仓库物料需求管理（上）

仓库物料需求管理

 

在课程的一开始，就提到了需求是模糊的，具有不确定性的特点。为了应对需求的这个特征，企业需要使用一些工具和方法来将需求的数量降到一个可以控制的范围之内。对于企业内部供应链，或者更具体的业务需求管理而言，这方面的工作可以归结为客户需求管理。

 

（一）客户需求管理的内容

客户需求管理是协调、控制各种需求的来源，从而有效地规划和控制整个企业物流系统的管理过程，其核心内容就是对需求进行预测。

 

1.需求预测的重要性

企业对需求的预测实际上就是基于以往数据的一个整理和统计的过程，具体到企业物料管理的方面，它可以回答企业在将来某一个时段内，所需要的物料品种和这些物料所要达到的库存水平。尽管就目前而言，还没有非常完美的数学工具可以得到十分精确的预测结果，但是需求预测工作还是对企业的生产经营活动具有一定的参考价值，其重要性体现在：

 需求的发生是一个连续的过程，因此客观上具有可预测性，企业对需求进行预测的依据就在于其基本的规律；

 需求是企业制定长期生产计划的基础，生产部门利用预测的结果可制定周期性决策，例如工艺选择、生产能力计划/设施布局等，同时预测还可以用于生产计划、调度和库存等连续性决策活动；

 对于金融和会计等职能性领域，预测可为制定预算和控制成本提供依据；

 营销部门也可以依靠需求预测的数据来进行新产品开发设计、补充销售人员并作出其他关键决策。

 

2.需求预测的要点

企业进行需求预测，首先需要明确：预测的内容是未来计划时段内的总需求量，这个定义中间有以下两个要点。

 总需求量

这里所指的总需求量，实际上就是企业的独立需求。在前边的内容中，已经提到只有确定了独立需求，才有可能确定相关需求。对总需求量进行预测的关键在于把握其规律性的变化趋势，而这种规律来源于通过企业的经销网络或客户群所收集到的数据，这些数据反映了企业客户的采购模型。而对于客户的采购模型，企业需要掌握其中的三个内容：采购对象、采购数量及采购周期。例如，二八原则就是这些规律中最典型的一个，即企业80％的业务量来源于20％的客户。具体到企业物料管理的环节，有两个至关重要的数据：

① 客户订单客户订单可以非常直接地反映出市场对企业产品的需求，从而决定企业对所需物料的需求。

② 库存库存可分为成品、半成品以及原材料等，这些数据的变动可以反映出市场需求的变化情况。对于以产定销的企业而言，成品则最能直接地体现出需求的变化情况。

 时段

所谓时段是指进行预测的时间跨度。一般情况下，平均预测时段的改变会在很大程度上影响预测的结果：

① 平均预测时段越短，则预测结果的波动性越大，能够在较大程度上反映真实的需求变化情况，对于需求不确定的产品通常而言预测时段是越短越好；

② 平均预测时段越长，则预测结果越趋于一条平滑的直线，表现出的是一种平均的趋势。

 

（二）需求预测的操作

 

1.预测与计划的相互关系

预测与计划的层次和内容是不同的，通常情况下，预测的结果是为计划制定提供依据的。

2.预测的基本原则

企业进行预测需要把握以下基本原则。

 按物料分类的预测

在前边的内容中，已经提到过需要对物料进行分类管理。在对物料需求进行预测的过程中也是一样，并没有必要对所有的物料都付出同样的精力来进行预测；应该在既定预测策略的基础上，根据物料的属性区分其预测的优先度，集中投入人力和物力对位于高风险区的物料进行预测。

 提供一个预测精确度的范围

所谓预测的精确度范围，就是指预测结果的偏差或误差范围，与企业对不同物料所能接受的缺货程度是密切相关的。

 缩短计划跨度及预测跨度

这个问题反映的就是以上所提到的时段的内容，尽可能缩短计划跨度和预测跨度可以最大程度地提高预测结果与实际情况的匹配程度。

 经常评审及更新预测

物料的属性是会随着企业生产的变化而改变的，同时预测的方法和手段也在不断地更新和改善，因此，就有必要通过评审的方式来对预测的过程和结果进行审核，并根据需要及时地对预测结果进行更新。

