kan behouden blijven.
Dit was het gevolg van een promotie en hierdoor verwachten we in de toekomst een hogere vraag, maar wel iets lager dan gedurende die promotieperiode
Dit was het gevolg van een promotie zodat verbruikers hun vraag vroeger gerealiseerd hebben dan nodig, de verwachting is dat de vraag daarom de komende x maanden lager zal liggen dan oorspronkelijk verwacht


Deze fluctuaties in de vraag bekijkt men best niet over zeer korte periodes, hoe kleiner de periode die men vergelijkt, hoe relatief hoger de afwijkingen kunnen zijn. Bij een forecast van 1.000 stuks per maand (vork 900-1.100), is dat omgerekend ongeveer 230 per week, maar die vork is dan misschien niet 210-255, maar wel 175-300. Idem op dagbasis (30 kalenderdagen): de forecast van 33 stuks kent dan geen vork van 30-35, maar misschien een vork tussen 0 en 60.

De duur van de periodes die men forecast (de buckets) en de tijd tussen revisies of evaluaties zijn niet alleen product gebonden, maar er zijn misschien ook omgevingsfactoren die meespelen. Gebruik je gezond verstand om deze te bepalen.

Indien je over dit topic van gedachten wil wisselen, neem dan gerust contact op.

Dit artikel maakt deel uit van de reeks “Supply Chain, wat is dat eigenlijk”. Klik hier voor een overzicht van die reeks.
Webpagina
Links Stefaan Vandooren
Webpagina
Supply Chain Management (SCM) is de orkestmeester van alle inkomende, uitgaande en deels ook van interne goederen- en informatiestromen
Program
Optimaliseer jouw voorraadbeheer in lijn met jouw strategie  

 
Program
Verbeter jouw logistieke processen met minimale inspanningen  

 
Program
Verbeter jouw logistieke processen met minimale inspanningen