SAP IBP talep planlaması, kısa, orta ve uzun vadeli bir zaman aralığı için talep tahminleri oluşturma ve yönetme yetenekleri sağlar. Bu, bir istatistiksel tahmin modelindeki geçmiş verileri ve ilgili parametre girdileri kullanarak planlama ufku için bir temel tahmin oluşturmanıza olanak tanır. Orta vadede tahmin doğruluğu, SAP IBP’de talep tahmini için işbirliği, veri ayarlama ve istatistiksel model ayarlama yetenekleri ile artırılabilir. Kısa vadede tahmin doğruluğu, talep odaklı tedarik zincirinin elde edilmesi için kısa vadeli tahminlerdeki ayarlamalara izin veren SAP IBP’nin talep algılama yetenekleri ile geliştirilmektedir.
ABC Sınıflandırması
ABC / XYZ segmentasyonu, seçilen gösterge değerlerine göre planlama nesnelerini gruplandırma yöntemidir. İki tür segmentasyon aşağıdaki gibi farklı amaçlara hizmet eder:
• ABC segmentasyonu, planlama nesnelerinin göreceli önemlerine göre önceliklendirilmesidir. Örneğin, ürün ve müşteri kombinasyonlarını gelir göstergesine göre kategorilere ayırmak isteyebilirsiniz.
• XYZ segmentasyonu, planlama nesnelerinin talep değişkenliğine göre sınıflandırılmasıdır. Örneğin, ürün ve lokasyon kombinasyonlarını onaylanmış miktar göstergesi veya MAPE gibi bir tahmin hatası ölçütüne göre kategorilere ayırmak isteyebilirsiniz.
Aşağıdaki grafiklerde, ABC ve XYZ segmentlerinin çeşitli kombinasyonlarının özellikleri gösterilmektedir:
ABC/XYZ segmentasonu için IBP Fiori üzerinde genel planlayıcı altında ABC/XYZ segmentasyon kurallarını yönet uygulaması seçilir.
ABC segmentasyonunun amacı, seçilen zaman ufkunda segmentasyon ölçüsünün (örneğin, gelirin) genel değerine en fazla ve en az katkıda bulunanları tanımlamak için ürünleri veya diğer planlama nesnelerini sınıflandırmaktır. Bu amaçla tüm kalemler azalan önem sırasına göre düzenlenir ve A, B ve C sınıflarına tayin edilir.
XYZ Segmentasyonu
XYZ segmentasyonu, geçmiş talep veya tüketimdeki dalgalanmaları değerlendirir. Planlama nesnelerini, planlama tutarlılıkları veya eğilimleri temelinde miktar ve planlama açısından sınıflandırır.
Talep Tahmini Yürütme ve Talep Algılama
SAP IBP’deki talep tahmini ve talep algılama aktiviteleri, SAP Fiori görünümünde ve SAP IBP Excel planlama görünümünde gerçekleştirilir. Şekil, SAP IBP’de talep tahmini ve talep algılama süreçleri için adımları göstermektedir.
SAP IBP’de talep planlama aktivitelerini birlikte gerçekleştiren çok sayıda gösterge vardır:
· Tahmin göstergesi için girdiler (history key figures): Tahmin için girdiler, istatistiksel modelleme için girdi verileri olarak kabul edilen satış veya teslimat verileridir. Bu veriler herhangi bir nedensel sapma için kontrol edilebilir ve ayarlanabilir. Eski tahmin (ex-post) ve tahmin değerlerini oluşturmak için tahmin modelinde doğru planlama düzeyinde temizlenmiş geçmiş veriler kullanılmıştır.
· Ex-post tahmin (Ex-post forecast): Ex-post tahmini, istatistiksel model aracılığıyla geçmiş zaman aralığında oluşturulur ve istatistiksel tahmin modelinin geçmiş zaman için çıktısıdır. Bu nedenle, tahmini değeri gerçek değerle karşılaştırmak, tahmin hatalarını karşılaştırmak ve en uygun modeli bulmak için fırsat sağlar.
· Tahmin (Forecast): Tahmin göstergesi, geleceğe yönelik olarak oluşturulan talep ihtiyacını yansıtan istatistiksel modelin çıktısıdır. Tahmin göstergesi, işbirliği, piyasa bilgileri ve uzlaşık tahmini olarak bilinen nihai talebi türetmek için planlanan promosyon bazında farklı göstergeler ile daha da ayarlanabilir.
