X

Prognoseerstellung mit SAP IBP

Prozessübersicht der automatisierten Prognoseerstellung mit SAP IBP

Neue Technologien wie HANA Datenbanken, Machine Learning Algorithmen oder künstliche Intelligenz ermöglichen es, dass immer mehr Routineaufgaben automatisiert von Computersystemen durchgeführt werden. So verbessert auch SAP in ihrem Supply Chain Planungstool SAP IBP (Integrated Business Planning) den Planungsprozess stetig weiter.

In diesem Beitrag stellen wir Ihnen den Ablauf der automatisierten Prognoseerstellung mit SAP IBP vor, bei dem ein statistischer Forecast größtenteils vom System autonom erzeugt wird. Der Planer greift nur noch bei kritischen Materialien oder in komplexen Situationen ein.

 

Der Prozess gliedert sich in die folgenden Hauptschritte:
SAP_IBP_Graphic_1

Produktsegmentierung

Im ersten Schritt erfolgt eine Segmentierung der Produkte in IBP. Hierfür wird sowohl eine ABC-Klassifizierung nach Bedeutung des Produktes durchgeführt (z.B. Preis, Marge oder Menge) als auch eine Eingliederung der Produkte nach XYZ, um eine Unterscheidung der Volatilität des Absatzverhaltens zu ermöglichen. SAP IBP kann die Klassifizierung nach ABC und XYZ wahlweise selbst ermitteln oder aus einem anderen System übernehmen. Sollten sich im zeitlichen Verlauf die Bedeutung oder das Absatzverhalten des Materials ändern, ermittelt das System die Segmente neu. Zusätzlich können die Werte für spezielle Produkte aber auch manuell gesetzt und fixiert werden, um in besonderen Fällen eine systembasierte Änderung auszuschließen.

Das Ergebnis der Segmentierung ist eine ABC / XYZ Matrix, mit welcher der Planer entscheiden kann,

 

  • bei welchen Segmenten eine intensive Bearbeitung nötig ist
  • bei welchen Segmenten eine Nachbearbeitung nötig ist
  • bei welchen Segmenten das Ergebnis auf Basis des Prognosefehlers zu kontrollieren ist
  • bei welchen Segmenten das Ergebnis nur selten zu kontrollieren ist

Quelle: SAP 

Zeitreihenanalyse

Eine weitere Grundlage der automatisierten Prognoseerstellung ist die Zeitreihenanalyse. Sie ist eine der bedeutenden Fortschritte bei SAP IBP in letzter Zeit. Mit ihr können die Absatzmuster der Produkte identifiziert und in Kombinationen der folgenden Kategorien eingeordnet werden. Diese Informationen können wiederum in eine verbesserte Berechnung der XYZ-Segmente einfließen, weil dort bei der Bestimmung der Volatilität die Trend- und Saisonmuster herausgerechnet werden können.

SAP_IBP_Graphic_3

Die Ergebnisse der Zeitreihenanalyse wiederum werden verbessert, wenn vor Durchführung eine Bereinigung oder Korrektur der Absatzdaten stattfindet. Dabei werden beispielsweise fehlende Daten logisch ergänzt, Ausreißer korrigiert oder Aktionsmengen herausgenommen. Diese Anpassungen können wahlweise durch einen Planer oder automatisch vom System durchgeführt werden.

Automatisierte Auswahl des Prognosemodells

Die Produktsegmente und die Zeitreihenanalyse bilden die Grundlage für die automatisierte Auswahl des Prognosemodells. Der Planer erstellt für die unterschiedlichen Segmente und Zeitreihen passende Prognoseprofile, denen ein oder mehrere Prognosemodelle zugeordnet werden. Mittels des Best-Fit Ansatzes erfolgt automatisch die Auswahl des finalen Prognosemodells durch SAP IBP. Dazu wird in den historischen Absatzdaten ein Testzeitraum festgelegt, der als Vergleichsgrundlage von Forecast und Ist-Absatzdaten dient. Dadurch wird die Prognosequalität der verschiedenen Modelle bewertet und basierend darauf das Modell mit dem geringsten Prognosefehler ausgewählt.

Resümee und zukünftige Entwicklung

Mit Hilfe der automatischen Prognoseerstellung kann der Planer eintönige datenverarbeitende Arbeitsschritte dem System überlassen und gewinnt somit Zeit, sich komplexen und wichtigen Aufgaben und Ausnahmesituationen zu widmen. Zusätzlich ergibt sich aus der Optimierung des Planungsprozessablaufs – unter anderem durch die Verkürzung der Planungszyklen – ein positiver Effekt für die gesamte Unternehmenssituation. Die automatische Prognoseerstellung in SAP IBP wird auch zukünftig regelmäßig um neue Möglichkeiten erweitert, z.B. in den Bereichen Machine Learning und Künstliche Intelligenz. Wir halten Sie natürlich auf dem Laufenden, welche Verbesserungen und Erleichterungen auch in Zukunft anstehen.

Sebastian-Fritzsche

Sebastian Fritzsche

Senior Consultant Supply Chain Management

Scheer GmbH
Uni-Campus Nord
D-66123 Saarbrücken

T +4989 558913-220
Kontakt

Facebook Icon Twitter icon - Logo Xing Icon - Logo Linkedin Logo - Icon Icon von Youtube Contact icon