LA PREVISIONE DELLA DOMANDA. Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 1

Transcript

1 LA PREVISIONE DELLA DOMANDA Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 1

2 MANUFACTURING PLANNING & CONTROL SYSTEM Resource planning Production planning Demand management Master production scheduling FRONT END Detailed capacity planning Detailed material planning Material and capacity plans ENGINE Shop-floor systems Vendor systems BACK END (Vollmann et al., 2005) Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 2

3 LEGGI DELLE PREVISIONI 1. Le previsioni sono quasi sempre sbagliate (ma sono ancora utili) 2. Le previsioni sul breve periodo tendono ad essere più precise 3. Le previsioni per gruppi di prodotti o servizi tendono ad essere più precise 4. Le previsioni non sono sostituti di valori calcolati (non vanno usate per sostituire stime ottenute da calcoli) (Bozarthe Handfield, 2008) Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 3

4 Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 4

5 Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 5

6 TECNICHE QUALITATIVE 1. Sondaggi di mercato 2. Panel consensus 3. Delphi method 4. Analogia tra prodotti (e cicli di vita) 5. Intuizione Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 6

7 SONDAGGI DI MERCATO Sono questionari strutturati sottoposti a dei potenziali clienti, pongono domande riguardo a prodotti, esistenti e non. Possono essere molto efficaci, ma solo se ben strutturati e rivolti al giusto campione della popolazione. Sono costosi e richiedono molto tempo (Svantaggio). Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 7

8 PANEL CONSENSUS Utilizza una giuria di esperti per sviluppare una decisione sulle previsioni. Gli esperti si riuniscono e discutono per arrivare congiuntamente ad un consenso. Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 8

9 DELPHI METHOD Segue lo stesso principio del panel consensus Gli esperti lavorano individualmente per generare una previsione, solitamente riguardante nuovi prodotti (spesso tecnologici con forte contenuto innovativo) da sviluppare o commercializzare Terminate le prime previsioni individuali, queste vengono condivise con l intero gruppo in modo che ognuno possa modificare la propria previsione in base alle nuove informazioni ricevute Questa procedura viene ripetuta finché si arriva ad un consenso. Agendo correttamente e seguendo ogni fase si genera un risultato abbastanza preciso Processo molto dispendioso in termini di tempo e di denaro (Svantaggio) Inoltre non èadatto per previsioni di breve termine e per singoli prodotti (Svantaggio) Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 9

10 ANALOGIA TRA PRODOTTI Quando un prodotto (o servizio) ènuovo non sempre è facile farne delle previsioni attendibili, quindi ci si basa su prodotti similari Si possono cercare analogie nell utilizzo, nel tipo, nei destinatari o nel ciclo di vita. Se queste analogie sono molto strette allora èpossibile usare la domanda storica del prodotto identificato sfruttando tecniche quantitative per rimodellarla e correggerla, altrimenti è conveniente considerarla solo qualitativamente per farsi un opinione della domanda aggregata (domanda media, trend, stagionalità). Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 10

11 INTUIZIONE Metodo molto praticato riguardo a nuovi prodotti o cambiamenti inaspettati di mercato. Bisogna ricordare che non tutti hanno talento per le previsioni, e che una procedura matematica adeguatamente seguita porta a migliori risultati. A volte però mancano i dati necessari per una corretta tecnica matematica, non potendo utilizzarla l intuito manageriale può essere una buona alternativa. Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 11

12 Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 12

13 Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 13

14 TECNICHE INTRINSECHE Le tecniche intrinseche svolgono un analisi delle serie temporali e manipolano la domanda storica in modo matematico-statistico, facendo attenzione all ordine cronologico dei dati che è altrettanto importante dei dati stessi. Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 14

15 MEDIA MOBILE (SEMPLICE) Formula generica della media mobile per n periodi: Con F t+1 = previsione per il periodo t+1 D t+1-i = domanda reale del periodo t+1-i n = numero delle domande più recenti usate per la previsione Caso limite di media mobile a un periodo: Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 15

16 MEDIA MOBILE (SEMPLICE) Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 16

17 MEDIA MOBILE PESATA Questa tecnica è una variazione ed un aggiustamento della precedente e sfrutta la considerazione che i dati più recenti sono maggiormente significativi. Formula della media mobile pesata: Pesi = qualunque numero Pesi = numeri minori di 1 (0<W < 1) Con W t+1-i = peso assegnato alla domanda del periodo (t+1 i) Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 17

18 MEDIA MOBILE PESATA Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 18

19 SMORZAMENTO ESPONENZIALE Particolare forma di media mobile pesata La previsione per il periodo successivo è calcolata come media pesata tra la domanda reale e la previsione del periodo corrente Formula dello smorzamento esponenziale: Con α = costante di smorzamento (0 α 1) Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 19

20 SMORZAMENTO ESPONENZIALE L utilizzo di una costante di smorzamento bassa (α=0,3) fornisce una previsione stabile ma poco reattiva, adatta a mercati con domanda stabile e poco influenzata da casualità. Una costante alta porta alta reattività ma in caso di variazioni improvvise si creano alti dislivelli tra domanda e previsione che possono portare a scorte eccessive o stock out Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 20

