आजच्या पुरवठा साखळी मध्ये, आपण ऑर्डर केले नाही की आयटम अंदाज कसे?
आधुनिक पुरवठा साखळीमध्ये, वस्तूंची यादी बनविणार्या कंपन्यांसाठी अंदाज घेणे आवश्यक आहे आणि ते ऑर्डर करण्याकरिता तयार केलेले नाहीत. उत्पादकांनी भौतिक अंदाजानुसार हे सुनिश्चित केले पाहिजे की ते अतिसार परिस्थिती निर्माण न करता त्यांच्या ग्राहकांना संतुष्ट करणाऱ्या साहित्याचे स्तर तयार करतील जेथे मोठ्या प्रमाणात इन्व्हेंटरीचे उत्पादन केले जाते आणि शेल्फवर कायम राहते.
त्याचप्रमाणे, अंदाज कमी नसावा आणि उत्पादकाला ग्राहकांच्या ऑर्डर पूर्ण करण्यासाठी सूचीशिवाय आढळेल.
अचूक अंदाज ठेवणे अपयशी ठरण्याची किंमत आर्थिकदृष्ट्या आपत्तिमय असू शकते.
पूर्वानुमान एकतर असू शकतात:
- सांख्यिकी
- नॉन स्टैटिजिकल
एखाद्या कंपनीच्या तयार वस्तू, घटक आणि सेवा भागांसाठी पूर्वानुमान विकसित केले जातात. उत्पादन किंवा खरेदी ऑर्डर ट्रिगर, संख्या आणि सुरक्षा स्टॉक स्तर विकसित करण्यासाठी उत्पादन कार्यसंघाद्वारे अंदाज केला जातो.
अंदाज स्थिर नाही आणि व्यवस्थापनाद्वारे नियमितपणे पुनरावलोकन करावे. हे भविष्यातील ट्रेंडबद्दल माहिती देतील, अंतर्गत किंवा बाह्य वातावरण अधिक सजग गणना देण्यासाठी अंदाजानुसार निगडीत आहे.
सांख्यिकी अंदाज
पुरवठा साखळी व्यवस्थापन सॉफ्टवेअरमध्ये, अंदाज म्हणजे गणना आहे जो वास्तविक-वेळेच्या व्यवहारांमधून डेटा पोचवला जातो आणि अनेक सांख्यिकीय पूर्वानुमान परिस्थितीसाठी कॉन्फिगर केलेल्या व्हेरिएबल्सच्या सेटवर आधारित आहे.
नियोजन व्यावसायिकांनी शक्य तितक्या सर्वोत्कृष्ट अंदाज परिस्थिती पुरवण्यासाठी सॉफ्टवेअरचा वापर करणे आवश्यक आहे आणि बर्याचवेळा हे दीर्घ काळासाठी कोणतेही पुनरावलोकन न करता अनचेक झाले आहे
सप्लाय साखळी सॉफ्टवेअरमध्ये सर्वोत्तम तंत्रज्ञानाचा वापर करण्यासाठी, नियोजनकर्त्यांनी अंतर्गत आणि बाह्य वातावरणाशी संबंधित त्यांचे निर्णय तपासावे.
त्यांनी त्यांच्या वर्तमान माहितीवर आधारित अधिक अचूक अंदाज प्रदान करण्यासाठी गणना समायोजित करावी.
भूतकाळात झालेल्या मागणीनुसार भविष्यामध्ये काय होईल याची सांख्यिकी आकडेवारीचा अंदाज आहे.
साध्या रेखीय प्रतिगमन वापरून अंदाज तयार करण्यासाठी ऐतिहासिक मागणी डेटाचा वापर केला जाऊ शकतो. यामुळे ऐतिहासिक कालखंडातील मागणीचा बराचसा अर्थ येतो आणि भविष्यात मागणी वाढते आहे.
तथापि, अंदाज आजच्या जुन्या डेटा पेक्षा अधिक अलीकडे मागणी डेटावर अधिक जोर देते. याला चिकटणे म्हटले जाते आणि अलीकडील डेटा अधिक वजन देऊन उत्पादन केले जाते. घातांक चपळता म्हणजे अलीकडील ऐतिहासिक कालखंडावर दिले जाणारे मोठे वजन. म्हणून दोन महिन्यांपूर्वी सहा महिन्यांपूर्वी मुदतीपेक्षा जास्त महत्व दिले आहे.
