במאמר זה נבין כיצד מודול תחזיות במערכת פריוריטי מטפל בתחום של תחזיות הביקוש שלכל הדעות חשוב וקריטי לכל ארגון שרוצה להוביל בתחומו. אך ראשית, לפני שנדבר על המודול במערכת הפריוריטי נבין מהו תהליך חיזוי הביקושים.
חיזוי הוא תהליך מחושב של בניית הציפיות לעתיד ובהקשר של ארגונים מדובר בחיזוי נתוני הביקושים העתידיים שמהם יגזרו כלל מחלקות הארגון את הערכותם על כל המשתמע מכך: לוגיסטית, יצרנית, פיננסית, מימונית ועוד.
פעולת החיזוי נותנת תוצאה (תחזית) שאינה ודאית אבל הכרחית וזאת כדי שהארגון יוכל להתקיים (אחרת לא יהיה ניתן לתכנן כלל). איכות התחזית משפיעה באופן ישיר על הוצאות החברה, על ניצול המשאבים של החברה (מכונות, אנשים, מלאי, רכש, זמינות תוצרת גמורה ועוד) ועל תדמית ומוניטין החברה.
מבין מאפייני התחזיות נוכל לציין כי תחזית טובה כוללת גם מדד שגיאה הבוחנת את איכותה וככל שננסה לחזות לטווח רחוק יותר הדיוק יקטן ורמת השגיאות תגדל. עם זאת, נחזור ונציין כי הארגון יתיחס לתחזית כאל מידע מוצק.
אם כך, השאלה המתבקשת היא, כיצד משיגים איכות גבוהה של תחזית?
לפני שנעסוק בסוגייה זאת, נעשה את ההפרדה בין שיטות חיזוי סוביוקטיביות ושיטות חיזוי אוביקטיביות. שיטות חיזוי סוביקטיביות משמשות אותנו בעיקר כאשר יש צורך בחיזוי מוצרים חדשים או במוצרים בעלי טכנולוגיה חדשה, במצב זה, אין בידי הארגון מספיק נתונים ומידע לבצע תחזית באמצעות מודלים על נתוני העבר ועל כן נתבסס על אינטואיציה ונסיון כגון: אנשי מכירות, סקרי לקוחות, מומחים, שיטת דלפי ועוד. שילוב נסיון ואינטואציה הינם חשובים אך אין ספק שיש מקום רב לטעויות אנוש, תקוות של המעורבים ותפיסה מוטעית של המציאות.
שיטות חיזוי אוביקטיביות הינן שיטות המתבססות על ניתוח נתוני העבר, גם כאן נעשה הפרדה בין מודלים סיבתיים בהם נתבסס על כמה גורמים המשפיעים על פעילות מסויימת וננסה לבנות נוסחה שתאפיין את הפעילות כולה, לבין סדרות עיתיות בהן נתבסס על ביצועי העבר של המשתנה הנחזה.
"אפיקים ייעוץ וניהול" פיתחה מודול חדש בפריורטי המתמקד בסדרות עיתיות המאופינות במספר גורמים:
מגמה: דפוס קבוע של עליה או ירידה (ליניארית ולא לינארית).
עונתיות: דפוס שחוזר על עצמו במרווחי זמן קבועים.
מחזוריות: דפוס שחוזר על עצמו אבל טווחי הזמן משתנים.
אקראיות: סדרת נתונים שאין בה דפוס מוגדר.
עם איסוף הנתונים ההסטורים, יהיה על הארגון לבחון את הפרמטרים המוזכרים לעיל ולהחליט על מודל או מספר מודלים שבאמצעותם יחזה את הביקושים העתידיים. כאשר נזהה שאין מגמה בסדרת הנתונים נשתמש במודלים: ממוצע נע (כאשר מספר התקופות N, יכול להשתנות) והחלקה מערכית. כאשר נזהה מגמה נוכל לבצע חיזוי באמצעות מודל הולט (החלקה מערכית כפולה), במידה ונזהה עונתיות נשתמש במודל ווינטרס. . כעת נבחן את השימוש במודלים לחיזוי הביקושים במודול החדש בפריוריטי ERP Priority: באמצעות המודול החדש בפריוריטי ניתן לבצע חיזוי עבור מוצרים עם ביקושים ללא מגמה (שיפוע) באמצעות החלקה מעריכית, ממוצע נע וממוצע מושוכלל, עבור מוצרים עם מגמה ניתן להשתמש במודל הולט (החלקה מעריכית כפולה), במידה וישנה עונתיות המערכת תאפשר לקחת זאת בחשבון (על ידי חישוב גורם עונתי). בכל אחד מהמקרים נדרש המשתמש להחליט על מקדמי ההחלקה. את מקדמי ההחלקה שיוזנו בפריוריטי , חשוב להדגיש כי מקדם ההחלקה נע בין 0 ל – 1 , מקדם החלקה קטן (קטן מ 0.5) יתן משקל גדול יותר לנתונים ההסטורים.
הערכת תחזית הינה כלי שישמש אותנו לבחון את איכות מודל התחזיות ולקבל החלטה על המודל המתאים לארגון, באמצעות המודול החדש, ניתן יהיה ללמוד על איכות התחזית ולבצע סימולציות לבחינת מודלים חלופיים או שימוש באותם מודלים עם פרנטרים שונים.
אלי זהב,
מהנדס תעשייה ניהול,יועץ ארגוני ,יישומי פריוריטי
אפיקים ייעוץ וניהול
