Planowanie popytu: zamówienie, które już było w prognozie

Prognoza na kwiecień mówi 1000 sztuk. Dystrybutor przysyła potwierdzone zamówienie na 600. System planistyczny sumuje obie liczby i planuje 1600. Sześć tygodni później w magazynie leży 400 sztuk, a wszyscy obwiniają prognozę. Prognoza była w porządku. Zamówienie już w niej było.

Planowanie popytu to proces określania, ile każdego wyrobu będą potrzebować klienci i kiedy – przez połączenie prognoz z rzeczywistymi zamówieniami tak, aby każda spodziewana sprzedaż była liczona tylko raz. Połowa tej pracy to księgowanie: przypisanie każdego zamówienia do prognozy, do której należy.

Konsumpcja prognozy: jak zamówienia „zjadają” prognozę

Prognoza to rezerwacja miejsca dla zamówień, które jeszcze nie wpłynęły. Gdy wpływa rzeczywiste zamówienie, powinno zastąpić część tej rezerwacji, a nie dokładać się do niej. Planiści nazywają to konsumpcją prognozy.

Wyobraźmy sobie restaurację w sobotni wieczór. Kierownik spodziewa się 100 gości, z czego 60 zarezerwowało stolik. Kuchnia przygotowuje się na 100 osób, a nie na 160. Rezerwacje są częścią tej setki; pozostałe 40 to goście, którzy przyjdą bez rezerwacji.

Trudność tkwi w datach. Zamówienia rzadko trafiają w ten sam tydzień co prognoza, do której należą, więc potrzebna jest reguła określająca, jak daleko zamówienie może sięgnąć. Ta reguła to okno konsumpcji: o ile okresów wstecz i do przodu zamówienie może szukać prognozy do skonsumowania.

Planowanie popytu z datami: przykład

Prognoza na kwiecień: 1000 sztuk, rozłożone po 250 tygodniowo na tygodnie 14–17. Wpływa zamówienie na 600 sztuk z terminem w tygodniu 15.

Bez okna (tylko ten sam tydzień). Zamówienie konsumuje 250 z tygodnia 15. Pozostałe 350 nie ma gdzie trafić, więc zostaje doliczone na wierzch. Łączny popyt: 600 + 250 (tydzień 14) + 250 (tydzień 16) + 250 (tydzień 17) = 1350. Właśnie zaplanowano 350 sztuk, o które nikt nie prosił.

Okno obejmujące jeden tydzień wstecz i jeden do przodu. Zamówienie bierze 250 z tygodnia 15, potem 250 z tygodnia 14 (najpierw wstecz), a ostatnie 100 z tygodnia 16. Pozostała prognoza: 150 w tygodniu 16 i 250 w tygodniu 17. Łączny popyt: 600 + 150 + 250 = 1000. Dokładnie tyle, ile spodziewano się sprzedać.

Bez żadnej konsumpcji. 600 + 1000 = 1600. Liczba z pierwszego akapitu.

Ta sama prognoza, to samo zamówienie, trzy odpowiedzi: 1000, 1350 albo 1600. Różnica to 600 sztuk wyrobów gotowych – i wynika z ustawienia w systemie, a nie z rynku.

Dwie reguły pozwalają zachować rzetelność. Po pierwsze, zamówienie powinno konsumować prognozę wyłącznie dla tej samej pozycji i tego samego rynku; zamówienie z Niemiec nie powinno kasować prognozy dla Hiszpanii. Po drugie, ktoś musi zdecydować, kiedy zamówienie jest dodatkowe: to jednorazowy projekt albo promocja, której prognoza nigdy nie obejmowała. Ta decyzja należy do spotkania S&OP, a nie do głowy jednego planisty.

Obciążenie prognozy a trafność prognozy

Dwa wyroby, oba sprzedają się dokładnie po 100 sztuk tygodniowo przez cztery tygodnie.

• Wyrób A jest prognozowany na 110 w każdym tygodniu. Błąd: 10% co tydzień.
• Wyrób B jest prognozowany na 110, 90, 110, 90. Błąd: również 10% co tydzień.

W raporcie trafności wyglądają identycznie: 90% trafności. To jednak nie jest ten sam problem.

Prognoza wyrobu A jest obciążona, czyli obarczona błędem systematycznym. Zawsze myli się w tym samym kierunku. Po czterech tygodniach wyprodukowano 440 sztuk przy sprzedaży 400, a 40 nadwyżkowych sztuk leży na półce. W kolejnym miesiącu będzie ich 80. Obciążenie się kumuluje.

Prognoza wyrobu B jest zaszumiona, ale nieobciążona: prognoza 400, sprzedaż 400. Błędy się znoszą, a niewielki zapas bezpieczeństwa amortyzuje tygodniowe wahania.

Różne są też sposoby naprawy. Obciążenie łatwiej skorygować: trzeba ustalić przyczynę (zwykle jest nią zawyżanie liczb przez dział sprzedaży „na wszelki wypadek”) i ją usunąć. Szumu nie da się wyeliminować dyskusją; pokrywa się go buforem albo krótszym czasem realizacji. Dlatego obciążenie zawsze warto raportować obok trafności. Sama liczba trafności ukrywa jedyny błąd, który rzeczywiście da się naprawić.

Mit: lepsza prognoza rozwiąże problem opóźnionych dostaw

Kusi myśl, że gdyby prognoza była trafna, zamówienia wyjeżdżałyby na czas. Warto jednak sprawdzić, skąd faktycznie biorą się opóźnienia. Klient zamawia pompę w niestandardowej konfiguracji z trzytygodniowym czasem realizacji i chce ją mieć za dwa tygodnie. Żadna prognoza tu nie pomoże; tej konfiguracji nigdy nie prognozowano. Standardowy wyrób jest opóźniony, bo lakiernia była przeciążona, odlew dotarł tydzień za późno albo stan w systemie wynosił 40, a na półce leżało 12.

Prognozy mają największe znaczenie dla pozycji produkowanych na magazyn i dla materiałów o długim czasie dostawy. W pozostałych przypadkach obietnica zależy od mocy i materiałów dostępnych w chwili wpłynięcia zamówienia. Dlatego sprawdzenie zamówienia klienta przed potwierdzeniem terminu ma większe znaczenie niż kolejny punkt procentowy trafności prognozy.

I jeszcze jedno, czego planowanie popytu nigdy nie powinno dotykać: komponenty. Prognozuje się pompę; uszczelki, śruby i korpusy wynikają ze struktury wyrobu. To popyt zależny, który się wylicza, a nie zgaduje.

Jak to wygląda w factory.online

W platformie factory.online zamówienie klienta na 600 sztuk bezpośrednio tworzy zapotrzebowanie produkcyjne, a planowanie MRP rozwija je przez strukturę wyrobu, dzięki czemu każdy brak pozostaje powiązany z tym zamówieniem. Pozostałe 400 sztuk można przetestować w scenariuszu planistycznym, zanim cokolwiek zostanie kupione – planista widzi, jak dodatkowy wolumen wpłynie na materiały i moce, zamiast odkryć to w maju w postaci zapasu.

Jeśli twoje liczby planistyczne regularnie dają w sumie więcej, niż sprzedajesz, umów się na demo, a przejdziemy przez to na twoich własnych zamówieniach.