blog

Voorspellen

Home

Het zo goed mogelijk voorspellen van toekomstige gebeurtenissen is lastig. Omdat reactietijden in de supply chain altijd groter dan nul zullen zijn, blijft voorspellen van de toekomstige vraag echter wel nodig.

In de jaren ‘60 is veel onderzoek gedaan naar het ontwikkelen van statistische methoden om vraagvoorspellingen automatisch te genereren, met een zekere, vantevoren ingeschatte en achteraf meetbare, betrouwbaarheid. Niets nieuws onder de zon dus; veel ‘oude’ technieken voldoen nog prima.

Toch lijkt er recent een revival te zijn van voorspellingsonderzoek. Eén van de verklaringen is dat productlevenscycli afnemen. Een supermarkt kent bijvoorbeeld wekelijks honderden assortimentswijzigingen, waardoor de beschikbare historische gegevens vaak niet voldoende zijn om traditionele modellen te gebruiken. Pim Ouwehand van de Technische Universiteit Eindhoven heeft recent een klasse voorspelmodellen onderzocht die hier wel mee kan omgaan. De basisgedachte is eenvoudig: gebruik alle gegevens van soortgelijke producten om het patroon van een deze hele groep producten te voorspellen, en gebruik daarna dit inzicht op groepsniveau om voor de individuele producten voorspellingen te maken. Ook hier blijkt echter: the devil is in the detail. Zorgvuldige tuning van de modellen en het toepassen van de goede modellen in de juiste situatie blijken belangrijke succesfactoren. De modellen van Ouwehand presteren voornamelijk beter dan tot nu toe bekende modellen indien er relatief weinig historische informatie beschikbaar is of indien er veel ‘ruis’ in de vraag zit. Met ‘ruis’ wordt in dit geval bedoeld dat het lastig is om echte patronen in de vraag te onderkennen. En laten dat nu net de situaties zijn die steeds meer voorkomen!

 

Prof. Dr. Ir. Jan Fransoo

Reageer op dit artikel