21 SMORZAMENTO ESPONENZIALE ADATTATO Questo metodo è applicato nei casi di marcato trend positivo o negativo, quando si hanno domande sempre crescenti o decrescenti. In queste situazioni i metodi fin qui esposti non sono soddisfacenti perché mantengono un ritardo costante e si crea uno scostamento che porta ad avere o scorte eccessive, nel caso di trend negativo, o prodotti insufficienti a soddisfare la domanda, nel caso di trend positivo. Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 21

22 SMORZAMENTO ESPONENZIALE ADATTATO Adattamento dello smorzamento esponenziale al trend: Con AF t+1 = previsione per il periodo successivo adattata F t+1 = previsione per il periodo successivo non adattata T t+1 = trend per il periodo successivo T t = trend per il periodo corrente α = costante di smorzamento per la linea base (0 α 1) β = costante di smorzamento per il fattore di adattamento del trend (0 β 1) Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 22

23 SMORZAMENTO ESPONENZIALE ADATTATO α modifica la reattività e la stabilità dando maggior peso alla domanda reale dell ultimo periodo. β invece indica quanto il metodo è rapido nell adattarsi al trend della domanda e per questo può rendere le previsioni più o meno reattive e di conseguenza instabili Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 23

24 REGRESSIONE LINEARE Un altro approccio usato in caso di forte trend nei dati è la regressione lineare (Bozarth e Handfield, 2008). Èuna tecnica statistica che esprime la variabile della previsione come funzione di altre variabili indipendenti, ad esempio il tempo nel caso delle serie temporali. Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 24

25 REGRESSIONE LINEARE Formule per la regressione lineare: Con ŷ = previsione per la variabile dipendente y (domanda) x = variabile indipendente usata per la previsione (periodi) â = stima dell intercetta della linea = stima del coefficiente della pendenza della linea Con (x i, y i ) = coppie di valori osservati = media dei valori di y = media dei valori di x n = numero di osservazioni Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 25

26 REGRESSIONE LINEARE La regressione lineare offre previsioni con errori non particolarmente rilevanti in questo caso I problemi sopraggiungono nel momento in cui si presentino forti picchi imprevisti della domanda, marcate stagionalità oppure cambiamenti nel trend Questo metodo non ha una buona reattività e predilige serie stabili nel tempo. Se vi ècambiamento nel trend stesso, è necessario ricalcolare le previsioni riutilizzando il metodo e non considerando più i precedenti dati Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 26

27 REGRESSIONE LINEARE CON L AGGIUSTAMENTO PER LA STAGIONALITÀ Si applica la regressione lineare precedente e in successivamente i 4 passi esposti: 1.Per ogni valore della domanda nelle serie temporali, calcolarne la previsione con il metodo della regressione lineare, trovando così una retta. 2.Per ogni valore, calcolare il rapporto Domanda/Previsione. Se è minore di 1, la previsione è sovrastimata; se è maggiore di 1, è sottostimata. 3.Se la serie temporale nota copre più anni, fare la media fra i rapporti (Domanda/Previsione) dei mesi o trimestri corrispondenti ottenendo così l indice di stagionalità per l anno successivo (S n+p ). Altrimenti utilizzare l indice della fase 2. 4.Moltiplicare le previsioni del punto 1 per l indice di stagionalità corrispondente. Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 27

28 REGRESSIONE LINEARE CON L AGGIUSTAMENTO PER LA STAGIONALITÀ Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 28

29 TRE FATTORI DIWINTERS Nei casi in cui non sia possibile utilizzare la regressione lineare per mancanza di dati, come in caso di prodotti con una durata vitale inferiore a quattro anni, si può ricorrere al metodo dei tre fattori di Winters (Winters three-factor method) (Fogarty et al., 1991). Questa tecnica è un compromesso fra la regressione lineare e lo smorzamento esponenziale. Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 29

30 TRE FATTORI DIWINTERS 30 Segue il principio della regressione ma adatta i componenti della previsione utilizzando lo smorzamento: Con B n = previsione base (senza stagionalità) per il periodo n (intercetta + n*pendenza) T n = stima della pendenza per il periodo n S n = indice della stagionalità del periodo n i = numero di periodi nel futuro p = numero di periodi in un anno Come prima approssimazione del fattore di trend possiamo considerare: Con n = numero del periodo più recente k = numero del periodo più lontano Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 30

31 TRE FATTORI DIWINTERS 31 Per quanto riguarda la stima del valore base e del fattore di stagionalità sono ricavabili solitamente per analogia con prodotti similari o con caratteristiche comuni. Infine l adattamento di tutti e tre i componenti si ha con le seguenti formule derivanti dallo smorzamento esponenziale: Con X n = domanda reale osservata nel periodo n α = costante di smorzamento per la linea base β = costante di smorzamento per il trend γ = costante di smorzamento per la stagionalità Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 31