SAP IBP’de talep tahmini, tahmin göstergesine girdinin modellenmesi, geçmişi düzenlemek için ön işlem adımları uygulanması, tahminin üretilmesi için bir model seçilmesi ve daha sonra uzlaşık talebini sonuçlandırmak için tahminlerin ayarlanması yoluyla gerçekleştirilir. SAP IBP’de talep algılamayı, uzlaşık talebi ve gerçek zamanlı talep akışlarını girdi olarak kullanarak, bir talep algılama algoritması yürüterek talep planını ayarlayarak gerçekleştirirsiniz.
Talep Tahmini için İşlem Öncesi
İşlem öncesi sayesinde, geçmiş veriler, tahmin edilen girdi olarak modele beslenmeleri için piklerden temizlenir. Bu adım, işlem öncesi modeli aracılığıyla aykırı olarak tanımlanan hatalı verilerin istenmeyen etkilerinden kaçınmak için gerçekleştirilir. Bu adım dikkate alınmazsa, giriş verisindeki anormal sapma tahmini bozabilir. Veri düzeltmesini gerçekleştirilmesi için SAP IBP’de mevcut farklı yöntemler ve algoritmalar vardır:
Eksik Değerleri İkame Et: Uygulama: Geçmiş verilerde eksik verilerden kaynaklanan eksik değerleri tahmin etmek amacıyla kullanılır ve bu eksiklikler tahmin değerlerini bozabilir. Tahmini üretme için algoritmasında geçmişteki mevcut verilerin ortalama veya orta değeri dikkate alınır.
Aykırı değer düzeltme – Çeyrekler Açıklığı Testi: Aykırı değerler tanımlanır ve bunlar normal aralıktaki ortalama değerle değiştirilir. Tahmin tahmini için algoritması, ortalama değer, ortalama veya tolerans değerleri ile aykırı değer düzeltmesidir.
Aykırı değer düzeltme – Varyant Testi: Pik değerleri tanımlanır ve bunlar normal aralıktaki ortalama değerle değiştirilir. Tahmin tahmini için algoritması, ortalama değer, ortalama veya tolerans değerleri ile pik değer düzeltmesidir.
Promosyon Aracılığıyla Satış Artışını Eleme: Kısa vadeli talep algılaması için geçmişi kullanırken promosyon nedeniyle satış artışı yönetilir. Tahmini üretme için algoritmasında, talep algılama için kullanılan satış geçmişi, promosyon ve uzlaşık tahmini nedeniyle satışlardaki artışa bağlı olarak hesaplanır.
Tahmin Modelleri (Forecasting)
SAP IBP’de talep tahminini üretmek için sağlanan bilgiler aşağıdaki gibidir:
· Tahmin için giriş göstergesi
· Ön tahmin göstergesi
· İstatistiksel algoritma seçimi
· Tahmin için çıkış göstergesi
· Çoklu algoritmaların kullanılması
SAP IBP’de mevcut olan ve geçmiş verilerin özelliklerine dayanan tahmini oluşturmak için kullanılabilecek çoklu tahmin algoritmaları vardır. Talep tahminini gerçekleştirmek için birden fazla zaman serisi istatistik modeli mevcuttur.
- Basit Ortalama (Simple Average)
- Ağırlıklı Ortalama (Weighted Average)
- Basit Hareketli Ortalama (Simple Moving Average)
- Genişletilmiş Hesaplama ile Basit Hareketli Ortalama (Simple Moving Average with Extended Calculation)
- Ağırlıklı Hareketli Ortalama (Weighted Moving Average)
- Genişletilmiş Hesaplama ile Ağırlıklı Hareketli Ortalama (Weighted Moving Average with Extended Calculation)
- Tekli Üstel Düzleştirme (Single Exponential Smoothing)
- Uyarlamalı Yanıt Oranı Tekli Üstel Düzleştirmesi (Adaptive Response Rate with Single Exponential Smoothing)
- İkili Üstel Düzleştirme (Double Exponential Smoothing)
- Sönümlü Trend ile İkili Üstel Düzleştirme (Double Exponential Smoothing with Trend Dampening)
- Üçlü Üstel Düzleştirme (Triple Exponential Smoothing)
- Sönümlü Trend ile Üçlü Üstel Düzleştirme (Triple Exponential Smoothing with Trend Dampening)
- Otomatik Üstel Düzleştirme (Automated Exponential Smoothing)
- Croston Yöntemi (Croston Method)
- Çoklu Doğrusal Regresyon (Multiple Linear Regression)
Talep Algılama (Demand Sensing)
Talep algılama sürecinin temel amacı, önümüzdeki altı hafta (42 gün) için kısa vadeli günlük tahmini hassaslaştırmaktır. Talep algılamanın ana girdisi, haftalık olarak planlanan bir lokasyon-müşteri-ürün-gecikme kombinasyonu için talep planlama miktarı (uzlaşma tahmini sinyali) ve gecikmeli anlık görüntüdür. Algoritma tarafından kullanılan ek giriş sinyalleri, gelecekteki sipariş edilen miktar, onaylanan miktar ve teslim edilen miktardır. Bu planlama sürecinin çıktısı günlük algılanan talep miktarıdır.