अल्फा फॅक्टर
वेटिंगला अल्फा फॅक्टर म्हणतात आणि वजन जास्त आहे, किंवा अफा फॅक्टर हे अंदाज तयार करण्यासाठी कमी ऐतिहासिक कालावधी वापरतात.
उदाहरणार्थ, अल्फा फॅक्टर हा अलिकडच्या काळात वाढतो आणि एक वर्ष किंवा दोन वर्षांपूर्वीच्या काळातील मागणी इतके हलके भारित होते की ते संपूर्ण अंदाजानुसार नाही. कमी अल्फा घटक म्हणजे ऐतिहासिक डेटा अंदाजापेक्षा अधिक उपयुक्त आहे.
ऐतिहासिक कालखंडात साधारणत: एक निश्चित महिना, म्हणजेच जून किंवा जुलै पासून मागणी डेटा असतो. तथापि, ही गणनेत त्रुटी समाविष्ट करते कारण काही महिने इतर महिन्यांपेक्षा जास्त दिवस असतात आणि कार्य दिवसांची संख्या बदलू शकते.
काही कंपन्या ही त्रुटी कमी करण्यासाठी दैनिक मागणीचा वापर करतात, जरी भविष्य वर्तवणारी त्रुटी समजत असला तरीही वास्तविक मागणीवरून लक्षणीय ठरत असताना अंदाजानुसार मासिक ऐतिहासिक कालखंडाचा वापर ट्रॅकिंग निर्देशकासह केला जाऊ शकतो. ट्रॅकिंग सिग्नल ज्या पद्धतीने विचलन दर्शवितो त्या पातळीची गणना फोरॅस्तेस्टर किंवा सॉफ्टवेअरद्वारे केली जाते आणि उद्योग, कंपन्या आणि उत्पादनांमध्ये बदलते.
जेव्हा पूर्वानुमान केले जाणारे उत्पादन उच्च-मूल्य असेल तेव्हा लहान विचलनास हस्तक्षेप करणे आवश्यक असू शकते, परंतु कमी मूल्यातील आयटमला अशा उच्च स्तरावर पूर्व-तपासणीची आवश्यकता नसते.
नॉन-स्टॅटिस्टिकल फ़ॉरकास्टिंग
पुरवठा साखळी व्यवस्थापन सॉफ्टवेअरमध्ये नॉन-स्टॅटिस्टिकल अंदाज सांगण्यात आले आहे जिथे मागणी उत्पादन योजनाकर्ते द्वारे निर्धारित केलेल्या प्रमाणावर आधारित असेल.
नियोजक व्यक्तिमत्वात्मक संख्येत प्रवेश करते तेव्हा असे घडते जेव्हा ते असा विश्वास करतात की मागणी ऐतिहासिक मागणीचा संदर्भ नसेल
वस्तूंची मागणी जेव्हा माल आवश्यकतेच्या नियोजनाच्या (एमआरपी) रनांच्या परिणामांवर आधारित असते तेव्हा इतर गैर-सांख्यिकीय अंदाज सांगते.
हे पूर्ण केल्याची मागणी घेते आणि सामग्रीचे बिल फोडवते जेणेकरून मागणी भाग घटकांसाठी मोजले जाते. घटक मागणी नंतर वर्तमान मूल्यांकन त्यांच्या मूल्यांकन आणि ज्ञान आधारित नियोजीत करून जाऊ शकते.
परिणामी अंदाज चालू मागणीवर आधारित आहे आणि मागील कालावधीतील कोणत्याही मागणीचा समावेश करणार नाही. बर्याच कंपन्या त्यांच्या उत्पादन ओळीत नॉनस्टेटिस्टिकल आणि स्टॅटिस्टिकल पूर्वानुमानचे संयोजन वापरतील.
सांख्यिकी अंदाज जटिल गणनांवर आधारित आहे आणि भविष्यातील मागण्या ऐतिहासिक काळांच्या मागणीनुसार निर्धारित केल्या जाऊ शकतात.
भविष्यकाळात नियोजक भविष्यातील मागण्यांसाठी मार्गदर्शक ठरतो, परंतु कोणतीही अंदाज पूर्णतः अचूक नाही आणि नियोजकांचा अनुभव आणि वर्तमान आणि भविष्यातील वातावरणाचे ज्ञान कंपनीच्या उत्पादनांची भविष्यातील मागणी निश्चित करणे महत्वाचे आहे.
हा लेख गॅरी मेरियन, लॉजिस्टिक्स आणि बॅलेंससाठी पुरवठा शृंखला तज्ञ यांनी अद्यतनित केला गेला आहे.