Lösungsansatz für automatischen Bestellvorschlag!?

Hallo zusammen,

ich lese schon seit längerem mit großem Interesse hier im Board mit und habe ein Problem in Navision.

Wir setzen die 3.60er Version ein mit nativer DB.

Momentan erarbeiten wir uns einen automatisierten Bestellvorschlag welcher wie folgt abläuft:

Ein Report errechnet monatlich die Höchst, Mindest, Meldebestände und die durchschnittlichen Verkaufszahlen. Hierzu werden die vergangenen 2 Monate diesen Jahres und die beiden Folgemonate des Vorjahres herangezogen. Das heisst z.B für Monat 06.2005 nehmen wir die Zahlen aus 04.2005, 05.2005, 06.2004, 07.2004 - Grund ist, dass wir starke saisonale Schwankungen haben.


Soweit funktioniert das System ganz gut. Die Bestellvorschlagszeilen werden automatisch jeden Abend errechnet und in ein Vorschlagsblatt eingetragen. Hier werden nun Mengen geändert und Bestellungen ausgelöst.

Leider fehlt uns der Blick in die Zukunft bei diesem System.

Unser Einkauf bräuchte eine Möglichkeit nachzuschauen, welche Artikel eines Lieferanten innerhalb eines gewissen Zeitraumes mit welchen Mengen vorgeschlagen werden um Frankogrenzen und Rabattmengen zu erreichen.

Mein Problem hierbei ist es jedoch, keine aktuellen Verkaufszahlen für die nächsten Monate zu haben- somit könnte ich mich ja nur an den Vorjahreszahlen orientieren, was relativ ungenau ist.



Wie wird dies in anderen Unternehmen gelöst?
Es gibt ja sicherlich viele Firmen, die automatisierte Bestellvorschläge in Navision nutzen.



Vielen Dank im Voraus für Ideen oder Anregungen!


Mfg. André

Hallo Andre,

Interessant wäre noch, in welcher Branche der Bestellvorschlag laufen soll. Zwischen Retail-Food/Non Food/ Mixed, Maschinenbau usw. bestehen diesbezüglich ganz unterschiedliche Ansätze. Weiterhelfen zur Lösungsfindung würde auch die Info, ob zentral oder dezentral beschafft wird (z. B. bei Verteilzentren) oder ob nur 1 Lagerort existiert.

Bezüglich der "Zukunftsprognose":
Da es bisher noch niemandem gelungen ist, zuverlässig die Zukunft vorauszusagen, kann man sich nur an den "Erfahrungswerten" der Vergangenheit orientieren.

Mal abgesehen von Erich's Anmerkungen, müsstest du folgendermaßen vorgehen:
1. Ermittle die monatlichen Absatzzahlen des gesamten Vorjahres
2. Ermittle die bisher bekannten monatlichen Absatzzahlen des aktuellen Jahres
3. Vergleiche die monatlichen Zahlen Vorjahr <-> akt. Jahr
4. Übertrage die Vergleichswerte auf die noch folgenden Monate

Beispiel:
Vorjahr (Jan, Feb, ... , Nov, Dez:)
15.000 Stk., 16.000 Stk., ... , 20.000 Stk., 21.000 Stk.
Akt. Jahr:
15.750 Stk., 16.800 Stk., ... , ??? Stk., ??? Stk.

Man erkennt also bei dem Vergleich der Monatswerte zum Vorjahr, dass allgemein (bzw. durchschnittlich) der Absatz um 5 % gesteigert wurde.
Dies übertragen wir nun auf die fehlenden Monate und erhalten somit für
Nov.: ~21.000 Stk.
Dez.: ~22.500 Stk.

(In der Hoffnung, dass ich deine Frage jetzt nicht völlig falsch verstanden habe.)

Hallo,

vielen Dank für eure Antworten!

Wir verkaufen in der Baustoffbranche über ein sehr breites und tiefes Sortiment. Unsere Beschaffung läuft hauptsächlich dezentral, da mehrere Niederlassungen vorhanden sind, welche die Bestellvorschläge aber selbst bearbeiten.

