Logistikk i produksjonsbedrifter:

Del 7: Statistiske prognosemetoder

Alle bedrifter har behov for å finne ut noe om det som skal skje fremover i tid, enten det er tilgang på personale, materialer, behov for bedriftens produkter ogtjenester eller andre faktorer som må forberedes.

Oddvar Eikeri

Vurderingsmetoden, som vi dekket i forrige artikkel, er god dersom prognosefeilen eller forskjellen mellom behovsprognosen og det virkelige behovet, holder seg liten.

Utregnet prognose, også kalt matematisk eller statistisk prognose, benytter statistiske teknikker. Disse teknikkene kan ta i bruk produktets egen behovshistorie og med det som grunnlag prognosere framtidig salg (ved bruk av gjennomsnittsverdien og historiske trender). Ved mellomlang og langsiktig prognose horisont, for totalproduksjon eller produktfamilier, er de statistiske korrelasjons metodene de mest egnede. Figur 1 viser et historisk kurvemønster for etterspørsel der trend, sesong og tilfeldige variasjoner er påvist.

Korrelasjonsteorien

Denne teorien bygger på observasjoner som tilsier at salg av et produkt er direkte proporsjonalt med aktiviteter på et annet felt. Eksempler på korrelasjoner er:

Av praktiske hensyn rapporterer Statistisk sentralbyrå på mange aktiviteter som er kjente korrelasjonsfaktorer.

Ikke sjelden finnes slike korrelasjonsfaktorer også innenfor bedriftens fire vegger. Et eksempel fra en bildelprodusent viser en slik interessant korrelasjon. Man fant ut av bedriftens produksjonsvolum av girkasser, bakaksler, oljepumper og støtdempere, og andre originaldeler, alle hadde samhørighet. Deres salgskurver hadde det samme forløpet som salgskurven for produktene fra bedriftens avdeling for automatdreiemaskiner, men de lå faseforskjøvet sju måneder på etterskudd. Salgskurven fra avdelingen for automatiske dreiemaskiner er en ledende korrelator. Dersom behovet for en gruppe produkter kan prognoseres ut fra mer enn en ledende korrelator, blir teknikken kalt multikorrelasjonsanalyse. Dette er en av de mer komplekse matematiske framgangsmåtene som brukes i prognosering, men prognosegodheten er blant de aller beste.

Før en begynner, er det lettest å nytte en enkel statistisk teknikk når man skal prognosere komponenter, en teknikk basert på at framtiden blir lik fortiden. En prognose for en komponent blir derfor vanligvis basert på sin egen behovshistorie. Framgangsmåten bygger på det å regne ut et gjennomsnitt av tidligere behov.

Enkelt gjennomsnitt

Enkelt gjennomsnitt av behovet fra de nærmest foregående periodene er ofte godt nok til bruk for en prognose som skal dekke neste periode - så framt de foregående behov har vært omtrent like.

Det neste spørsmålet er hva vi tar til prognose modell når de foregående behovene ikke er svært like. Før vi ser på flere prognosemodeller, kan det være fornuftig å studere nærmere hvordan behovshistorien varierer.

Variabilitet i behovene

Variabilitet i behovene er en nøkkelfaktor når det gjelder å velge prognosemodeller. Det er tre hovedmønstre for behovsvariasjoner fra en periode til en annen:

Sesongbetont variasjon

Sesongbetont variasjon fra periode til periode kan for eksempel komme av årstidene. Gressklippere selger godt i mai, juni, juli og august. Men sesong kan være så mangt. Vi har hendelser som jul, påske, skolestart, hålkeføre, jakttider, morsdag og mange, mange andre som betyr sesong for salg av forskjellige produkter som leketøy, påskekyllinger, bøker, piggdekk, jaktutstyr, juletrær osv. Noen produkter er ekstremt sesongbetonte - juletrær er et slikt produkt.

Sesongbetydningen beskrives ved et basismønster for behovet. Det er en tabell over prosentvis salg i de forskjellige periodene sett i forhold til totalsalget for året. Figur 2 viser framgangsmåten for å etablere et slikt basismønster for produktet, en liten håndveske av lær. Totalt ble det solgt 624 enheter av vesken i analyseåret. Basismønsteret representerte virkelig salg i analyseåret, men prognosemakeren antar at det samme mønsteret vil gjenta seg i framtidige år - selv om antall solgte håndvesker kan bli svært forskjellig.

Med trend mener vi en vedvarende endring i behovet fra syklus til syklus - på grunn av en økonomisk faktor eller et naturgitt fenomen. Den årlige økningen i behovet for boliger i Osloområdet - som skyldes tilstrømningen av mennesker til dette området - gir en typisk trend. Vi tar det basismønsteret vi hadde for salg av skinnvesker (jfr. figur 2) og plotter de enkelte salgsprosentene for hver av periodene. Trekker vi så en linje gjennom alle punktene, får vi en kurveframstilling av basismønsteret. På figur 3 ser vi kurver for typiske basismønstre for behov over et tidsspenn på tre år. Slike kurver hjelper oss å avdekke de underliggende faktorene:

Det er nettopp disse vi trenger å sortere, slik at vi kan bestemme hvilken prognosemodell som passer best for vår situasjon.

Tilfeldige variasjoner eller støy

Variasjoner i behovet fra periode til periode som ikke følger noe bestemt mønster og som ikke har noen spesiell begrunnelse kalles støy. Slik støy kan komme av tilfeldigheter som været, publisitet, tilgangen på penger, det økonomiske eller politiske klimaet, interesse for konkurrentenes produkter (reklamekampanje) og mange flere som alle kan virke inn på behovet for vårt produkt. Men ingen vet egentlig hvor mye de forskjellige faktorene kan ha betydd.

Støy kan beskrives ved den øvre og den nedre grensen på variasjonen, men det er ikke mulig å forutsi om det neste behovet vil slå ut oppover eller nedover.

Det enkle gjennomsnittet er brukbart som en prognose for behov bare når det er kjent at variabiliteten i behovet er liten. Der sesong, trend og støy vises i behovshistorien, får man bedre prognoser ved å nytte en av disse teknikkene:

Vi skal se på disse typer gjennomsnitt neste gang.

«Logistikk i produksjonsbedrifter» er en artikkelserie basert på boken «Materialadministrasjon. Kapital- og produksjonsstyring» av Oddvar Eikeri ). Serien vil være matnyttig lesing for folk som arbeider i næringslivet - spesielt i produksjonsbedrifter. De som skal bidra til bedriftens konkurranseevne på markedet, de som må ta avgjørelser om prioriteringer og de som skal styre mot de overordnede resultatmål vil ha spesiell nytte av lesingen.(eikeri@propartners.no

Artiklene vil ta utgangspunkt i hva som er avgjørende for konkurranseevnen. Materialflyten og behovet for materialer i en produksjonssituasjon behandles sammen med den praktiske styringen. De metoder og styringsgrep som omhandles er alle gjennomprøvd og virkningsfulle.

Serien har så langt tatt for seg:

www.logistikk-ledelse.no© 2004