blog

Kies de juiste voorspellingstechniek en bespaar flink op de voorraad

Supply chain

Expertsystemen selecteren automatisch het beste model om te voorspellen. Door een onjuist gebruik van de gegevens wordt echter zeer vaak niet het beste model gekozen. Hierdoor is de forecast accuracy onnodig laag. Volgens Forecasting-expert Seijer Troost geeft een test opzienbarende resultaten en kan met betere modellen aanzienlijk worden bespaard op de voorraden.

Kies de juiste voorspellingstechniek en bespaar flink op de voorraad
Geaggregeerde forecast accuracy

Veel ERP-systemen en planningssystemen bevatten een module om mee te voorspellen. Het is echter de vraag of u met dit soort modules ook de beste resultaten boekt. Om de kwaliteit van de forecasting modules te testen heeft de auteur meer dan 150 reeksen voorspeld met behulp van drie verschillende modules:

  • Module 1 bevat voornamelijk trendmodellen, maar beschikt ook over enkele smoothing technieken. De seizoensinvloeden worden door de software bepaald, maar de gebruiker beslist of ze daadwerkelijk gebruikt worden. De gebruiker kiest ook het gebruikte model.
  • Module 2 bevat voornamelijk smoothing technieken, maar beschikt ook over enkele trendmodellen. Eventuele seizoensinvloeden worden door de software bepaald en gebruikt. De software kiest het gebruikte model.
  • Module 3 bevat voornamelijk smoothing technieken. Er wordt geen gebruik gemaakt van seizoensinvloeden. De software bepaalt het gebruikte model.

 

Uw ERP-systeem gebruikt zeer waarschijnlijk de smoothing technieken uit module 2 of module 3. Slechts enkele systemen, bijvoorbeeld SAP APO en SAS Forecast Server, bevatten ook trendmodellen. De in deze test gebruikte modellen van module 1 zijn overigens ontwikkeld in Microsoft Excel.

 

Geaggregeerde forecast accuracy

Voor zes maanden werd een prognose opgesteld. Vervolgens werd de geaggregeerde forecast accuracy over alle reeksen berekend. De resultaten zijn opzienbarend, zie figuur hieronder.

De geaggregeerde forecast accuracy van module 1 met voornamelijk trendmodellen is, met uitzondering van één maand, verreweg het hoogst. Dit heeft grote gevolgen voor uw veiligheidsvoorraad, die gedeeltelijk afhangt van de forecast accuracy behaald door uw ERP-systeem. Hoe hoger de accuracy, hoe minder veiligheidsvoorraden u hoeft aan te houden.

Op grond van het verschil in nauwkeurigheid tussen module 1 en de overige modules kan het volgende geconcludeerd worden: bij het gebruik van module 1 kunnen de aan de forecast accuracy gerelateerde veiligheidsvoorraden met maar liefst 20 procent verlaagd worden bij een gelijkblijvend serviceniveau.

 

Verklaring

Een verklaring voor het grote verschil in forecast accuracy tussen de gebruikte modules in deze test ligt in het expertsysteem. Hierbij worden alle beschikbare voorspellingstechnieken gebruikt om prognoses te genereren. Het expertsysteem vergelijkt vervolgens deze prognoses met elkaar en op basis van de nauwkeurigheid in het verleden kiest de software automatisch de beste techniek.

 

Een aantal ERP-systemen beschikt over een expertsysteem. Bij de berekening van de prognoses wordt daarbij, zoals ook in module 2, gebruik gemaakt van de oorspronkelijke data. Smoothing technieken zullen dan, op grond van hun aard, goed scoren op de nauwkeurigheid. Het expertsysteem selecteert vrijwel nooit een trendmodel. De oorspronkelijke data behoort echter eerst gecorrigeerd te worden voor seizoensinvloeden, uitschieters en eventuele werkdagen. Pas daarna is een reële vergelijking tussen de voorspellingen met trendmodellen en smoothing technieken mogelijk. Trendmodellen maken dan veel meer kans om geselecteerd te worden.

 

Om te kunnen corrigeren moet uw forecasting software uiteraard wel het bestaan van een seizoen of een bepaalde trend kunnen ontdekken. In de praktijk is de software hiertoe vaak niet in staat.

 

Uit deze test blijkt, dat trendmodellen zeker niet de mindere zijn van de smoothing technieken. Waarom worden ze dan zo weinig toegepast in ERP-systemen en planningssystemen? In de volgende beschrijving van trendmodellen en smoothing technieken wordt hierop nader ingegaan.

 

Trendmodellen

Trendmodellen zijn bijvoorbeeld Lineaire Regressie, S-Curve of Logaritme. Bij deze modellen is een goede schatting van de seizoensinvloeden en een correctie voor uitschieters en eventuele werkdagen essentieel. Het voordeel is dat deze modellen relatief ongevoelig zijn voor schommeling in de afzet. Een nadeel is dat een wijziging in de trend nauwelijks onderkend wordt:

Het Lineaire Regressie model heeft de hoogste forecast accuracy en zou op grond daarvan door het expertsysteem gekozen worden. Echter, het model gaat nog steeds uit van een stijgende lijn ondanks het stabiele niveau van de gecorrigeerde (Normalized) actuals in de laatste perioden.

 

U kunt dit overigens gemakkelijk constateren door nauwlettend de forecast accuracy te volgen. Een systematische onder- of overschatting van de prognose duidt op een trendwijziging. U moet dan de prognose aanpassen door of een ander model te kiezen of door een ander startpunt van de berekeningen te kiezen. Deze handmatige aanpassingen zijn inherent aan het gebruik van trendmodellen. En het is een reden waarom deze modellen vaak niet toegepast worden in ERP-systemen.

 

Smoothing technieken

Smoothing technieken zijn bijvoorbeeld Moving Average, Exponential Smoothing of Holt-Winters. Alle forecasting modules bevatten deze technieken, waarbij aan de laatste gegevens meer gewicht wordt toegekend dan aan eerdere gegevens. De prognose wordt zeer snel aangepast aan de laatste ontwikkelingen:

Deze technieken zijn robuust en vergen weinig onderhoud. U hoeft er nauwelijks naar om te zien. Dat is de reden dat deze technieken zo populair zijn bij software leveranciers. Het grote nadeel is echter dat de prognose telkens achter de feiten aan loopt. Indien bijvoorbeeld de laatste afzet erg hoog was als gevolg van een promotie, dan zal de prognose voor de komende maand ook hoog zijn.

 

Conclusie

Veel ERP-systemen en planningssystemen bevatten een expertsysteem om mee te voorspellen. Met een dergelijk expertsysteem kiest u voor het gemak en weinig onderhoud. De prognose is “min of meer goed”. Het grote risico is echter, dat het beste prognosemodel niet gekozen wordt. Wat kunt u hieraan doen? Ik noem een aantal mogelijkheden:

  • Controleer of uw ERP-systeem trendmodellen bevat en zo ja of een goede correctie voor seizoensinvloeden plaats vindt. Kijk daarna of u met een trendmodel betere resultaten kunt behalen
  • Gebruik Microsoft Excel om te testen of uw belangrijkste producten nauwkeuriger te voorspellen zijn met trendmodellen en zo ja gebruik voortaan Microsoft Excel
  • Overweeg eventueel de aanschaf van een gespecialiseerd forecasting pakket met een goede correctie voor seizoensinvloeden en alle voorspellingstechnieken
  • Met betere modellen kunt u nog veel besparen op uw voorraden.

 

Lees ook de expertartikelen:

Reageer op dit artikel