Προβολές: 0 Συγγραφέας: Επεξεργαστής ιστότοπου Ώρα δημοσίευσης: 2026-09-10 Προέλευση: Τοποθεσία
Το να αποφασίσετε πόσα ρούχα θα παραχθούν είναι μια από τις πιο σημαντικές αποφάσεις που παίρνει μια μάρκα ρούχων.
Παραγγείλετε πολύ λίγες και τα δημοφιλή προϊόντα μπορούν να εξαντληθούν πριν φτάσει η επόμενη αποστολή. Παραγγείλετε πάρα πολλές και η επωνυμία μπορεί να μείνει με πλεονάζον απόθεμα, μειωμένες τιμές και χρήματα δεσμευμένα σε απούλητα προϊόντα.
Για το λόγο αυτό, οι ποσότητες παραγωγής θα πρέπει να βασίζονται σε περισσότερες από τις πωλήσεις του περασμένου έτους ή στη διαίσθηση ενός αγοραστή.
Μια πρακτική διαδικασία πρόβλεψης ενδυμάτων εξετάζει την πραγματική ζήτηση, τη διαθεσιμότητα αποθέματος, την εποχικότητα, τις προσφορές, τον χρόνο παράδοσης, το απόθεμα ασφαλείας, τη διανομή μεγέθους και τον διαθέσιμο προϋπολογισμό.
Ο στόχος είναι να εκτιμηθεί πόσα είναι πιθανό να αγοράσουν οι πελάτες κατά την περίοδο που θα είναι διαθέσιμο το νέο απόθεμα και, στη συνέχεια, να προσδιοριστεί πόσο απόθεμα χρειάζεται η επωνυμία για να υποστηρίξει αυτή τη ζήτηση.
Για έναν κατασκευαστή ρούχων OEM, αυτή η πρόβλεψη γίνεται τελικά μια παραγγελία παραγωγής που αναλύεται κατά στυλ, χρώμα και μέγεθος.
Στην αρχή, η πρόβλεψη φαίνεται απλή.
Εάν μια μάρκα πούλησε 1.000 κομμάτια ενός στυλ πέρυσι, μπορεί να παραγγείλει άλλα 1.000 κομμάτια φέτος.
Το πρόβλημα είναι ότι οι ιστορικές πωλήσεις δεν αντιπροσωπεύουν πάντα την πραγματική ζήτηση των πελατών.
Φανταστείτε ένα μπλουζάκι που πωλείται 100 κομμάτια την εβδομάδα. Μετά από τέσσερις εβδομάδες, το Μεσαίο μέγεθος εξαντλείται. Οι πελάτες συνεχίζουν να αναζητούν το Medium, αλλά η επωνυμία δεν μπορεί να πουλήσει αυτό που δεν έχει πλέον.
Το ρεκόρ πωλήσεων μπορεί να δείξει ότι η ζήτηση μειώθηκε μετά την τέταρτη εβδομάδα.
Στην πραγματικότητα, το προϊόν δεν ήταν διαθέσιμο.
Η παρεχόμενη έρευνα περιγράφει αυτό ως λογοκρισία ζήτησης . Όταν ένα προϊόν είναι εκτός αποθέματος, οι παρατηρούμενες πωλήσεις μπορεί να πέσουν στο μηδέν, παρόλο που οι πελάτες μπορεί να εξακολουθούν να θέλουν να το αγοράσουν. Η απευθείας χρήση αυτών των ακατέργαστων αριθμών μπορεί να σας κάνει να υποτιμήσετε τις μελλοντικές ποσότητες παραγωγής.
Αυτό δημιουργεί έναν επικίνδυνο κύκλο:
Δημοφιλές προϊόν → εξαντλήθηκε → τα δεδομένα πωλήσεων εμφανίζονται πιο αδύναμα → η επόμενη παραγγελία είναι πολύ μικρή → το προϊόν εξαντλήθηκε ξανά
Εν τω μεταξύ, τα προϊόντα αργής κίνησης μπορούν να παραμείνουν σε απόθεμα και να συνεχίσουν να παράγουν δεδομένα πωλήσεων.