 便于相互交流和理解

 

3.客户需求预测的要素

大多数情况下，客户的需求包含以下六个要素，其相互关系详见图5－1所示。

 平均需求

所谓平均需求，是指在一段时间内需求的平均水平，如果反映在“时间－需求”图中就是一条平滑的水平直线。

 需求趋势

所谓需求趋势，是指需求量随着时间的变化而呈现出的走势，例如上扬或下滑的线性趋势就反映了需求量数据呈连续的直线关系，在图中表现为一条与横轴有一定斜率的直线。

 季节因素

对于某些产品，客户需求的变化是随着季节的变迁而改变的。这种变化用曲线图表示出来通常会显示出的关系是：每相隔一段时间会有一个需求的高潮。

 周期因素

对需求的周期性影响可能来自于政治、战争、经济条件或社会压力等，它是很难确定的，因为周期的时间跨度可能未知，或者引起周期性的原因难以被考虑到。

 随机误差

随机偏差通常是由偶然事件而引起的。从统计学的角度来看，当客户需求的所有已知成因（平均值、趋势性因素、季节性因素、周期性和自相关性）都从总需求中扣除后，剩下的就是需求的不可解释的部分。如果无法确定这些剩余部分的成因，就可以假定其为纯随机原因。

 自相关性

自相关性表明了事件的连续性，即某一数据的期望值与其自身的历史值高度相关，如果存在高度自相关性，那么各个周期间的需求变化就不会太大。

 

 

4.常用定性需求预测的方法

从客户需求预测技术的角度来看，有两种基本的预测方式，即定性预测和定量预测。在定性预测中主要有以下几种方法。

 基层预测

所谓的基层预测，是对来自低层的预测的连续累加，其假设前提是：那些离客户最近、最了解产品最终用途的人员对产品未来的需求情况了解得也最清楚。尽管这一假设并不总是正确的，但是在很多情况下仍不失为一个有效的假设，所以这种方法的使用还是比较普遍。

 市场研究

所谓市场研究，是指企业经常聘请外部的、擅长于市场调研的公司进行这类预测，其收集数据的方法主要是问卷调查和上门访谈等。

 销售和生产部门的预测会议

这是一种极具价值的定性预测方法。在企业中，销售部门对市场需求的推测通常是乐观的，但是却面临着市场“牛鞭效应”的风险；而生产部门跟“牛鞭效应”完全没有关系，它面对的是在生产过程中所实际发生的数据记录。因此，这两个部门分别进行预测的结果通常会有非常明显的落差，需要进行专门的评估，而预测会议就是这种评估非常好的一种方式。

 历史类比

所谓的历史类比，是指预测某种新产品的需求时，如果现有的产品或类似的产品可用来作为类比模型的话，这将是最理想的情况。历史类比法可以应用于很多产品类型——互补产品、替代产品、竞争性产品或随收入而变化的产品等。

 德尔菲法（隐去参与者身份的问卷调查）

所谓德尔菲法，是指设定几个专题，再分为若干个小组分别去研究。对于同一个预测问题，不同的专家考虑的角度和观点不同，结果会有很大的差异；对这些结果进行不断地筛选，最后的预测结果会与事实情况惊人的接近。但是在这种方法的操作过程中，一定要强调隐去参与预测研究的各成员的身份，使得每个人的重要性都相同，这样才能保证每个成员都独立、完整地从自己的角度来提出看法和结果。

 

5.常用定量需求预测的数学模型

在企业中，时间序列分析预测是最常用的定量需求预测数学模型，它力求以历史数据为基础来预测未来。时间序列分析有很多不同的数学模型，如简单移动平均、加权移动平均、指数平滑等。

 

6.建立客户需求预测系统的成功关键

在现实的操作中，之所以很多企业总是埋怨预测无效，是因为它们没有建立起一套健全的预测体系。对以上内容进行归纳，可以总结出建立客户需求预测系统的关键有以下四个方面：

 作为一项长期的基础管理工作，配备专业人员；

 数据的来源和正确性维护；

 建立预测的评审制度和跟踪系统；

 调整预测尽量和生产计划相一致。