32 TRE FATTORI DIWINTERS 32 Il secondo caso con α = 0,5, è meno reattivo e offre delle previsioni molto peggiori (in questo esempio) rispetto al primo caso. Lo stesso comportamento era stato riscontrato nelle tecniche dello smorzamento esponenziale e dello smorzamento esponenziale adattato, infatti la base su cui si opera è la stessa. Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 32

33 TECNICHE ESTRINSECHE Le tecniche estrinseche, studiano la domanda non al variare del tempo, ma rispetto ad altre grandezze, quali ad esempio la domanda di altri prodotti, i tassi di crescita e gli interessi, la disponibilità di risorse o capacità, i prezzi, i costi. Spesso i cambiamenti nella variabile di previsione non sono dovuti al tempo e ciò che accade nel passato recente non è un buon indicatore del futuro Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 33

34 Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 34

35 TECNICHE QUANTITATIVE -RIEPILOGO 35 Tecniche quantitative Difficoltà di utilizzo Ritardo Trend Stagionalità Dati richiesti Parametri 1. Media mobile Bassa Sì No No Tra 1 e 5 periodi / 2. Media mobile pesata Bassa Sì No No Tra 1 e 5 periodi Pesi per ogni periodo 3. Smorzamento esponenziale Bassa Sì No No Domanda e previsione dell ultimo periodo α 4. Smorzamento esponenziale adattato Media Limitato Sì No Domanda e previsione dell ultimo periodo α, β 5. Regressione lineare Media No Sì No 2 3 anni 6. Regressione lineare con aggiustamento per la stagionalità Alta No Sì Sì 2 3 anni 7. Tre fattori di Winters Alta Limitato Sì Sì Almeno 3 periodi α, β, γ 8. Regressione lineare (variabili causali) 9. Regressione multipla (variabili causali) Media / Sì / Medio Alta / / / Alto Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 35

36 TECNICHE QUANTITATIVE E CARATTERISTICHE 36 Tecniche quantitative Caratteristiche Vantaggi Svantaggi 1. Media mobile -Sfrutta la media dei valori recenti della domanda -Si sposta automaticamente escludendo via via quelli passati -Facilità di utilizzo -Semplicità -Non considera trend e stagionalità -No pesi -Ritardo 2. Media mobile pesata -Utilizza il sistema della media mobile, ma pone enfasi sui dati piùrecenti mediante fattori moltiplicativi -Facilità di utilizzo -Non considera trend e stagionalità -Scelta dei pesi da attribuire -Ritardo 3. Smorzamento esponenziale -Forma particolare di media pesata -1 sola costante di smorzamento -Richiede domanda e previsione dell ultimo periodo -Basso numero di dati richiesti -semplicità -Non considera trend e stagionalità -Scelta della costante -Ritardo 4. Smorzamento esponenziale adattato -Stesse caratteristiche dello smorzamento esponenziale -2 costanti di smorzamento, di cui una per il trend -Basso numero di dati richiesti -Buona adattabilità -Considera il trend -Limita il ritardo rispetto alla domanda -Scelta delle 2 costanti -Non considera la stagionalità Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 36

37 Tecniche quantitative Caratteristiche Vantaggi Svantaggi 5. Regressione lineare -Studia le medie e analizza i valori per creare una linea di tendenza (linea interpolare) -Estremamente stabile -Considera il trend -Elimina il ritardo rispetto alla domanda -Richiede una quantità di dati spesso eccessiva -Non considera la stagionalità -Non adatto per sistemi con forte casualità -Calcolo tramite foglio elettronico 6. Regressione lineare con aggiustamento per la stagionalità -Adatta la regressione lineare con i coefficienti della stagionalità -Considera trend e stagionalità -Elimina il ritardo rispetto alla domanda -Richiede una quantità di dati spesso eccessiva -Non adatto per sistemi con forte casualità 7. Tre fattori di Winters -Combina regressione lineare e smorzamento esponenziale -Richiede 3 costanti di smorzamento: linea base, trend e stagionalità -Basso numero di dati richiesti -Considera trend e stagionalità -Molto personalizzabile -Buon adattamento al sistema -Limita il ritardo rispetto alla domanda -Complessità di utilizzo -Scelta delle 3 costanti 8. Regressione lineare (variabili causali) -Applicazione della regressione lineare per le variabili causali, cioè non dipendenti dal tempo -Estremamente stabile -Considera il trend -Non dipende dal tempo -Richiede una quantità di dati spesso eccessiva 9. Regressione multipla (variabili causali) -Regressione che utilizza più di una variabile causale -Permette di relazionare le previsioni a un maggior numero di variabili indipendenti per valutare i diversi contributi -Richiede una quantità di dati spesso eccessiva -Complessità di calcolo -Scelta delle variabili Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 37

38 FINE II PARTE Corso di Gestione della Produzione prof. De Toni, ing. Fornasier 38