Predvidevanje povpraševanja - Modul 4 Flashcards
Sistem planiranja in kontrole izdelavne poslovne funkcije
Usklajujemo potrebno in zmogljivo razpoloženje
Izhaja iz predvidenega povpraševanja
Kako je sestavljena shema sistema planiranja in kontrole izdelave poslovne funkcije
Predvidevanje povpraševanja
Dolgoročno planiranje izdelave
Mesečno planiranje izdelave
Operativno planiranje izdelave
Planiranje potreb po materialih
Lansiranje nalogov in kontrola izdelave
Predvidevanje povpraševanja
Osnova za različne odločitve
Znotraj teh odločitev skušamo doseči usklajenost med potrebno zmogljivostjo in razpoložljivo zmogljivostjo
Če hočemo pokriti celotno ali del povpraševanja naredimo oceno, kolikšno zmogljivost bo potrebno zagotoviti
Dolgoročno planiranje izdelave
1x na leto
Gre za odločitve o delovnih sredstvih (gre za daljše časovno obdobje)
Ti plani so dokaj agregirani, ne moremo iti v podrobnosti, saj ne moremo predvideti kaj bomo proizvajali v prihodnih letih
Mesečno planiranje izdelave
Srednjeročno - delamo plane za 1 leto naprej po mesecih
Planiramo za družine proizvodov
Tu rešujemo problem sezonskih nihanj (kako odreagiramo na neko sezonsko komponento)
Kaj so družine proizvodov
Znotraj iste družine proizvodov damo tiste proizvode, ki imajo podobne zahteve izdelave
Operativno planiranje izdelave
Tu govorimo o konkretnih modelih, ki jih proizvajamo v nekem kratkoročnem obdobju (8-12 tednov), odločimo do kdaj naj bi bili proizvodi narejeni in v kakšnih količinah
Lasiranje nalogov in kontrola izdelka
Lansiranje - prehod od plana na izvedbo
Kontrola izdelave - spremljamo dejanski potek izdelave, ali gre vse po planih
Kateri dve vrsti planiranja sta kratkoročni in se delata po dnevih-tednih za nekaj tednov naprej
Operativno planiranje izdelave in planiranje potreb po materialih
Glede na kaj vse se plani razlikujejo (4)
- Časovni horizont: za kako dolgo obdobje naprej delamo neke plane
- Časovna enota: za kakšne časovne enote delamo plane ( po letih, mesecih, dnevih)
- Planska frekvenca: kako pogosto ne plan delamo (1x na leto, vsak mesec)
- Stopnja agregiranosti: stopnjo podrobnosti planiranja - ali se gre o skupnih pogojnih enotah ali o konkretnih proizvodih
Kako v planiranju poslovanja ločimo odločitve
Ločimo dolgoročne, strateške od kratkoročnih, taktičnih
DOLGOROČNO, SREDNJEROČNO in KRATKOROČNO predvidevanje povpraševanja
DOLGOROČNO: dolgoročno planiranje fiksnih zmogljivosti. Pokriva obdobje nekaj let, izvaja se za skupine proizvodov - npr. Koliko parov smuči bi proizvajali
SREDNJEROČNO: mesečno planiranje izdelave. Zajema obdobje 6 do 18 mesecev, izvaja se za družine proizvodov - npr. Katere smuči proizvajati (tekmovalne, navadne)
KRATKOROČNO: operativno planiranje izdelave, kjer se odločamo o času proizvodnje posameznih proizvodov, velikosti zaloge. Zajema obdobje od nekaj tednov do nekaj mesecev - npr. Predvidevanje D po posameznih modelih smuči za nekaj mesecev naprej
Dopolni: za različne vrste predvidevanja D uporabljamo različne ____________. Te morajo biti prilagojene ___________ ______________ —> morajo zagotavljati ustrezne ___________ podatke, da te odločitve lahko sprejemamo
Metode
Vsebini odločitve
Vhodne
Osnovni zakoni predvidevanja D
- Predvidevanja so praviloma napačna - dejansko D bo drugačno kot smo predvidevali. Pri predvidevanju D obstaja neko tveganje in tega mormo ustrezno vključiti v odločanje
- Dobro predvidevanje ne daje zgolj ene številke - ker zadaj obstaja neko tveganje
- Daljši kot je časovni horizont, manj zanesljivo je predvidevanje
