SAP F & R: Der Prozess der Auftragserstellung. Teil 1

    Hallo habr Heute werde ich anhand von Beispielen und Berechnungen über den Prozess der Auftragserstellung im SAP F & R-System sprechen.
    Ich erinnere Sie daran, dass SAP F & R ein Bedarfsprognose- und Bestandsverwaltungssystem auf der Ebene der Zielstandorte und -lieferanten ist. Das System ist Teil der SAP-SCM-Lösung (Supply Chain Management) und wird in zwei Varianten implementiert:

    • SAP F & R SCM - Implementierung mit nahtloser Integration in SAP-Systeme;
    • SAP F & R OI ist ein System zur Integration mit Nicht-SAP-Systemen.

    Die gesamte SAP F & R-Funktionalität kann in vier Hauptblöcke unterteilt werden:
    • Eingabeverarbeitung
    • Vorhersageberechnung
    • Bedarfsberechnung
    • Benötigen Sie Optimierung



    SAP F & R wird mit Verkaufsdaten beliefert, die nach Produktlokation, Saldenhistorie, Grunddaten von Waren und Lieferanten, vordefinierten Lieferplänen und einigen Konfigurationsparametern aufgeschlüsselt sind, damit das System entsprechend dem Geschäft des Einzelhändlers effektiv funktioniert.

    Eingabeverarbeitung


    Es kommt häufig vor, dass die Verkaufsstatistiken des Einzelhändlers falsch sind (ungeklärte Spitzen, Ausfalltage, unterschätzte Verkäufe aufgrund von Engpässen). SAP F & R kann fehlerhafte Eingaben verarbeiten. Das Löschen von Statistiken aus Fremdwerten dient dazu, den Einfluss eines Fremdwerts auf die Umsatzprognose zu vermeiden. F & R erkennt zuerst fremde Werte und ersetzt sie dann durch einen lokalen durchschnittlichen Verkaufswert. Der lokale Durchschnitt ist der Durchschnitt zwischen benachbarten Wochen, bezogen auf eine Woche mit einem Fremdwert.

    Beispiel 1. Korrektur von Spitzenwerten

    In der Abbildung sehen wir mehrere ungeklärte Bursts (Spitzenverkäufe). Schwarze Linie - reale Statistiken, rote Linie - bereinigte Verkaufswerte.



    Erkennung: Um im Falle eines Peaks einen Fremdwert zu erkennen, berechnet F & R, wie stark der Wert der wöchentlichen Verkäufe des Peaks oder der Rezession vom lokalen Durchschnitt der wöchentlichen Verkäufe abweicht, wobei die benachbarten Wochen (zwei Wochen auf der einen und zwei auf der anderen Seite) berücksichtigt werden. Wenn die Abweichung vom lokalen Durchschnitt> Standardabweichung der Zeitreihe * ein Koeffizient ist, werden solche wöchentlichen Verkäufe als Fremdwert betrachtet. Der Koeffizient wird in den Einstellungen eingestellt. Abweichung vom lokalen Durchschnitt = lokaler Durchschnitt der wöchentlichen Verkäufe - der Wert der Verkäufe für eine bestimmte Woche, modulo genommen. Die Standardabweichung der Zeitreihen wird für alle Wochen berechnet, für die eine Verkaufshistorie bereitgestellt wird.

    Beispiel 2. Korrektur der Geschichte von Understatement aufgrund fehlender Verkaufsdaten

    Die Abbildung zeigt den expliziten Großhandelsvertrieb des Produkts und infolgedessen keinen Lagerbestand für das Produkt oder den Mangel. Tage mit einem Mangel an Waren führen zu falschen Verkaufsstatistiken (verlorene Verkäufe werden nicht berücksichtigt). Das System korrigiert auch solche Werte.



    Erkennung: Daten zu Nullbestand werden ebenfalls als Eingabedaten in das System hochgeladen. Waren, bei denen der Lagerbestand an einigen Tagen der Woche Null war, haben den wöchentlichen Umsatz unterschätzt. Das System addiert zum wöchentlichen Verkaufswert = (lokaler Durchschnitt * die Anzahl der Tage mit einem Defizit pro Woche) / die Anzahl der Arbeitstage pro Woche.

    Beispiel 3. Korrektur aufeinanderfolgender unterschätzter Verkäufe

    Das System passt auch die Verkaufshistorie für zu lange aufeinanderfolgende Perioden geringer wöchentlicher Verkäufe an.