Επομένως, η καλή πρόβλεψη ξεκινά με το ερώτημα:
Τι ήθελαν πραγματικά να αγοράσουν οι πελάτες όταν το προϊόν ήταν διαθέσιμο;
Το πρώτο βήμα είναι η συλλογή ιστορικών δεδομένων πωλήσεων για το στυλ, το χρώμα και το μέγεθος που προβλέπεται.
Χρήσιμες πληροφορίες μπορεί να περιλαμβάνουν:
Πωλούνται μονάδες
Ημερομηνίες πώλησης
Διαθέσιμο απόθεμα
Περίοδοι αποθεμάτων
Αλλαγές τιμών
Προσφορές
Παρουσιάσεις προϊόντων
Εποχιακές περίοδοι
Πωλήσεις ανά μέγεθος
Πωλήσεις ανά κανάλι
Όσο πιο λεπτομερή είναι τα δεδομένα, τόσο πιο χρήσιμη μπορεί να γίνει η πρόβλεψη.
Μια επωνυμία με πολλά χρόνια ιστορίας πωλήσεων μπορεί να αναγνωρίσει επαναλαμβανόμενα μοτίβα πιο εύκολα από μια επωνυμία με δεδομένα μόνο μερικών μηνών.
Ωστόσο, περισσότερα δεδομένα δεν σημαίνει αυτόματα καλύτερη πρόβλεψη.
Τα δεδομένα πρέπει να ερμηνεύονται σωστά.
Ας υποθέσουμε ότι μια επωνυμία είχε περίοδο πωλήσεων 30 ημερών.
Το προϊόν ήταν διαθέσιμο για 20 ημέρες και πούλησε 400 τεμάχια.
Εάν η επωνυμία υπολογίζει απλώς:
400 ÷ 30 = 13,3 τεμάχια την ημέρα
υποθέτει ότι το προϊόν θα μπορούσε να έχει πωληθεί με αυτή την τιμή καθ' όλη τη διάρκεια της περιόδου.
Ωστόσο, εάν το προϊόν δεν ήταν διαθέσιμο για 10 ημέρες, το παρατηρούμενο ποσοστό πωλήσεων κατά τη διάρκεια της διαθέσιμης περιόδου ήταν:
400 ÷ 20 = 20 τεμάχια ανά διαθέσιμη ημέρα
Το δεύτερο σχήμα μπορεί να παρέχει ένα καλύτερο σημείο εκκίνησης για την εκτίμηση της ζήτησης.
Η έρευνα συνιστά τον υπολογισμό του πραγματικού Ποσοστό Πώλησης χρησιμοποιώντας την περίοδο που το SKU ήταν πραγματικά διαθέσιμο αντί να αντιμετωπίζονται οι περίοδοι εκτός αποθέματος ως μηδενική ζήτηση.
Αυτή η διαδικασία ονομάζεται συχνά απεριόριστη ζήτηση.
Η βασική ιδέα είναι απλή:
Εάν οι πελάτες δεν μπορούσαν να αγοράσουν το προϊόν, αυτές οι ημέρες δεν θα πρέπει να ερμηνεύονται αυτόματα ως ημέρες που οι πελάτες δεν το ήθελαν.
Μόλις καθαριστούν οι ιστορικές πωλήσεις, η επωνυμία χρειάζεται μια βασική πρόβλεψη.
Η γραμμή βάσης είναι μια εκτίμηση της κανονικής ζήτησης πριν προστεθούν ειδικά γεγονότα, όπως μεγάλες προσφορές ή ασυνήθιστες αιχμές.
Διαφορετικά προϊόντα μπορεί να απαιτούν διαφορετικές μεθόδους πρόβλεψης.
Για ένα βασικό προϊόν με σχετικά σταθερή ζήτηση, ένας κινητός μέσος όρος μπορεί να προσφέρει ένα χρήσιμο σημείο εκκίνησης.
