Logistikk i produksjonsbedrifter;

Del 6: Hvordan lager vi prognoser?

I forrige utgave så vi på hvorfor og hvordan man kan lage prognoser. Vi skal i denne gang se på de grunnleggende trinnene for utarbeidelsen av slike. Datainnsamlingen er en av disse. Dernest kommer utarbeidelsen av selve prognosen og de mange teknikkene som er utviklet for å dekke forskjellige prognosebehov for de utallige og spesielle situasjoner og formål. Vi skal se nærmere på hvordan vi må arbeide for at prognosene skal bli virkningsfulle verktøy for bedriften. Vi skal også vurdere noen av de mange teknikkene som er tilgjengelige, og se på hvordan vi bruker dem.

Oddvar Eikeri

Hovedtrinn ved utarbeidelse av en prognose er:

Datainnsamling

Prognoser er vanligvis basert på historie og historiske data. Selv for nye produkter, uten egen historie, bruker vi historien for liknende produkter som fylte et tilsvarende eller parallelt behov i markedet. De lånte historiske fakta blir bearbeidet enten gjennom vurdering eller matematisk for å gi oss den prognosen vi søker. Vi har fire prinsipper for datainnsamlingen til prognoser.

Det første prinsippet for datainnsamling er:

Nedtegn historien i nøyaktig den samme terminologien som kreves i prognosen.

Vi skal forklare hva vi mener med terminologi her. Behov, som er den totale kundeforespørselen for levering, kan bare prognoseres ut fra en nedtegning av behov. En nedtegning av innkomne salgsordrer eller av utførte leveranser er ikke samme ting - og heller ikke noen brukbar historisk bakgrunn for å prognosere behov. Restordrer, ordrer som gjenstår i en levering som vi ikke har maktet å få ferdig, må for eksempel legges til leveringene for å balanserer de innkomne ordrene. Ofte blir en restordre ikke notert som et behov - fordi det er kjent at det er en restordre. Restordrer har en tendens til å bli fylt ved at kunden får et tilsvarende produkt, eller ved at den delen av leveransen som ikke ble oppfylt, ble kansellert - og salget tapt.

Dersom prognosen er for leveringer ut fra ferdigvarelageret, så er det den historien som også må samles inn. Dette vil være tilfellet når et sentrallager blir brukt for påfylling av regionale lagre.

Prognoseperioden, som er den lengden i tid som et kvantum er prognosert for, må svare til planperioden og derfor også ta hensyn til slike variabler som:

Dersom prognoseperioden er en uke, to uker, fire uker, en regnskapsmåned eller en kalendermåned, så må historien for behov nedtegnes med samme basis.

Artiklene som vi prognoserer, må være de samme som skal styres i produksjonen. Det er ikke til mye hjelp å kjenne behovshistorien til artikler som ikke eksakt representerer det som skal produseres. For eksempel: Dersom vi selger fotoapparater som består av en linse og en kasse, kan vi lage en prognose for det. Men dersom fotoapparatet kan settes sammen fra et utvalg av linser og kasser etter kundens spesifisering, og det dertil foregår salg av linser og kasser separat, ja, da må hver type av linse og kasse få sin egen separate prognose.

Det andre prinsippet for datainnsamling er:

Skriv ned omstendighetene i forbindelse med de nedtegnede dataene.

For eksempel dersom behovet var merkbart høyere enn normalt i flere perioder, så vil det hjelpe prognosemakeren å vite at årsaken var en streik i en av konkurrentenes bedrifter som gjorde at kundene hans søkte over til vår bedrift en tid.

Dersom man samler data om salgsutviklingen i stedet for om behovet, og noterer null i en periode, da trenger prognosemakeren å vite om de foregående eller de etterfølgende dataene er for to perioder. Det kan ha vært problemer med datainnsamlingen, men det kan også tenkes at det virkelig ikke kom noen bestillinger i den ene perioden.

Forventede prisendringer og markedsframstøt gir også ofte en kunstig topp i et ellers jevnt etterspørselsbilde.

Det tredje prinsippet for datainnsamling er:

Finn den virkelige kunden, og skriv ned separate behov fra forskjellige kundegrupper eller strømninger som har klart forskjellige behovs karakteristika.

Et eksempel: En bedrift i Oslo vil effektuere også mindre ordrestørrelser fra utsalgssteder i østlandsområdet, men selger bare gjennom grossister i andre deler av landet og til utlandet. I en slik situasjon vil behovene fra steder utenfor østlandsområdet gjenspeile grossistenes estimater av hva utsalgsstedene i deres områder vil selge. Ordrestørrelsene vil også være større enn dem man er vant til å få i østlandsområdet, der man selger direkte til utsalgsstedene.

Videre blir ordrestørrelsene fra grossistene utenfor østlandsområdet påvirket av den lagerbeholdningen de sitter med. De innkomne ordrene fra østlandsområdet vil være nærmere knyttet til markedspåvirkninger, og sannsynligvis reflekterer disse omtrent det virkelige kundebehovet.

For at dataene skal være til hjelp for styring av produksjon og lager, må prognosen foreligge umiddelbart etter at datainnsamlingen er avsluttet - på slutten av hver periode. Det betyr at de nødvendige dataene må samles og bearbeides umiddelbart når perioden er avsluttet.

Dårlig disiplin ved presentasjon av data, eller egenrådige individualister, som for eksempel kan bestemme at regnskapsavdelingens datainnsamling alltid har prioritet over alt annet, kan føre til forsinkelser i fremføringen av grunnlagsdataene for prognosen og dermed også føre til problemer i styringsgrunnlaget for planleggingen. Konsekvent gjennomføring av datafrembringelsen er viktig for prognosearbeidet.

