Aangezien de meeste sectoren in een sfeer van onzekerheid moeten werken, zijn voorspellingen cruciaal en dus onontbeerlijk. Naast de verbeterde aankoop- en verkoopplanning kunt u dankzij voorspellingen - onder meer - uw inventarisbeheer en financiële planning verbeteren:

• Aan de hand van waardevolle, gedocumenteerde voorspellingen kunt u het inventarisbeheer verbeteren en dat resulteert in minder voorraadtekorten en - overschotten.
• Door te anticiperen op de verkopen is uw bedrijf beter gewapend om de omzet- en winstverwachtingen te voorspellen.

Al bij al kunt u met voorspellingen ongetwijfeld de slaagkansen van uw bedrijf verbeteren en niet alleen vergroten maar ook nauwkeuriger berekenen.

In diverse sectoren, zoals de voeder- en voedingsindustrie, zijn aan- en verkooppatronen voorspelbaar. Dat komt omdat ze seizoensgebonden zijn en dus regelmatig terugkeren. In dergelijke sectoren leveren voorspellingen op basis van het verleden een nauwgezette kijk op de toekomst. Om dit proces te ondersteunen heeft MILAS AX een gebruiksvriendelijke en flexibele tool ontwikkeld: “Forecasts from history”.

Forecasts from history in MILAS AX

Met “Forecast from history” kunt u een aankoop/verkoop-voorspelling genereren per item en op basis van specifieke transactietypes binnen een bepaalde periode. Bij het gebruik van deze MILAS AX-module volgt u de volgende stappen:

• Selecteer een periode in het verleden;
• Selecteer de transactietypes waarop u uw voorspellingen wilt baseren. Bijvoorbeeld: voor halffabricaten kunt u de transactietypes “Production consumptions” en “Sales orders” kiezen;
• Selecteer een kalender. U kunt een kalender kiezen zonder weekends en nationale feestdagen:
• Selecteer een locatie.

Het resultaat van deze stappen is een gemiddelde hoeveelheid per (werk)dag. Op basis van deze hoeveelheid kunt u een (aankoop/verkoop-) voorspelling maken. Indien nodig kunt u de hoeveelheid automatisch aanpassen via een schaalfactor, die kan worden geannuleerd door de voorspeller. Hiervoor doet u het volgende:

• Selecteer een periode in de toekomst;
• Selecteer een voorspellingsmodel. U kunt bijvoorbeeld een model selecteren waarbij de eerste helft van de periode een hoger relatief gewicht heeft (vanwege seizoensinvloeden);
• Selecteer een kalender.

Practisch voorbeeld

Om de hierboven beschreven theorie te illustreren, kunnen we uitgaan van de volgende standaardsituatie:

• Dagen = 30 (bv. de vorige maand);
• Werkdagen = 21;
• Het item is gebruikt in 15 productiegangen. In totaal = 26780 kg;
• Het item is 10 maal verkocht. In totaal = 10380 kg;
• Resultaat:
• Hoeveelheid per werkdag: (26780+10380)/21 = 1769,52

Op basis van deze hoeveelheid (per werkdag) kunt u voorspellingen maken voor een bepaalde tijdspanne in de toekomst:

• Dagen = 7 dagen (bv. de volgende week);
• Werkdagen = 5;
• Voorspellingsmodel: relatief gewicht van de eerste en laatste dag = 23 %; relatief gewicht van de overige drie dagen = 18 % (totaal = 100 %) (Zie afbeelding 1). De voederindustrie kent dergelijke patronen omdat de dieren ook tijdens de weekends gevoederd moeten worden;

Afbeelding 1: relatief gewicht van de 5 werkdagen

• Resultaat:
• Voorspelling voor de eerste en de laatste dag van de volgende week (per werkdag) = (1769,52 * 5) * 23 % = 2034,95
• Voorspelling voor de overige dagen van de volgende week (per werkdag) = (1769,52 * 5) * 18 % = 1592,57

Vervolgens kunt u op basis van een actieve receptuur voorspellingen van het halffabricaat ook transponeren naar voorspellingen voor de aankoop van grondstoffen. Dit eenvoudige voorbeeld geeft een indicatie van hoe u in MILAS AX voorspellingen kunt maken op basis van het verleden.

Conclusie

Ondanks het feit dat veel mensen uit het bedrijfsleven beweren dat ‘voorspellingen fout zijn’ (in zekere zin is dat ook zo), mogen organisaties het belang van nauwkeurige voorspellingen niet onderschatten. Om dit proces te ondersteunen heeft MILAS AX een gestructureerde, flexibele en gebruiksvriendelijke tool ontwikkeld.