Del 10: Prognosemodeller og teknikker

I Norge har prognosearbeidet i bedriftene ligget på et enkelt nivå - der eksponentiell glatting ser ut til å være blant det mest avanserte. Men internasjonalt har det lenge vært et spekter av interessante modeller eller teknikker. Vi skal se på noen av dem som jeg har observert i bruk i USA.

Oddvar Eikeri

En adaptiv prognosemetode som har fått stor oppmerksomhet i de seinere år, er kalt «Focus Forecasting». Metoden er enkel i prinsipp, elegant i utførelse, lett å forstå og gir noen av de beste resultatene man har sett. Den er relativt ny - utviklet av amerikaneren Bernhard T. Smith i 1973. Han var MA-sjef i bedriften American Hardware Supply Co., som prognoserte hele 25 000 forskjellige artikler for innkjøp - alle komponentene i bedriftens produkter, uten unntak. Prognosefeilen var allerede i 1976 under 5 prosent på et volum av over 100.000 innkjøpte lagerførte enheter pr. måned.

Datasimulering er det fundamentale konseptet i focus forecasting (fokus prognosering), og Smith var ekspert på området allerede i 1960. I 1984 skrev han boken «Focus Forecasting - Computer Techniques for Inventory Control».

Basis for tankegangen er at «den nære fortid er den beste indikator for den nærmeste framtid» eller, sagt på en annen måte: «Dersom det er sol i dag, så prognoser sol i morgen; er det regn i dag, blir prognosen regn i morgen».

Focus Forecasting gjennomfører denne tankegangen på prognosemetodene, slik at dataprogrammet plukker den prognosemodellen som passer best til situasjonen slik den ser ut i dag, og bruker det for å gi prognosen framover. For American Hardware Co. valgte Smith ut noen basisprognosestrategier, ikke mer enn 7. Det var enkle strategier som ble brukt sammen med standardmetoder som eksponentiell glatting og glidende gjennomsnitt. Framgangsmåten i konseptet var omtrent slik for en prognose for neste kvartal:

1. Bruk standard teknikker sammen med enkle prognosestrategier som

2. Gå tilbake tre måneder i tid og bruk (test) hver av strategiene til å gi en prognose

3. Velg den teknikken som gav den minste prognosefeilen da den ble brukt på forrige periode (punkt 2)

Vi plukker altså den av prognosemetodene som passet best til virkeligheten i den forrige perioden. Dette gjør man for hvert produkt og hver gang en prognose skal skaffes. På denne måten kan Focus Forecasting framstille meget gode prognoser uten at det er nødvendig å finjustere permanente, komplekse matematiske uttrykk - fordi man finner et enkelt uttrykk som passer dette produktet på dette punktet i tid. Neste gang kan det bli en annen teknikk og strategi som blir best for situasjonen.

Den største ulempen med denne metoden er at den krever mye datamateriale i databasen og mye bearbeiding i datamaskinen - noe som tidligere var kostbart, men som etter hvert er blitt overkommelig for selv små bedrifter. Se.www.focusforecasting.com

Trendkurveteknikk

er en teknikk der man tilpasser trendkurven til et matematisk uttrykk. Den ligningen man får, forlenger man så inn i framtiden. Det er flere varianter, fra helningskoeffisienter til logaritmer. Prognosegodheten er meget bra for korttidshorisont og tilfredsstillende til bruk for mellomlang og langsiktig horisont. Den egner seg spesielt godt til å prognosere trender og nye produkter.

Den indikatorbaserte teknikken

egner seg for sesongsituasjoner. Selve teknikken består i å samle observasjoner over tid for å få et etterspørselsmønster - som gjerne blir seende ut som sinuskurver. På dette basismønsteret legger man til for årets (sesongens) etterspørsel, som da blir en kurve med de samme periodene, men med forskjellig utslag. Prognoseringen består i å sjekke de indikatorene som bestemmer størrelsen på utslagene. Iskrem er et sesongprodukt med utslag i sommersesongen, og temperaturen (over/under basiskurvens) kan være indikatoren som gir utslaget for hvor mye salget skal avvike fra basissommeren. Teknikken er meget god for korttids- og mellomlang prognosehorisont, men dårlig for langtids horisont.

Delphimetoden

baserer seg på meninger fra eksperter - ut fra en serie spørsmålsrunder. Svarene fra den første spørsmålsrunden danner basis for å utarbeide neste spørreskjema, og slik fokuserer man inn ekspertenes meninger. Det er en anvendelig prognosemetode som gir fra akseptable til meget gode prognoser for alle tidshorisonter. Spesielt egnet er den for langtidshorisont med tanke på salg av nye produkter og marginale salg.

Bruk av prognoseteknikker

Figur 1 viser en matrise over de beste prognoseteknikkene ut fra erfaringer som APICS (American Production and Inventory Control Society) har gjort i amerikanske bedrifter. De fleste bøker om prognoser har statistikk som utgangspunkt. Derfor leser man at prognoser er projeksjoner og analyser av tidligere etterspørsel (behov). Det gjenspeiler seg også på figur 1 for de metodene som foreslås, men dette er ikke hele historien om det man bør kunne for å bruke de foreslåtte prognoseteknikkene på de aktuelle behovsmønstrene på figuren. Det er lett å ta seg vann over hodet om man ikke samtidig med bruken av teknikkene husker de overordnede lovene for prognoser:

Gjennomføringen av prognosering krever dermed denne generelle framgangsmåten: Først må vi bestemme tidsrammen for prognosen (horisonten) og hvilken type artikkel vi har å gjøre med - avhengig eller uavhengig behovsartikkel. Avhengige behovsartikler «prognoserer» vi gjennom å bryte ned produktstrukturen til dens sluttprodukt (det uavhengige behovet). Uavhengige behovsartikler må vi først se på for behovet over tid, og ut fra det kan vi velge en prognose teknikk.

Figur 2 viser en oppsummering av prognosebehovene våre, med framgangsmåter, tidshorisonter og de vanligste teknikkene vi har å velge mellom (avhengig av behovsmønstrene), og tiden som går med ved bruken av hver teknikk.

God prognosering krever alt i alt den samme dyktighet som for andre lederfunksjoner. Det er kunnskap om de spesifikke teknikkene, brukt med sunn fornuft, og samarbeidet og medvirkningen fra de andre ledelsesfunksjonene - særlig markedsføring og produksjon.

Prognosen kan aldri gi riktig svar. Det er en vitenskap som skal gi oss innsyn i framtiden, men ingen av oss har den berømte «krystallkulen».

Vårt mål når vi forbereder prognosene, må være å streve for kontinuerlig bedring av dem, fordi hele systemet i enhver bedrift starter på grunnlag av en prognose. Hvor flinke vi er til å prognosere, har stor betydning for hvor godt bedriften vil kunne konkurrere på markedet, og hvilken fortjeneste som kan oppnås.

Hvorfor prognoser feiler

I neste utgave vil vi kort ta for oss de vanligste årsakene til at prognoser kan feile, selv om vi gjør det meste riktig. Vi vil så konkludere med de 5 hovedprinsippene for god prognosering.

------------

«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© 2005

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!