Del 9: Prognosefeil og oppfølging

Det eneste sikre når vi lager prognoser er at prognosene vil ha feil - altså ikke nøyaktig kunne forutsi den fremtidige virkeligheten. Da er det viktig for prognosearbeidet at vi følger med og kan skille mellom feilene - er det endringer i behovet eller skyldes feilene forklarlige hendelser? Selvoppfyllende prognoser - der vi har kontroll over virkeligheten (forekommer ofte når vi har rasjonerings- eller kvotesituasjon) - er ikke en reell prognosesituasjon.

Oddvar Eikeri

Vi har tidligere slått fast at prognosene aldri blir nøyaktige, og at vi derfor må vente at alle prognoser har en feil. Det er mange som mener at det skulle ikke være slik - de forventer en prognose med liten grad av feil. Det som bør forventes, er at det med prognosen også følger en prognose for feilmarginen. Hvis det kan sies at «prognosen er at vi i august kan levere minst 90 enheter, men ikke mer enn 105», da kan vi gjøre forberedelser til å møte det behovet.

Analyser av prognosefeil (eller variasjoner om man vil) er viktige fordi de indikerer størrelsesordenen av framtidige feil. Man kan justere produksjonen eller gardere seg med sikkerhetslager for den ventede feilen, slik at effekten av den blir minst mulig.

Prognosefeil kan uttrykkes på mange måter. Vanligvis er «Mean absolute deviation» (MAD) metoden som blir brukt. Det er en enkel utregning, den er vist på figur 1. Den består i å regne ut og legge sammen prognosefeilene fra hver perioden uten å ta hensyn til om feilen er på den positive eller den negative siden (altså se bort fra fortegnet). Denne summen deler man så med antall perioder, og man har MAD.

MAD gir ingen indikasjon på i hvilken retning feilene gikk, men indikerer hvor stor feilen er over tid - 13 perioder i vårt eksempel. Hvis man ønsker større presisjon rundt utslagene av feilene, kan man bruke konseptet om standard avvik. MAD er den mest populære av dem, fordi den er så lett å kalkulere.

Hvor mye feil er prognosen?

Vi regner ut hvor gal prognosen er ved å holde den opp mot det som virkelig ble solgt i perioden. Vi ønsker å vite hvor store feil vi gjør, for at vi skal kunne planlegge for feilen, men også fordi vi må endre prognosemetoden (finne en bedre teknikk) om feilen viser seg å bli uakseptabelt stor. Vi er nødt til å overvåke feilene i prognosen, men hvordan? Hva er det vi kan overvåke som hjelper oss å vurdere prognosen? Vi må følge disse parameterne:

Den gjennomsnittlige feilen kan være meget liten selv om variasjonen er stor. Hvis vi hadde lagt sammen feilene algebraisk (+2 og - 2 gir 0), ville vi ikke fått det riktige bildet. Men med MAD får vi en meget brukbar og viktig målenhet:

MAD gir oss ikke bare en indikasjon på størrelsen av feilen, men når vi antar at feilen har en normalfordeling, så vil MAD også fortelle oss om feilens variabilitet. Med normalfordeling mener vi at den følger den standard klokkeformede kurven som er vist på figur 2. Vi vet at variasjoner i prognosefeil svært ofte følger en slik normalfordeling, og fra statistiske tabeller vet vi at:

MAD er også et uttrykk for risikoen for at en feil skal være større enn en viss verdi: For eksempel, hvis vi holder stort nok lager til å tilfredsstille gjennomsnittlig etterspørsel pluss 3 MAD, så vet vi at det vil oppstå manko i bare 1 % av tilfellene.

Overvåkning av prognosefeilene

Utslaget av feilen er det viktig å følge - for eksempel hvis prognosen blir hengende etter med hensyn til utslag når vi får en hurtig ekspansjon i markedssituasjonen for produktet vårt. Blir utslaget for stort, må vi revidere prognosemodellen vår. Dersom det blir for dyrt, vanskelig eller tidkrevende å skifte modell, er det viktig å følge med avviket, slik at prognosen kan justeres opp eller ned, på bakgrunn av det som skjer rundt etterspørselen.

Noen bedrifter overvåker prognosefeilene uten å gjøre korrektiver, selv ved store avvik. Hele poenget med overvåkingen er at man skal være i stand til å reagere på prognoseavvik ved å planlegge for avvikene man ser (sikkerhetslager) eller redusere dem (andre prognosemodeller). Ved store avvik bør en «undersøkelseskommisjon» granske tilfellet. Ofte finner man da årsaker som:

Eksepsjonelle engangsetterspørsler har en tendens til å forvrenge statistiske prognoser, fordi de ikke blir reflektert i et normalt framtidsbehov. Når slike behov blir avdekket gjennom prognoseoppfølgingen, må behovshistorien justeres. Vurderingsevne og sunn fornuft må brukes ved avgjørelser om hvordan behovshistorien skal justeres:

«Timing» feil

Et av de svakeste områdene innen prognoseoppfølgingen finner vi når det gjelder timing-feil:

Det er to ting det er viktig å huske når en skal identifisere timing-feil. Det ene er å prøve om en endring i det virkelige etterspørselsmønsteret vi får, kan forklares ved en timing-feil. Det andre er at vi sjekker denne antakelsen gjennom oppfølgingsverktøyet «kumulering».

På figur 3 har vi vist hvordan man gjennom en kumulering av prognosen og det virkelige behovet over seks perioder ser at det var en timing-feil vi hadde - en mulig streikesituasjon hadde økt etterspørselen i mars (undersøkelseskomiteen fant fram til dette), og altså ikke starten på en økt etterspørselstrend. Men hovedårsaken til at vi følger opp prognosefeilene, er at vi vil se om de går utover det som er akseptabelt for selve prognosen. I så fall må vi justere prognoseparameterne ved hjelp av glattingskonstanter, eller finne fram til en ny prognosemetode. Noen prognosemetoder kan justere seg til et endret behovsmønster. De kalles «adaptive prognosemetoder». Eksponensiell glatting av annen orden er en slik prognosemetode.

I neste artikkel om prognoser vil vi se på forskjellige prognosemodeller og 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!