- Agregatno predvidevanje je bolj zanesljivo - ali so plani agregatni ali bolj podrobni
Kako delimo metode predvidevanja D
Kvalitative in kvantitativne metode predvidevanja D
Kvalitativne metode predvidevanja D
So zasnovane na oceni, presoji o tem kateri so vzorčni dejavniki, ki vplivajo na prodajo in kakšni bodo verjetni vplivi teh vzorčnih dejavnikov v prihodnosti
Temeljijo torej na SUBJEKTIVNIH MNENJIH različnih posameznikov
Take metode so primerne, ko nimamo podatkov o preteklem D ali takrat, ko pretekli podatki niso dobra podlaga za napovedovanje prihodnosti
Kako ločimo kvalitativne metode predvidevanja D (6)
- ocene vodilnega osebja: so osebe, ki imajo dobre info o tem, kaj se dogaja v podjetju in okolju, oni tudi oblikujejo strategije. Upošteva se pri dolgoročnem predvidevanju D
- delfi metoda: anketiranje strokovnjakov
- ocene prodajnega osebja: posamezni prodajalci ocenijo D za svoje področje. Uporablja se za kratkoročne napovedi D, za dolgoročne napovedu prodajno osebje nima info
- anketiranje kupcev: tu gre za B2B poslovanje, ko delujemo kot dobavitelj končnim proizvajalcem
- tržne raziskave: tu info dobimo od končnih potrošnikov
- analogija z drugimi državami in podobnimi proizvodi (tak pristop uporabimo v primeru, ko je nek proizvod/storitev že uveljavljena v drugi državi, v naši državi pa se šele začenja uveljavljati na domačem trgu - tu lahko predvidimo, da bo hitrost uvajanja in obseg uvedbe proizvoda podoben , kot je bil v drugi državi)
Kako poteka delfi metoda
Gre za pisno anketiranje strokovnjakov, ki ga izvajamo v večih krogih
Vsak strokovnjak da svoj pogled na to kako se bo razvoj trga odvijal
Nato nekdo te ocene zbere in jih sumarno prikaže ter jim pošlje nazaj za ponovni pregled in prosi za neko oceno
Ta metoda in izvedba nista poceni
Kvantitativne metode predvidevanja D
Matematični modeli, ki so zasnovani na podatkih iz preteklosti
Vse kvantitativne metode temeljijo na predpostavki, da gibanje v prihodnosti lahko predvidimo na podlagi gibanj v preteklosti
Dva pristopa kvantitativne metode predvidevanja D
Vzorčne metode - temeljijo na ugotavljanju povezav med odvisno in neodvisnimi spremenljivkami v preteklosti (izbiramo take, ki so vzorčno-posledično povezani z D)
Analiza časovnih vrst - tu predvidevamo vrednosti določene spremenljivke v prihodnosti, kot funkcijo gibanja vrednosti te spremenljivke v preteklih časovnih obdobjih. Vsako časovno vrsto lahko razčlenimo na njene komponente (povprečje, trend, cikel, sezona, slučajna nihanja)
povprečje, trend, cikel, sezona, slučajna nihanja
povprečje - povprečne vrednosti vseh podatkov, ki so vključeni v ČV
trend - osnovna dolgoročna smer razvoja
cikel - vzorec gibanja, ki se pojavi v nekem dolgoročnem obdobju
sezona - vzorec gibanja, ki se ponavlja v krajših časovnih obdobjih
slučajna nihanja - vse znotraj ČV, kar nismo zajeli skozi prejšne komponente
Kvantitativne metode za DOLGOROČNO predvidevanje D
Za obdobje daljše od enega leta, tako izločimo sezonske vplive in slučajna nihanja
Za tako predvidevanje D se uporablja regresije
Enostavni linearni regresijski model: Y = a + bX
Kaj nam kaže učinkovitost modela
Determinacijski koeficient, ki kaže kolikšen delež variabilnosti v odvisni spremenljivki lahko pojasnemo z variabilnostjo v neodvisni spremenljivki x
Korelacijski koeficient
Vrednost med -1 in 1
Kaže smer in jakost povezave
Kvantitativne metode za KRATKOROČNO predvidevanje D
Zajema obdobje do enega leta
