Demand Planner:

MBS lanserer ny prognoseplanlegger

Prognoseplanlegging er det første steg for å lage innkjøps- og produksjonsplaner. Microsoft Business Solutions har nå lansert et prognoseverktøy tett integrert med MBS Navision og MBS Axapta.

Ettersom bedrifter nærmer seg et kravsentrisk miljø blir prognoseplanlegging mer og mer essensielt for å kunne møte kundens krav til korte leveringstider. Prognosen danner input til annen produksjons- og logistikkplanlegging i bedriften og all etterfølgende planlegging er avhenging av kvaliteten på prognosen. Prognoseprosessen er kritisk fordi en uriktig prognose kan føre til for høyt eller for lavt lagernivå, feil varer på lager, lavere leveringsgrad og lavere fortjeneste.

- Bedrifter som har en etablert analyse- og prognoseprosess vil ha klare fordeler. Innføringen av et verktøy som Microsoft Business Solutions - Demand Planner kan øke kvaliteten ved å redusere usikkerheten på prognosen ved å forenkle den overordnede prognoseprosessen og gjøre den lett tilgjengelig i hele bedriften, hevder Bjørn Vegard Martini, Product Solution Marketing Manager i Microsoft Norge.

Demand Planner er ett nytt produkt som er tett integrert med Microsofts ERP-løsninger, den forenkler prosessen og gjør det enkelt å samarbeide om prognosene med resten av bedriften. Brukere som ikke bruker Demand Planner - men ønsker å se sin prognose - kan bruke Excel til å lese og oppdatere sin prognose.

Flerdimensjonal oversikt

Microsoft - Demand Planner er basert på en flerdimensjonal hierarkisk datamodell hvor en kan organisere data etter: produkter, tid og markeder. Disse dimensjonene tilsvarer de spørsmål en må stille seg i prognoseplanleggingen:

På hver akse kan data legges inn i brukerdefinerte hierarkier, og dataene kan vises enten på inngangsnivå, fullt detaljert eller aggregert til et høyere nivå. Som et eksempel kan produktene inndeles i vare, familier og linjer, og tid inn i uker, måneder, kvartaler og år. Programmet kan automatisk fordele et antall fra et aggregert nivå ned på et mer detaljert nivå.

Statistiske algoritmer for generering av prognoser

Det nye prognoseverktøyet inneholder et kartotek over utvalgte algoritmer som fritt kan benyttes til å prognostisere fremtidig behov basert på historisk informasjon som eksempelvis salgsdata. Disse algoritmene kan ta hensyn til stabilt behov, sesongvariasjoner eller oppadgående/nedadgående trender. Prognoseverktøyet inneholder også en funksjon for «Best Fit» for en automatisk utvelgelse av den algoritmen som samsvarer best med ditt behov.

Interaktiv simulering

Det finnes behovsmønstre som ikke kan simuleres ved bruk av algoritmer alene. I noen tilfeller kan ikke en algoritme benyttes fordi det ikke finnes historiske data, som eksempelvis ved innføring av et nytt produkt. I disse tilfellene må planleggeren manuelt gi input for å kunne generere en prognose. Programmet gir brukeren mulighet til for eksempel endre behovet per måned mens års volumet holdes konstant.

Enighet gjennom samarbeid

Mange roller i en bedrift kan gi verdifulle bidrag til en prognose, og det er viktig at alle er enige om at dette er den riktige prognose for neste periode. For eksempel selgere og produktansvarlige kan gi viktige bidrag om sitt marked og sine produkter. I det nye prognoseverktøyet løses det ved å benytte Excel til å logge seg på og hent frem sin prognose. Prognosen kan nå fritt redigeres og legges tilbake i Demand Planner som samler alle prognosene inn i en hovedprognose. Denne omforente prognosen overføres i sin tur til Microsoft Axapta eller Navision, og informasjon kan lett flyte frem og tilbake mellom systemene.

Effektiv integrasjon mellom prognoseverktøy og ERP-system er viktig i prosessen med å generere prognoser:

Hvilke fordeler gir gode prognoser?

Bedrifter som tar i bruk det nye prognoseverktøyet vil ifølge Martini kunne oppnå;

 www.microsoft.com/norge/businesssolutions

www.logistikk-ledelse.no© 2004

Les hele saken

Svein-Ove Arnesenredaktør tungt.no

Vi setter stor pris på kommentarer og innspill i debattene våre. Vær forsiktig med personangrep, og prøv heller å forklare hva du mener og hvorfor. Takk for at du bidrar i debatten!