    Erkennung: Die Erkennungsdauer aufeinanderfolgender Wochen wird in den Einstellungen festgelegt. Wenn für mehrere Wochen, bei denen die Anzahl mindestens eine bestimmte Länge hat, die aufeinanderfolgenden Wochenverkäufe unter einem festgelegten Schwellenwert liegen, betrachtet das System diese Wochen als Wochen mit unterbewerteten Verkäufen und passt die Verkaufshistorie für diese Wochen entsprechend dem lokalen Durchschnitt an.

    Vorhersageberechnung


    In diesem Block prognostiziert das System den durchschnittlichen Umsatz (oder die durchschnittliche Prognose). Die durchschnittliche Prognose in der SAP-F & R-Terminologie ist ein Wert des Warenvolumens an einem Standort, der mit einer Wahrscheinlichkeit von 50% die Nachfrage der Kunden im Geschäft befriedigt oder mit anderen Worten den Kundenservice zu 50% gewährleistet. Die Durchschnittsprognose ist nicht das Endergebnis, das in die Bestellung aufgenommen wurde.

    Um eine Durchschnittsprognose zu erstellen, verwendet das SAP-F & R-System Umsatzprognosemodelle, die nicht nur statische Verbrauchsdaten berücksichtigen, sondern auch den Einfluss externer Faktoren wie Kalenderereignisse oder Werbeaktionen. Die Auswirkung solcher Faktoren kann entweder manuell eingestellt oder automatisch vom System in der Vergangenheit erkannt werden. So verwendet SAP F & R bei der Bildung des Prognosemodells der Zeitreihe sowohl in der Vergangenheit als auch in der Zukunft Daten zu einer möglichen Änderung des prognostizierten Werts und legt die Auswirkung eines externen Faktors auf die geglättete Reihe fest.

    Wie Sie in der Abbildung sehen können, hat SAP F & R bei der Erstellung des Prognosemodells in der Vergangenheit saisonale Schwankungen des Umsatzes und Spitzenwerte in der Neujahrsperiode und in anderen Feiertagsperioden deutlich sichtbar gemacht.



    Wie oben erwähnt, berücksichtigt das System bei der Berechnung der Durchschnittsprognose nicht nur das Verhalten der Verkäufe in der Vergangenheit, sondern auch einige Merkmale des Geschäfts. Zur flexibleren Anpassung des Prognosemodells werden alle Produkt-Standort-Kombinationen entsprechend der Umschlagshäufigkeit in 6 Gruppen unterteilt: Quick-Turn 1, Quick-Turn 2, Medium-Turn 1, Medium-Turn 2, Low-Turn 1, Low-Turn 2. In den Einstellungen werden die Grenzen der Werte festgelegt, nach denen die Gruppen verteilt werden. Die Verteilung in Gruppen ist ein dynamischer Prozess. Das Produkt kann sich sowohl auf eine Gruppe als auch auf eine andere beziehen, wenn die Fluktuationsrate steigt oder fällt. Viele betriebswirtschaftliche Einstellungen im System werden im Rahmen dieser Gruppen vorgenommen.

    Außerdem wird auf der Grundlage einer Warengruppe gemäß der Fluktuationsrate automatisch ein Prognosemodell im System ausgewählt:

    • Vereinfachte Prognosemethoden (gleitender Durchschnitt, gewichteter Durchschnitt usw.) werden für neue Produkte ausgewählt, deren Verkaufshistorie 6 Wochen nicht überschreitet.
    • Konstante Methoden (Prognose = n) werden für Güter mit geringer Fluktuationsrate verwendet.
    • Methoden, die auf einer exponentiellen Glättung und einer Regressionsanalyse basieren, werden auf alle Waren angewendet, wenn ein externer Faktor, der die Nachfrage beeinflusst, den Umsatz beeinflusst.


    Auf Wunsch des Kunden können die Methoden auch manuell konfiguriert werden.

    Nach Auswahl einer Prognosemethode kalibriert das System das Prognosemodell automatisch (berechnet und wählt die Glättungsfaktoren, den Trend, die Anpassungsfähigkeit usw. auf der Grundlage des kleinsten Prognosefehlers in der Vergangenheit aus).

