מאת: צור אמיתי

 

בניית תחזית טובה מבוססת על ניתוח נתוני העבר וחישוב נוסחת ניבוי סטטיסטית לעתיד. במקרים רבים קיים קושי לחשב נוסחת ניבוי טובה על בסיס נתוני העבר כיוון שהנתונים הקיימים אינם מאפשרים זאת. אנו מכנים נתונים היסטוריים ש"מפריעים" לחישוב תחזית כ"נתונים רעים".

 

כאן המקום להזכיר כי ניתן לחשב את אמינות התחזית שחושבה על פי מדדים סטטיסטים, כדוגמת המדדים: MAPE (Mean Absolute Percent Error) ו Mean Absolute Deviation)) MAD. הסבר על מדדים אילו ומדדים נוספים נסקרו במאמר קודם " ניהול תחזית – כלים למדידת דיוק ואמינות התחזית".

 

נתונים היסטוריים "רעים"

מה הם אותם הנתונים ההיסטוריים הרעים המשבשים את יכולת חישוב תחזית טובה. בדרך כלל מדובר בנתונים ה"קופצים" באופן חריג כלפי מעלה או כלפי מטה, כלומר הנתונים ההיסטוריים מראים על התנהגות לא סדירה של המוצר באופן שלא ניתן להסבירו.

במאמר קודם בשם " ניהול תחזית – שימוש בעזרים Helpers לחישוב השפעת חגים, מבצעים ומשקלים לצורך קבלת תחזית מדויקת " הצגתי את הכלים לניהול אירועים. ה"אירועים" הינם גורמים המשפיעים על התנהגות המוצר בצורה משמעותית, לדוגמה: מבצעים, חגים, חוסר במלאי וכו.. ניהול האירועים מאפשר לחשב תחזית מדויקת על ידי זיהוי השפעת אירוע על התנהגות חריגה של המוצר.

במקרים רבים איננו יכולים להסביר את ההתנהגות החריגה של המוצר, גם לא בעזרת אירוע. התנהגות חריגה יכולה לנבוע למשל מדיווח לא אחיד למערכת המלאי (לדוגמה: תיקון נתון המלאי באופן יזום) או מהשפעת גורמים שלא מזוהים, קיים גם גורם המקריות שאינו ניתן להסבר (לדוגמה: קניות רבות מגורמים שונים באותו הזמן). התנהגות היסטורית חריגה ולא מוסברת של פריט יוצרת סדרת נתונים "רעים" המקשה על חישוב מדויק של התחזית.

 

זיהוי התנהגויות חריגות Outliers

כיצד ניתן להגדיר ולזהות התנהגויות חריגות בנתונים ההיסטוריים של מוצר ? כדי לקבל תשובה לשאלה חשובה זאת אצטרך להסביר תחילה מהו ה Fitted Value או בקיצור Fit וכיצד מחשבים אותו.

ה Fit הינו החישוב של נוסחה הסטטיסטי שנבחרה לצורך בנית התחזית. לדוגמה: אם בחרנו לחשב את התחזית בעזרת נוסחה פשוטה של ממוצע נע של 3 חודשים, נחשב את ה Fit על בסיס נוסחה זאת גם לתקופות ההיסטוריות של המוצר.

 

תמונה 1 – (כדי לצפות בתמונה לחץ על הקישור " פרטים נוספים" המופיע בסיום מטה) הצגת היסטוריית המוצר, חישוב ה Fit וחישוב התחזית בתוכנת Forecast Pro

תמונה 1 ניתן לראות את קו ההיסטוריה בצבע ירוק, את קו ה Fit בצבע אדום (מתחילת נתוני ההיסטוריה ועד לקו השחור המאונך המציין את תאריך ההווה) ואת קו חישוב התחזית באדום (וקו ההווה לאורך 12 חודשי התחזית)

 

חישוב ה Outliers מבוצע בעזרת חישוב סטיית התקן של התחזית וה Fit. אנו מגדירים את מספר סטיות התקן שמעבר להן הקריאה נחשבת לסטייה חריגה.

מקובל להגדיר כ 4 סטיות תקן לגבול בין סטייה מקובלת של הנתונים לסטייה חריגה. במקרים מסוימים ניתן להגדיר 3 סטיות תקן לגבול המגדיר י חריגה.

תמונה 2 – (כדי לצפות בתמונה לחץ על הקישור " פרטים נוספים" המופיע בסיום מטה) חישוב הנתונים ההיסטוריים החריגים Outliers בתוכנת Forecast Pro

 

בתמונה 2 ניתן לראות את היסטורית הנתונים של המוצר בצבע ירוק בהיר ואת נתוני ההיסטוריה המתוקנים בצבע ירוק קהה. שני הקווים מתאחדים וניתן לראות את ההיסטוריה בצבע ירוק קהה. בחודש אחד מתפצלים הקווים לשנים וניתן לראות את הקו הירוק בהיר המייצג את נתוני ההיסטוריה וקו ירוק קהה המתאר את ההיסטוריה המתוקנת ללא סטייה.

 

בתוכנות מתקדמות לניהול תחזיות כדוגמת תוכנת Forecast Pro מבוצע חישוב אוטומטי של הסטיות ההיסטוריות והתוכנה מציעה "היסטוריה מתוקנת" ללא הסטיות שחושבו.

 

התוכנה מאפשרת לאנליסט לקבוע האם לחשב את התחזית באופן אוטומטי על בסיס ההיסטוריה המתוקנת או שתבחר הדרך החצי אוטומטית, כך שכל סטייה תיבחן לגופה והאנליסט יקבע האם יש צורך "לתקן" את ההיסטוריה או שאין צורך בכך וחישוב התחזית יושפע גם מהסטיות החריגות. ההחלטה האם יש צורך לתקן את הנתונים ההיסטוריים הינה החלטה מקצועית וחשובה של האנליסט.

 

השימוש בתיקון הנתונים ההיסטוריים בעזרת ה Outliers מאפשר להקטין את "הרעש " בחישוב בתחזית ולאפשר לתוכנה לזהות את ההתנהגות הטיפוסית של המוצר, כולל מגמה ומחזוריות.

 

שימוש מושכל ב Outliers יכל לחסוך את הצורך לנהל עשרות, מאות ולעיתים גם אלפי אירועים שונים בתחזית. במקרים רבים מאפשרת העבודה עם Outliers לנהל רק את האירועים המרכזיים והמשפיעים ביותר על התנהגות המוצר ו"לזנוח" את הניהול של אירועים רבים בעזרת ניהול Outliers.

 

בפרק הבא אציג כיצד משלבים את נתוני התחזית עם מערכת ה MRP לתכנון הרכש והייצור, ובאילו משתנים יש להתחשב בהגדרות ה MRP לצורך תכנון אמין יותר.

 

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק.

 

ליצירת קשר:   08-9300363  amitai@asc-il.co.il    ww.asc-il.co.il

לפרטים נוספים