关注
微信
工程机械与维修 今日工程机械
首页 - 专栏 - 正文

【叶老师讲库存管理之二十六】零件需求预测的灵敏度和准确度

匠客工程机械 评论(0)

来源:匠客工程机械

在维修与服务的后市场业务中,零件库存十分重要,库存缩短了交货期,保证了服务及时性和客户满意度。如果没有零件库存,服务型企业就难以保证服务及时性,留住老客户将十分困难。

但是,并非有了零件库存,企业就能够满足客户需求,因为存对了零件才能满足客户需求,同时获得利润回报并让资金周转起来;如果存错了零件,则不仅会造成客户不满,还会导致资金占用和呆滞库存损失。那么,如何保证所存的零件是正确的呢?你怎么知道客户未来会需要什么零件?

这就要进行需求预测库存计划。显然,仅仅依靠经验进行需求预测是不够的,人的经验和水平参差不齐,企业必须向数字化转型,通过建立零件库存管理模型,用数据驱动需求预测,才能改善库存计划效率,让数字化成为企业的核心竞争力,通过对零件需求的历史数据进行分析和挖掘,用大数据的方法预测未来的零件需求。

零件业务有很强的可重复性,同时也存在很强的随机性,受市场波动影响很大,做需求预测时必须考虑这些影响因素。比如:当企业进入一个新市场,推出一款新机型,服务中零件需求就会与近期整机销量有着很强的相关性,在预测时需要很高的灵敏度。

如果企业刚刚做了一次滤芯促销活动,以十分优惠的价格,增加了不少销量,很多客户购买了未来12个月保养所需要的滤芯,以此来降低保养成本。企业在预测未来滤芯需求时,就不得不考虑这次促销带来的影响。如果简单地根据最近几个月的销售数据来做需求预测,很可能会库存过量滤芯,造成积压和呆滞。这时的需求预测就要降低敏感度,最好根据以往的需求量,并考虑促销造成的需求下降。

我们可以用移动平均法来计算过去一年中零件的月平均需求量,并以此作为市场需求的预测基准。考虑到预测灵敏度,我们可以对历史数据设置不同的加权系数,比如:可以把最近4个月需求的权重设为60%,而之前8个月需求的权重设为40%,以增加预测对近期需求变化的响应度。同样,我们也可以用移动平均法来计算过去12个月零件需求量的方差和标准差,按照不同的权重和响应度计算安全库存。当需求波动非常大,变化非常快的时候,在一定程度上我们就可以通过安全库存来满足客户需求。

最高的灵敏度就是一期平均,即拿上个月的实际需求作为下个月的预测。这看上去响应很快,其实上却是典型的被动反应,这种预测永远赶不上客户的真实需求,也给库存计划造成极大的困扰,导致库存利用率低下,运营成本很高,库存中所有的短缺,最终都以过剩收尾,而库存中所有的过剩,都是从短缺开始,客户需要的零件仓库里缺货,仓库里有货的零件却无人问津,库存总是落后需求“半拍”。

在需求预测中,预测的灵敏度经常与预测的准确度相矛盾,灵敏度高了,准确度就可能下降;准确度高了,灵敏度就不会太高,并非数据越多,时间越久,预测越准确。最近一位朋友问我:“移动平均法中的加权系数应该怎么设定?”从事零件计划的人员必须做出判断:未来市场需求主要受哪些因素影响?如果这些年产品升级换代很快,市场变化很大,也许一年前的零件需求数据就没有多少参照意义,那么用最近12个月(甚至最近6个月)的数据做预测就更准确。哪些数据影响更大,就应该增加这些数据的加权系数,预测才更准确。

所以,需求预测要兼顾灵敏度和准确度,有时响应太快常常造成准确度太低。我见到很多企业的库存管理人员,他们的主要工作不是专注于需求预测和库存计划,而是每天忙于寻找货源、调货、催货,一天到晚忙个不停,他们却很喜欢这种感觉,以为这才是客户服务,因为感受到客户对自己的依赖。其实这都是库存计划没有做好,不得不多花很多时间去做供应链执行,加急和空运多花了不少钱,客户还不满意。如果做好了需求预测和库存计划,就能大大减少供应链执行的工作。

需求预测的战略就意味着企业的长远利益,必然牺牲一定的短期利益。可一味聚焦库存战略,对当下发生的零件缺货不管不顾,也会导致客户流失。两者之间的平衡,让灵敏度与业务相匹配,也是准确度最高的时候,这往往能够展现出库存计划人员的价值。

人们常说计划赶不上变化,其实库存计划的目的不是要“赶上”变化,而是要预测出变化并满足需求。“赶上”就意味着滞后,随着变化被动地做出反应,结果把库存计划做成了供应链执行;库存计划就是预判,虽然市场需求是变化的,其背后却存在一定的规律,发现模式,做好预测,最大限度地满足需求,降低运营成本,提高库存周转率和零件现货率,而大数据挖掘正是找到这些规律、做好需求预测的一把金钥匙。

展开阅读全文

敬请关注 《工程机械与维修》&《今日工程机械》 官方微信

更多精彩内容,请关注《工程机械与维修》与《今日工程机械》官方微信

发布
评论(0)