    Faktoren, die die Nachfrage beeinflussen

    Das System verwendet drei Hauptgruppen von Faktoren, die die Nachfrage beeinflussen:

    • Boolesche Faktoren: Ein Ereignis eines Booleschen Faktors besteht aus zwei möglichen Situationen: Der Faktor ist entweder gültig oder nicht gültig (z. B. Werbeveranstaltungen, Feiertage, andere Kalenderereignisse). F & R schätzt die Auswirkung eines Faktors auf den Verkauf von Waren in einem Geschäft, der in der Vergangenheit aufgetreten ist, z. B. einen Anstiegsfaktor von 1,5, der durch ein Werbeereignis verursacht wurde. Wenn in Zukunft ein Faktorereignis mit demselben Indikator für dasselbe Produkt und dieselbe Filiale auftritt, berechnet das System die erwarteten Auswirkungen auf die Prognose. Die Abbildung zeigt die Wirkung der PROMO-Faktoren und das neue Jahr (+ Wochen vor dem neuen Jahr). Die Reaktion auf andere Faktoren ist nicht so offensichtlich. Die Prognose (blaue Linie) berücksichtigt die Wirkung des Faktors „Bis zum neuen Jahr“.


    • Metrische Faktoren: Der Faktor hat jederzeit einen bestimmten Wert (z. B. Preisdynamik). Das System schätzt die Korrelation zwischen Verkaufswerten unter dem Einfluss des Faktors und der Historie des Warenverbrauchs. Wenn ein Rabatt als metrisches FVS verwendet wird, sollte der Wert des FVS in Perioden ohne Rabatt bestimmt werden und gleich 0 sein.


    • Faktor ignorieren: Ereignisse mit diesem Faktor werden verwendet, um bestimmte Zeiträume des Verkaufsverlaufs aus der Statistik auszuschließen, da es sich nicht um korrekte Werte handelt (z. B. die Reparaturzeit eines Teils eines Geschäfts usw.).

    Vorhersage neuer Produkte

    In F & R werden neue Produkte in zwei Szenarien vorhergesagt:
    • Vereinfacht: manuelle Bestellung oder Prognose mit Durchschnittsmethoden, bis die erforderliche Warenhistorie erreicht ist;
    • Komplex: Ein Hinweis auf das Produkt des Vorgängers aus demselben Geschäft.


    Beispiel 4. Vorhersage neuer Produkte

    Bei der Angabe eines Analogs aus demselben Geschäft bleibt die Verkaufsgeschichte des Vorgängerprodukts am Ende des neuen Produkts hängen. Das System prognostiziert basierend auf den Verkaufsstatistiken des Vorgängerprodukts. Es gibt keine echte Verkaufsgeschichte (schwarze Linie). Rote Linie: Die Geschichte eines analogen Produkts.



    Zusätzliche Funktionen

    SAP F & R kann auch Zeiträume des vorübergehenden Ausschlusses von Waren aus der Sortimentsmatrix, die gegenseitige Beeinflussung des Verkaufs (z. B. wenn der Bierverkauf den Verkauf von Chips beeinflusst), die Verwendung eines Verknüpfungsmoduls zur Umsatzprognose für neue Produkte (Kombination der Verkaufshistorie mehrerer Produkte) usw. berücksichtigen. . usw. um das genaueste Ergebnis zu erzielen.

    Wie ich oben geschrieben habe, ergibt sich die durchschnittliche Prognose aus dem Betrieb des Moduls - ein solcher Wert des Produktvolumens an einem Standort, der mit einer Wahrscheinlichkeit von 50% die Kundennachfrage im Geschäft befriedigt oder mit anderen Worten das Niveau des Kundenservice = 50% sicherstellt.

    Um Umsatzeinbußen zu vermeiden, ist der angestrebte Kundenservice in der Regel zu mindestens 95% geplant. Dies bedeutet, dass der Kunde in 95 von 100 Fällen das kauft, was er im Geschäft geplant hat. Die Bereitstellung eines hohen Servicegrads in SAP F & R erfolgt über eine Versicherungsprämie für die Durchschnittsprognose, die nicht nur vom angestrebten Servicegrad abhängt, sondern auch von der Variabilität der vergangenen Verkaufswerte der Waren. Auf diese Weise wird die maximale Umsatzprognose im System generiert, deren Volumen ausreicht, um den Lagerbestand oder den Lagerbestand (und damit die Entnahme von in den Lagerbeständen eingefrorenem Kapital) zu minimieren und den angestrebten Kundenservice einzuhalten.

    Im zweiten Teil gehe ich auf die Berechnung des Bedarfs und die Optimierung der Warenmenge in einer Bestellung ein.

    Lesen Sie meine SAP F & R-Publikationen:

    Ȇberblick: SAP F & R heute und morgen - die Zukunft der Absatzprognose
    »Die Kunst der Prognose im SAP F & R-System für die Bestandsführung

    Jetzt auch beliebt: