聽
Prognozowanie naiwne jest najprostsz膮 metod膮 oszacowania przysz艂ych warto艣ci. W tym przypadku przyjmujemy, 偶e wybrana obserwacja z ustalonego okresu historycznego stanowi najlepsz膮 prognoz臋 dla przysz艂ej (nieznanej) warto艣ci szeregu czasowego.
Przy wykorzystaniu 艣redniej ruchomej prognoza konstruowana jest poprzez u艣rednienie warto艣ci szeregu dla kilku okres贸w i wykorzystanie warto艣ci 艣redniej jako prognozy dla kolejnego okresu. Dzi臋ki temu mo偶liwe jest zredukowanie (wyg艂adzenie) fluktuacji, kt贸re pojawi艂y si臋 w tym okresie.
Podstawow膮 ide膮 wyg艂adzania wyk艂adniczego jest przypisanie obserwacjom z poprzednich moment贸w w czasie wyk艂adniczo zanikaj膮cych wag. Dzi臋ki temu, obserwacje z ostatnich okres贸w maj膮 wi臋kszy wp艂yw na prognoz臋 ni偶 wcze艣niejsze obserwacje historyczne.
W praktycznie ka偶dym przedsi臋biorstwie istnieje hierarchia. Dotyczy ona r贸wnie偶 sprzeda偶y. Mo偶emy j膮 przedstawia膰 jako ca艂o艣膰, na poziomie grup i podgrup produkt贸w, poszczeg贸lnych produkt贸w, indeks贸w/SKU/rodzaj贸w opakowa艅. Hierarchie produkt贸w mo偶emy umie艣ci膰 w poszczeg贸lnych regionach, centrach dystrybucji, halach produkcyjnych, mo偶emy przypisa膰 sprzeda偶 do poszczeg贸lnych odbiorc贸w, etc. W ten spos贸b mo偶e powsta膰 wielopoziomowa hierarchia.
Przedzia艂 ufno艣ci prognozy to zakres, w kt贸rym z pewnym zadanym prawdopodobie艅stwem b臋dzie le偶a艂a warto艣膰, kt贸r膮 prognozujemy. Na przyk艂ad, je艣li dla ca艂kowitej sprzeda偶y pewnego produktu w przysz艂ym miesi膮cu 95-procentowy przedzia艂 ufno艣ci prognozy wynosi od 252 do 266, to oznacza, 偶e z prawdopodobie艅stwem 95% sprzeda si臋 co najmniej 252 i co najwy偶ej 266 sztuk tego produktu.
Poniewa偶 prognozowane warto艣ci dotycz膮 przysz艂o艣ci, nie jest mo偶liwe stwierdzenie, na ile dok艂adne s膮 obecne prognozy. Ich dok艂adno艣膰 b臋dzie mo偶na stwierdzi膰 dopiero, kiedy znane ju偶 b臋d膮 rzeczywiste warto艣ci.
W praktyce biznesowej cz臋sto obserwujemy zjawiska, kt贸re nie zachowuj膮 ci膮g艂o艣ci w czasie. Przyk艂adem mog膮 by膰 dane sprzeda偶owe produktu, kt贸ry nie by艂 sprzedawany codziennie, ale co kilka dni lub rzadziej. W takim szeregu czasowym wyst臋puje w贸wczas wiele zer i to one s膮 warto艣ci膮 dominuj膮c膮 wi臋c standardowe metody prognozowania nie sprawdzaj膮 si臋 zatem trzeba zastosowa膰 inne metody - dostosowane do szereg贸w rzadkich, takie jak m.in. metoda Crostona.
Metodologia ta jest intensywnie rozwijana i wykorzystywana przez ameryka艅skie urz臋dy statystyczne oraz liczne instytucje na 艣wiecie. Potrafi ona uwzgl臋dni膰 wiele r贸偶nych struktur niedaj膮cych si臋 zaobserwowa膰 podczas zwyk艂ej wizualnej analizy m.in. trendy, wahania sezonowe, obserwacje odstaj膮ce etc.
聽
(s,Q) - metoda poziomu zapasu wyznaczaj膮cego moment zamawiania, (S,T) - metoda sta艂ego cyklu zamawiania, (s,T) - metoda poziomu zapasu wyznaczaj膮cego moment zamawiania w sta艂ych cyklach zamawiania, (s,S) - metoda minimum maksimum, Metoda Wagnera-Withina, Metoda Silvera-Meala.
Odpowiednio dokonana klasyfikacja pozwala na 艂atwiejsze zarz膮dzanie towarami magazynowymi, dostosowywanie poziom贸w bezpiecze艅stwa oraz innych parametr贸w modeli. Dzi臋ki niej wiemy, na kt贸re produkty nale偶y zwr贸ci膰 wi臋ksz膮 uwag臋.
Klasyfikacja popytu jest wci膮偶 otwartym zagadnieniem. W literaturze mo偶na odnale藕膰 m.in. popularne klasyfikacje Williams'a oraz Eaves'a, jednak nie s膮 to wcale najlepsze rozwi膮zania. Tw贸rcy Prologistica Opti proponuj膮 podej艣cie, kt贸re bardziej odpowiada systematyce metod prognozowania wykorzystywanych w silniku Trend.
Poziom dost臋pno艣ci towar贸w, nazywany te偶 cz臋sto poziomem obs艂ugi klienta, okre艣la prawdopodobie艅stwo, z kt贸rym w danej jednostce czasu zapasy nie zostan膮 wyczerpane i zaspokojony b臋dzie ca艂y popyt.
Na koszty zapas贸w sk艂adaj膮 si臋 wszystkie koszty zwi膮zane z utrzymaniem zapas贸w poniesione w okre艣lonej jednostce czasu. Najcz臋艣ciej s膮 one wyra偶ane jako procent warto艣ci zapasu.
Czas realizacji zam贸wienia mo偶na definiowa膰 na wiele sposob贸w, jednak na potrzeby zarz膮dzania zapasami wygodnie jest okre艣la膰 w ten spos贸b czas, jaki up艂ywa pomi臋dzy z艂o偶eniem zam贸wienia, a odnowieniem dost臋pno艣ci zam贸wionych towar贸w po ich otrzymaniu od dostawcy, umieszczeniu w magazynie i udost臋pnieniu dla klient贸w.
Co sk艂ada si臋 na proces odnawiania zapas贸w? Odnawianie zapas贸w jest to proces uzupe艂niania magazyn贸w w celu utrzymania poda偶y towar贸w.
