Demand planning

ing versteht man vor allem den Einsatz quantitativer Prognoseverfahren.

Bei der Anwendung eines Prognoseverfahrens wird der in der Vergangenheit beobachtete Bedarf eines Produkts in die Zukunft extrapoliert. Prognoseverfahren werden nicht nur zur Vorhersage des Materialbedarfs eingesetzt. Sie kommen vor allem auch bei der Bereitstellung der Nachfragedaten für die
aggregierte Gesamtplanung und die Hauptproduktionsprogrammplanung zum Einsatz.
Prognoseverfahren bilden unter der Bezeichnung Demand Planning einen wichtigen Bestandteil der
Planungssysteme zur Supply Chain Optimierung (Advanced Planning Systems). Die für die Prognose relevanten Daten eines Produkts sind im folgenden Bild wiedergegeben.

1

Der Vergangenheitsbedarf wird als eine Zeitreihe interpretiert, d.h. als eine zeitlich geordnete Folge von Periodenbedarfsmengen. Bezeichnet man mit $y_t$ die in der Periode $t$ beobachtete Bedarfsmenge, dann kann die Zeitreihe der Periodenbedarfsmengen durch die geordnete Folge ($y_1,y_2,...,y_t,...$) beschrieben werden. Dabei ist $y_t$ üblicherweise die Summe aus verschiedenen Einzelbedarfen, die in der Periode $t$ aufgetreten sind. Diese in der Praxis vorherrschende Sichtweise einer diskreten Zeitachse steht im Widerspruch zu den Annahmen vieler stochastischer Lagerhaltungsmodelle, in denen aus mathematischen Gründen von einer kontinuierlichen Zeitachse ausgegangen wird.

Es gibt eine große Anzahl von quantitativen Prognosemethoden, deren Details ausführlich in der Literatur dokumentiert sind.

Eines der einfachsten Verfahren ist die exponentielle Glättung erster Ordnung, bei der der Prognosewert für die Periode $t+1$ am Ende der Periode $t$ als gewogener Durchschnitt aus dem Beobachtungswert der Periode $t$, $y_t$, und dem in der Vorperiode berechneten Prognosewert für die Periode $t$, $p_{t}$ bestimmt wird:

$p_{t+1}= \alpha \cdot y_t + (1-\alpha) \cdot p_t$

Dieses Verfahren eignet sich nur für stationären Bedarf, wird in der Praxis unkorrekterweise oft auch für trendförmigen Bedarf eingesetzt.