Unser Problem ist eine sehr stark schwankende Saisonkurve. Wenn nun beim Vergleich ein gutes auf ein schlechtes Jahr trifft, rechnen wir entweder zu hoch, bzw zu niedrig. gleiches passiert, wenn es Verschiebungen der Saison gibt wie z.B Ende 2005- dort war der Winter sehr viel besser als z.B 2004.

Sicherlich macht dies alles einen Blick in die Zukunft nciht einfacher, aber einen Anhalt bräuchte man ja dennoch...


Vielen Dank!

Mfg. André

Hallo Andre,

So wie Du das darstellst, sind die Einflussfaktoren sehr dynamisch aber nicht wirklich durch Algorithmen zu ermitteln, sondern eher durch das Bauchgefühl beeinflusst.

Ich habe im Moment ein Retailprojekt. Als Beispiel sind bei Getränken die Wetterprognosen für die nächste Woche wichtig, welche anderen gleichartigen Getränke parallel in Aktion sind, und, und, und.

Was wir machen, wir analysieren mangels Hellseherischer Fähigkeiten trotzdem die Vergangenheit, und errechnen damit einen dynamischen Bestellpunkt.

Vereinfacht lautet der Algorithmus, welchen wir täglich ausführen so:

(Abverkauf letzte 13 Wochen * Faktor +
Abverkauf letzte 8 Wochen * Faktor +
Abverkauf letztes 4 Wochen * Faktor +
Abverkauf letzte Woche * Faktor) / Anzahl der gerechneten Wochen (13+8+4+1) ergibt den durschschnittlichen Wochenverbrauch. Durch den Faktor erhälts Du eine Gewichtung der Verbrauchszahlen einer Periode. Auf diese Art und Weise leitest Du aus der Vergangenheit eine Tendenz ab, welche grundsätzlich die Information liefert, ob die Absatzzahlen stagnieren, gleichbleiben oder sinken. Je nach dem, wie weit sich die Perioden überlappen, erhältst du eine Tendenzverstärkung/Schwächung.

Wenn Du nun auch noch in einer Referenztabelle je Warengruppen z.B. auf Monatsbasis einen Multiplikator hast und mit diesem Wert nochmals über das Ergebnis des Algorithmus gehts, lässt sich nochmals sehr einfach die Tendenz verstärken. Der Faktor selbst im Algorithmus könnte auch schon periodenabhängig sein.

Der Verbrauch je Periodenlänge (in meinem Beispiel Wochen) * der gewünschten Min Bestandesdauer (Beispiel 2 Wochen) ergibt dir einen dynamischen Bestellpunkt. Dieser Verglichen mit dem aktuellen Lagerbestand ergibt Dir nun grundsätzlich den Bedarf. Aber ich denke, alles weitere kennst Du ja.

Nun, jetzt bin ich mit meiner Weisheit auch am Ende, hoffe doch, dir einen Denkanstoss geben zu können.

Gruss, Erich

Das Ganze könnte man dann noch verfeinern, wenn man die Zahlen aus Erich's Berechnung mit den Zahlen des Vorjahres vergleicht, da man ja aus dem Vorjahr weiß, wie sich die folgenden Wochen saisonal entwickelt haben.

Für den letzten Feinschliff setzt man dann noch einen (branchen)erfahrenen Einkäufer an die Tastatur, welcher mit seinem "Bauchgefühl" die errechneten Zahlen prüft.

In der (stark preisschwankenden) Branche unserer Kunden müssen die Einkäufer sogar auf ein paar Cent genau den zukünftigen Einkaufspreis voraussagen (Vorhersage für die nächsten 4 - 24 Stunden). Das kann kein Algorythmus der Welt, sondern einfach nur die Branchenerfahrung des Einkäufers.

Ergo: Versuche nicht, den wichtigen Faktor Mensch vollständig aus der Lösung zu eliminieren.