Previsione della domanda nella supply chain

Da Wikipedia, l'enciclopedia libera.

La previsione della domanda nella supply chain è un insieme di metodi che prendono in esame la domanda di un certo prodotto in una rete logistica. Tali metodi sono alla base della progettazione e del riallestimento di una Supply Chain (catena di distribuzione).

Indice 1 Generalità 2 Metodi qualitativi 3 Metodi quantitativi 4 Panoramica dei metodi quantitativi 4.1 La media mobile 4.2 Lo smorzamento esponenziale 4.2.1 Modello base 4.2.2 Modello con trend 4.2.3 Modello con stagionalità 4.2.4 Modello con trend e stagionalità 4.3 La regressione lineare 5 Voci correlate

[modifica] Generalità

Prevedere la domanda da soddisfare di un certo prodotto è fondamentale in ambito sia di produzione che di distribuzione: infatti se non siamo in ambito di gestione MTO (make to order, ovvero se non produciamo/distrubuiamo in base agli ordini pervenuti) dovremmo produrre o ordinare (a seconda della nostra posizione nella filiera produttiva) in base ad una certa previsione di domanda del prodotto. È questo il caso tipico della produzione di beni a largo consumo, a basso valore unitario, tipicamente gestiti MTS (make to stock, ovvero prodotti per essere tenuti in una scorta ad aspettare l'acquiesto, ad esempio su uno scaffale di un punto vendita). La previsione della domanda può essere effettuata tramite metodi:

• quantitativi
• qualitativi

Tali categorie di metodi sono considerati complemetari nella formulazione della prevsione, in quanto tengono conto di fattori diversi.

[modifica] Metodi qualitativi

I metodi qualitativi di previsione non si basano su un approccio matematico formalizzato. Essi presentano dei vantaggi rispetto agli altri in quanto essi:

• sono più flessibili, in quanto possono adattarsi anche a contesti nuovi
• possono tener conto di fattori difficilmente quantificabili, pure rilevanti nel processo di previsione

Gli svantaggi:

• essi soffrono spesso dell'errore umano a sovrastimare o sottostimare sistematicamente la domanda

[modifica] Metodi quantitativi

I metodi qualitativi si basano su un approccio matematico formalizzato. Essi:

• sono più consistenti, cioè tendono a ridurre errori sistematici tipicamente umani
• soffrono della difficoltà di modellizzazione, dunque dell'aderenza solo parziale al fenomeno reale.

[modifica] Panoramica dei metodi quantitativi

In quanto formalizzabili, è possibile descrivere efficacemente i metodi quantitativi in modo sintetico. Tipicamente, tali metodi:

• postulano una domanda (descritta mediante una funzione matematica)
• generano una previsione della domanda mediante un algoritmo

Per generare un livello di domanda futura è neccessario inizializzare l'algoritmo di previsione, ovvero calcolare un livello iniziale di domanda. Il livello iniziale di domanda è tipicamente basato sui dati storici della domanda passata: in questo caso si ipotizza implicitamente un legame tra la domanda osservata in passato e la domanda da prevedere. L'ipotesi di base, qua analizzata, prevede che il livello della domanda dipenda esclusivamente dal tempo. I metodi quantitativi fondamentali sono:

• la media mobile: è adatta in casi di domanda stazionaria, in quanto considera per la previsione un numero prefissato delle ultime osservazioni della domanda
• lo smorzamento esponenziale: esso considera per la previsione le osservazioni di domanda attribuendo un peso progressivamente minore alle osservazioni via via più vecchie
• regressione lineare: nel caso di una sola variabile esplicativa è possibile interpolare l'andamento della domanda: tale approccio è tanto più valido quanto più l'andamento della domanda è assimilabile a una retta
• regressione multipla: è l'estensione del caso precedente, da usarsi in presenza di più variabili esplicative del modello di previsione

[modifica] La media mobile

La media mobile assume la domanda come:

• Y è la domanda nell'istante t
• d soprasegnato è la domanda attesa
• epsilon è il rumore

Il passo dell'algoritmo è:
per ogni h

• F è la previsione (forecasting) fatta in t per l'orizzonte temporale h
• k è un fattore adimensionale direttamente proporzionale all'inerzia della domanda

[modifica] Lo smorzamento esponenziale

Lo smorzamento esponenziale, a differenza della media mobile, considera tutte le osservazioni passate della domanda; la domanda è modellizzata come nel modello della media mobile.