İşlem Sonrası ve Tahmin Hatası
İşlem sonrası adım, modelin parametrelerini dikkate alarak en uygun tahmin modelini belirlemek için tahmini hatalarını kullanır. Tahmin hatası hesaplaması, bir istatistik modeli ve gerçek satış geçmişi ile değerin karşılaştırılması yoluyla ex-post tahmini değer hesaplamasını kullanır. SAP IBP’de farklı türde tahmin hataları vardır ve bunlar ex-post ve geçmiş değerleri kullanılırken farklı formüller aracılığıyla hesaplanır.
Farklı özelliklere sahip talep için SAP IBP’de çoklu tahmin hataları mevcuttur. SAP IBP’de mevcut tahmin hatası yöntemleri aşağıdaki gibidir:
- Ortalama Yüzdesel Hata – Mean Percentage Error (MPE)
- Ortalama Mutlak Yüzdesel Hata – Mean Absolute Percentage Error (MAPE)
- Ortalama Hata Karesi – Mean Square Error (MSE)
- Ortalama Hata Kareleri Kökü – Root Mean Square Error (RMSE)
- Ortalama Mutlak Sapma – Mean Absolute Deviation (MAD)
- Ortalama Mutlak Ölçekli Hata – Mean Absolute Scaled Error (MASE)
- Ağırlıklı Ortalama Mutlak Yüzdesel Hata – Weighted Mean Absolute Percentage Error (WMAPE)
- Hata Toplamı – Error Total (ET)
Tahmin Modelini Yönet
SAP IBP’deki Tahmini Modelleri Yönet uygulaması, talep tahmini, talep algılama ve tahmini hata hesaplaması için istatistiksel modeli uyarlamak için kullanılır. Talep Planlayıcısı altında Tahmin Modellerini Yönet uygulaması bir tahmin modeli için ayarların yapılmasını sağlar.
Tahmin Modellerini Yönet uygulaması ile aşağıdakileri yapabilirsiniz:
Genel ayarları yapın: Genel sekme sayfasında, eklediğiniz algoritmalardan bağımsız olarak, tüm model için geçerli olan ayarları yapabilirsiniz.
İşlem öncesi algoritmaları ekle: İşlem öncesi adımlar sekmesi sayfasında, tahmin hesaplanmadan önce zaman dizisi verilerindeki olası sorunları çözmek için kullanılan algoritmaları seçebilirsiniz.
Tahmin algoritmalarını ekle: Tahmin Adımları sekmesinde, sistemin seçilen göstergeler için tahminleri nasıl hesaplayacağını tanımlayan ayarlar yapabilirsiniz. Tahminler, bu sekme sayfasında seçtiğiniz algoritmaların yardımıyla hem geçmiş hem de gelecek için hesaplanır.
Hata önlemleri ekle: İşlem sonrası adımlar sekmesi sayfasında, tahmin yaptıktan sonra sistem tarafından hata önlemlerini hesaplamak için yöntemler seçebilirsiniz.
Tahmin Modellerini Tayin Et
Tahmin modellerini tayin et Fiori uygulaması, seçilen planlama alanında seçilen planlama seviyesinde bulunan planlama nesneleri (ana veri özelliklerinin kombinasyonları) için orta veya uzun vadeli tahminlerin hesaplanması için hangi tahmin modelinin kullanılacağını belirlemenize olanak tanır.