Uporabljamo metode analize časovnih vrst, iz nje izločimo vpliv trenda in cikla, glavni vpliv imajo slučajna nihanja
Pri ocenjevanju metod kratkoročnega predvidevanja D uporabljamo tri kriterije
Stopnja odzivnosti na spremembe
Stopnja stabilnosti
Stopnja zanesljivosti
Naivna metoda
Predvideno povpraševanje je enako dejanskemu iz preteklega obdobja
Kazalca zanesljivosti napovedi
KOMULATIVNA NAPAKA V NAPOVEDI (KNN)
- kaže smer odklanjanja
- če so naše napovedi prenizke, bo KNN visoka pozitivna vrednost, če so napovedi previsoke, bo KNN visoka negativna vrednost, če pa so napovedi deloma previsoke in deloma prenizke, no KNN blizu nič
POVPREČNA ABSOLUTNA NAPAKA NAPOVEDI (PANN)
- kaže povprečno velikost odstopanj napovedu od dejanskih vrednosti spremenljivke v dolocenem obdobju
- odstopanja upoštevamo ne glede na njihov predznak
- ko so napake v napovedu previsoke imamo —, ko pa so prenizke imamo pa + predznak
Dopolni: če vemo da je PANN blizu 0, pomeni, da smo se v napovedih v vseh obdobjih relativno _______ motili. Če pa je KNN blizu 0, pa ni nujno, ker smo se lahko v nekaterih obdobjih bolj motili, kot v drugih in se med sabo lahko ________
Malo
Izničijo
Metoda drseče sredine in kolikšen N je ustrezen
Izračunamo povprečno vrednost spremenljivke za nekaj preteklih obdobij in ta aritmetična sredina je napoved za naslednje obdobje
2 možnosti izbire N:
STOPNJA STABILNOSTI in STOPNJA ODZIVNOSTI. Ti dve si nasprotujeta, če je napoved stabilna je manj odzivna in obratno. Kažeta kako hitro in močno naša napoved reagira na pretekla dogajanja
- majhen N: visoka stopnja odzivnosti, nizka stopnja stabilnosti
- velik N: visoka stopnja stabilnosti, nizka stopnja odzivnosti
Metoda tehtanih drsečih sredin
Ne upoštevamo aritmetične sredine, temveč različnim preteklim obdobjem pripišemo različen pomen
Obdobjem dodajamo pondre - bližjim obdobje, dajamo višje pondre, bolj oddaljenim pa nižje, ker predpostavljamo, da ima bilžje obdobje več vpliva na neko prihodno dogajanje
Metoda eksponentnega glajenja in kolikšen α je ustrezen
Novo povprečje, ki služi kot napoved D, izračunamo na podlagi predhodnega povprečja in zadnjega zabeleženega D
- Lahko vzamemo različen α in ga stestiramo na različnih podatkih in v prihodnosti uporabljamo tisti α, ki se je na preteklih podatkih pokazal kot najbolj zanesljiv
- Upoštevamo stopnjo stabilnosti in odzivnosti
- α =1 —> naivna metoda, kar pomeni, da je pri visokem α naša metoda ODZIVNA
- α = 0 —> kar pomeni, da bi imeli opravka s STABILNIM modelom
Pri izbiri ustreznega sistema predvidevanja velja upoštevati naslednje dejavnike (7)
Stroški in zanesljivost
Usposobljenost porabnikov
Razpoložljivi podatki in čas
Časovni horizont
Vrsta proizvodov in storitev ter namen uporabe
Stopnja odzivnosti in stopnja stabilnosti
Značilnost podatkov
Analiza časovnih vrst - povzetek
. Presoja: noben model analize časovnih vrst ne more predvideti strukturnih sprememb, ki niso bile ugotovljene s preteklim opazovanjem; to zahteva presojo rezultatov modela s strani uporabnika.
. Odzivnost napovedi: Manjše vrednosti N ali veče vrednosti α naredijo modela drsečih sredin in
eksponentnega glajenja bolj odzivna (in s tem manj stabilna) na spremembe v vrednosti spremenljivke.
. Konstante glajenja: izbira konstant glajenja je “umetnost”; najboliše kar lahko naredimo je, da izberemo tiste konstante, ki dajo najboljšo zanesjivost napovedi na preteklih podatkih.
Planiranje potreb po materialih
Najbolj podroben plan
Tu govorimo o tem, kdaj moramo začeti z nekimi aktivnostnmi izdelave ali nabave