[modifica] Modello base

Il modello base effetta una previsione della domanda futura sulla base della media pesata delle osservazioni di domanda passate.
F_t,h = αY_{t − 1} + (1 − α)F_{t − 1,h} 0 < α < 1

• alfa è la reattività della previsione: più è alta, più il modello tiene conto delle osservazioni più recenti.

[modifica] Modello con trend

Il modello con trend ipotizza che la domanda tenda a crescere o a descrescere in modo costante al trascorrere del tempo. La previsione è una funzione che disaccoppia un livello base della domanda ed un fattore di trend proporzionale all'orizzonte temporale: questi due fattori sono aggiornati separatamente. La previsione è formulata:
F_t,h = B_t + hT_t

• B è il livello base della domanda in t
• T è il fattore di trend
  

B_t = αY_{t − 1} + (1 − α)(B_{t − 1} + T_{t − 1}) 0 < α < 1
T_t = β(B_t − B_{t − 1} + (1 − β)(T_{t − 1}) 0 < β < 1

• beta è un fattore adimensionato proporzionale alla reattività della previsione al variare del trend, in modo simile a come avviene per alfa.

Inizializzazione: T_o = Y₂ − Y₁

dove l sono i primi l periodi

[modifica] Modello con stagionalità

Il modello con stagionalità prevede che il livello di domanda si ripresenti simile dopo un intervallo di tempo regolare, detto stagione. La previsione qua introduce un fattore S di stagionalità:
F_t,h = B_tS_{t + h − s}per h<=s

• s è il numero di periodi di tempo della durata della stagione
• S (maiuscolo) è il fattore di stagionalità
• gamma è un fattore adimensionato proporzionale alla reattività della previsione al variare della stagionalità, in modo simile a come avviene per alfa e beta.

0 < α < 1
0 < β < 1
Inizializzazione:

per j=1,...,s dove j sono i periodi dove si effettua l'inizializzazione

[modifica] Modello con trend e stagionalità

Il modello con trend e stagionalità combina il modello con trend e quello con stagionalità: esiste cioèuna ciclicità della domanda che si sovrappone alla tendenza a crescere o a decrescere al trascorrere del tempo. La previsione è modellizzata:

L'aggiornamento dei parametri del livello base di domanda, di trend e stagionalità si effettuano rispettivamente:
0 < α < 1
T_t = β(B_t − B_{t − 1} + (1 − β)(T_{t − 1}) 0 < β < 1
0 < γ < 1
Inizializzazione:

se l=2s

[modifica] La regressione lineare

La regressione lineare è un approccio previsionale usato nel caso semplice in cui la domanda abbia un andamento che non si discosta dalla retta nel piano. È possibile formulare una previsione:

• calcolando i parametri a (intercetta sull'asse delle ordinate) e b (coefficiente angolare) della retta delle osservazioni passate
• calcolando la y (variabile dipendente della retta, nella fattispecie la domanda) in corrispondenza di x(variabilie indipendente, in questo caso il tempo per cui si effettua la previsione: y è il valore atteso del livello di domanda previsto per l'istante x
• calcolando le See(Y) (acronimo di Standard Error Estimate), ovvero la stima della varianza della domanda.

Modello lineare generale:
Y = a + bx
Stima puntuale della domanda Y:

Stima della varianza della stima di Y:

dove:

[modifica] Voci correlate

Supply chain management