Det fjerde prinsippet for datainnsamling er:

Bli enige om en fornuftig tidsplan for databearbeiding, og styr disse operasjonene slik at man kan sammenlikne datatabuleringene fra gang til gang.

Gjennom omtalen av datainnsamlingen og de fire prinsippene for den får vi en viss forståelse for at det er dette grunnarbeidet som avgjør hvor gode prognosene blir.

Men som vi skal se, er det mange skjær i sjøen ennå før vi kan påstå at vi arbeider seriøst med prognoser. Selv om datainnsamlingen er perfekt, blir dataene til liten eller ingen nytte om de havner i gal prognosemodell. Vi skal se nærmere på dette.

Utarbeidelsen av selve prognosen og estimering av prognosefeil

Som vi skal se, finnes det mange metoder og modeller for å utarbeide prognoser, men alle kan i første omgang settes i en av disse to kategoriene:

Når vurderingsmetoden blir brukt for å lage en prognose, er det prognosemakerens intuisjon og intime kjennskap til markedet og kundens kjøps mønster som blir lagt til grunn for prognosen.

Prognoser basert på vurderinger har ofte fått tilnavnet «forutsigelser», fordi de er basert på subjektive verdier, som estimater fra selgere basert på hva de tror de kommer til å selge i neste periode. Det blir for eksempel gjort markedsundersøkelser der intervjuere går ut for å teste markedet. De har kanskje med en prøve av produktet. De intervjuer enten potensielle markedsgrupper direkte, eller bare grossister og forhandlere som igjen har nær kontakt med de potensielle kundene.

Det er mange fallgruver ved bruk av vurderingsmetoden for å få fram en prognose. Fordi denne metoden er utbredt i Norge, skal vi ta med noen av fallgruvene, som dermed kanskje kan unngås.

Mange i ledelsen kjenner bedriftens marked godt og har evnen til å forutse framtidig utvikling. Men det er galt å anta at en person som sitter i ledelsen, derfor automatisk er flink til å forutsi salgsutviklingen. Salgspersonell er av legning sjelden orientert mot analytisk tenkning. De er gjerne enten optimistiske eller pessimistiske. Salgspersonell trenger, og har som regel, en god porsjon optimisme innebygd men de føler ofte at markedsundersøkelser blir brukt til å presse opp deres salgskvote, før bonus, og opptrer derfor ofte som pessimister i en markedsundersøkelse der det blir spurt etter deres framtidige salgstall. Det må regnes som meget sjeldent å motta objektive prognoser fra en selger.

Mange bedrifter har sluttet å bruke vurderingsmetoden som sin eneste prognosemetode. Markedsanalyser - gjennom brev, telefon eller personlige intervjuer - er en kostbar måte å skaffe informasjoner på, og påliteligheten avhenger av hvor nøyaktig våre små stikkprøver representerer hele markedet. Undersøkelser omkring påliteligheten av stikkprøver viser at den står og faller med evnen til å finne representative prøver. En metode som brukes mye i USA, er å finne fram til et testområde som kan være representativt for hele markedet, og så undersøke dette representative markedsområdet grundig. Normalt er det bare store, ressurssterke bedrifter som kan velge denne metoden.

Det er også en praktisk hake ved vurderingsmetoden som man ikke kommer forbi. Enkeltpersoner kan ikke rekke å lage alle de prognosene bedriften trenger når den bruker denne metoden alene. Ved manuell drift er det for eksempel behov for prognoser for alle innkjøpte komponenter.

Likevel er vurderingsmetoden av uvurderlig nytte for en bedrift, fordi den kan bidra med den menneskelige dømmekraft ved prognosering der kjente framtidige hendelser må tas med i bildet. Eksempel på slik menneskelig viten er planlagte markedsframstøt, introduksjon av nye produkter eller andre endringer som forrykker konkurransen i markedet. Få bedrifter bruker vurderingsmetoden alene som grunnlag for prognosene, fordi den er dyr, har kapasitetsbegrensninger og er utsatt for menneskelige reaksjonsmønstre. Undersøkelser har vist at den menneskelige vurdering påvirkes sterkt av de seneste hendelsene og de siste erfaringene. De fleste har en tendens til å overreagere på disse. Vurderingsmetoden kan derfor lett miste de større linjer og legge for stor vekt på de siste hendelsene som er observert. En prognosemaker som bare legger vurderingsmetoden til grunn for prognosen, må ventes å påføre bedriften alvorlige prognosefeil. Vurderingsmetoden blir mest brukt for prognoser med mellomlang (1-2 år) og langsiktig (2-5 år) horisont. For prognoser med kortere horisont, prognoser for komponenter til produksjonen, og for lagerstyringen, blir metoden upraktisk - her er statistiske metoder mer egnet.

Konseptet om prognosefeil (også kalt avvik eller variasjon) er viktig. For å bli tatt alvorlig av dem som bruker prognosene, bestreber prognosemakeren seg på å gjøre prognosene så nøyaktige (riktige) som mulig. Likevel er det langt viktigere å kjenne til hvilke feilkilder prognosen er utsatt for, og dermed hvilke avvik som kan ventes i prognosen som følge av dem. En prognose er aldri fullstendig riktig og må derfor heller ikke brukes som om den viser det som i virkeligheten vil hende. Vi skal komme tilbake til prognosefeil etter at vi har sett på noen av de prognosemetodene som baserer seg på statistiske teknikker.

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

«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

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!