Tahmin modellerinin atanması, bir simülasyonu başlatmadan önce veya IBP Excel eklentisinde bir işi tanımlayarak arka planda istatistiksel tahmin yürütmeden önce alabileceğiniz isteğe bağlı bir adımdır. Mevcut planlama nesnelerine atanan tahmini modelleriniz varsa, eklenti içinde Tahmini Model Atamalarını düşün seçeneğini seçebilir, böylece her planlama nesnesi için hesaplanan tahminin, söz konusu planlama nesnesine atanan tahmini modele dayandığından emin olursunuz. Tahmini model atamamışsanız, tüm planlama görünümü için yalnızca bir tahmin modeli seçebilirsiniz.
Promosyon Planlama
SAP IBP talep planlaması, promosyon planlamasının aşağıdaki işlevleriyle zenginleştirilmiştir:
Promosyon yükseltmesi: Geçmiş promosyon performans bilgilerine dayanarak, geçmiş değeri mevcut artışla düzenlenebilir veya ön işleme algoritması, sipariş geçmişinden promosyon etkisini temizlemeye yönelik aykırı değerleri belirlemek ve ayarlamak için kullanılabilir.
SAP IBP’de promosyon planı bakımı ve kullanımı: TUzlaşık talep finalize etme sürecinin gerçekleşmesi sırasında öngörülen yükselme değeri, tahmin göstergelerine eklenir.
Promosyon yönetim sistemi ile entegrasyon: Birçok şirket, ayrı bir ticari promosyon, müşteri ilişkileri yönetimi veya ilgili sistemde promosyon planlaması yapar.
Promosyon analizi: Analitik Promosyonlar uygulaması, talep için SAP IBP’de promosyon planlaması için ayrıntılı bilgi ve analiz imkanı sağlar.
Yeni Ürün Talep Planlaması
SAP IBP’de yeni bir ürün için talep, yeni ürün için profil oluşturularak ve ardından tahmin modelindeki Ürün ömrü bilgisini dikkate al göstergesinin yönetilmesi ile gerçekleştirilir. Ürün ömrü bilgisini dikkate al göstergesi, tahmini modelin tahmin adımında kontrol edilir. Yeni ürün tahmininin yapılandırması, Talep planlayıcı başlığındaki Ürün Ömrünü Yönet uygulaması aracılığıyla erişilen bir profil oluşturarak yapılır.
Ürün yaşam döngüsü yapılandırmasının yönetiminde, yeni ürün ve referans ürün bilgisi seçilir. Referans ürün olarak birden fazla ürün yapılandırılabilir ve yeni ürünün tahmininin oluşturulması için bir ağırlık yüzdesi uygulanabilir.
Talep Planlama Yürütme
İstatistiksel tahmin algoritmaları, Excel planlama görünümünde yürütülebilir. Bu, manüel olarak çalıştırılabilir, tek seferlik bir iş uygulaması olarak planlanabilir veya toplu iş olarak periyodik olarak yürütülecek şekilde modellenebilir. Orta vadeli ve uzun vadeli istatistiksel tahminler, ilgili göstergeler temel planlama seviyesinde ve aggregated seviyede gerçekleştirilebilir. Bununla birlikte, kısa vadeli tahmin sadece ürün / lokasyon / müşteri düzeyinde gerçekleştirilir.
Orta vade veya uzun vadeli tahminde bulunulurken, ya planlama verisini güncellemek ya da what-if simülasyonunu yapmak için temel veya herhangi bir simülasyon versiyonu kullanılabilir. Talep algılama yoluyla kısa vadeli tahminler sadece temel seviye için yürütülebilir. Talep planlama tahmini ve talep algılamanın yürütülmesi için, Excel planlama görünümündeki Gelişmiş grubundaki, İstatistiksel Tahminleme sekmesi için kullanılır.
Aynı Gelişmiş grupta, İstatistiksel Tahmin açılır menü yolu kullanarak, iş yürütme durumunu görüntülemek için bir durum seçeneği seçilebilir. Bir planlama ortamında, bu iş genellikle periyodik olarak planlanır. Uçtan uca talep planlama süreci desteği için, planlama çalışmalarının toplu işlerini ve kopyalama ve disaggregation gibi operatörler için diğer işlemleri tekrarlamak için bir zamanlama dizisi gerekebilir.
Planlama Sonuçlarının Analizi
Talep planlayıcıları, talep planının gözden geçirilmesi, ayarlanması ve analiz edilmesi için SAP IBP’nin Excel planlama görünümünü kullanır. Bilgiyi, talep planlama uygulaması ile ilgili farklı gösterge aracılığıyla analiz etmek için anında çoklu planlama görünümleri kaydedilebilir veya oluşturulabilir.