Για παράδειγμα, ένα βασικό μαύρο μπλουζάκι που πωλεί σταθερά όλο το χρόνο μπορεί να μην απαιτεί ένα περίπλοκο σύστημα πρόβλεψης.
Η επωνυμία μπορεί να εξετάσει τις πρόσφατες πωλήσεις και να καθορίσει έναν αντιπροσωπευτικό μέσο όρο.
Εάν οι πωλήσεις αυξάνονταν ή μειώνονταν σταθερά, η πρόβλεψη θα πρέπει να λαμβάνει υπόψη αυτή την τάση.
Για παράδειγμα, εάν ένα βασικό στυλ εσωρούχων έχει αναπτυχθεί σταθερά σε αρκετές εποχές, η απλή χρήση ενός παλιού μέσου όρου θα μπορούσε να υποτιμήσει τη μελλοντική ζήτηση.
Τα μοντέλα γραμμικής τάσης μπορούν να είναι χρήσιμα για αυτόν τον τύπο καταστάσεων.
Ορισμένα προϊόντα ακολουθούν προβλέψιμα εποχιακά μοτίβα.
Τα μαγιό, τα χειμερινά εσώρουχα, τα θερμικά ρούχα και άλλα εποχιακά προϊόντα μπορεί να έχουν πολύ διαφορετικά μοτίβα πωλήσεων καθ' όλη τη διάρκεια του έτους.
Επομένως, η πρόβλεψη πρέπει να κάνει διάκριση μεταξύ:
Φυσιολογική ανάπτυξη ή πτώση
και
Επαναλαμβανόμενη εποχιακή ζήτηση
Η έρευνα προσδιορίζει τα μοντέλα εκθετικής εξομάλυνσης και ETS ως χρήσιμες προσεγγίσεις πρόβλεψης, επειδή μπορούν να εξηγήσουν το σφάλμα, την τάση και την εποχικότητα.
Για τις περισσότερες μικρότερες μάρκες, η κατανόηση της αρχής είναι πιο σημαντική από την επιλογή ενός περίπλοκου αλγόριθμου πρόβλεψης.
Μια μεγάλη πώληση μπορεί να κάνει ένα προϊόν να φαίνεται πολύ πιο δημοφιλές από ό,τι συνήθως.
Φανταστείτε μια μάρκα πουλά συνήθως 100 κομμάτια ενός στυλ την εβδομάδα.
Κατά τη διάρκεια μιας καμπάνιας με έκπτωση 30%, πουλά 250 κομμάτια.
Η χρήση του 250 ως το νέο κανονικό θα παρήγαγε μια πολύ επιθετική πρόβλεψη παραγωγής.
Το ίδιο πρόβλημα μπορεί να προκύψει με:
Flash πωλήσεις
Καμπάνιες Influencer
Σημαντικές διαφημιστικές καμπάνιες
Εορταστικές προσφορές
Παρουσιάσεις νέων προϊόντων
Προσωρινές μειώσεις τιμών
Η έρευνα συνιστά να διαχωριστεί η προωθητική άνοδος από την υποκείμενη βασική ζήτηση και στη συνέχεια να προστεθούν τα προγραμματισμένα διαφημιστικά αποτελέσματα στη μελλοντική πρόβλεψη, όταν είναι απαραίτητο.
Για παράδειγμα:
Κανονική ζήτηση: 100 μονάδες/εβδομάδα
Αναμενόμενη αύξηση προώθησης: +40%
Πρόβλεψη κατά την προώθηση: περίπου 140 μονάδες/εβδομάδα
Η ακριβής αύξηση θα πρέπει να προέρχεται από τα ιστορικά δεδομένα της μάρκας όποτε είναι δυνατόν.
Η ζήτηση ενδυμάτων συνδέεται στενά με την εποχή του χρόνου.
Η ζήτηση των πελατών μπορεί να αλλάξει λόγω:
Θερμοκρασία
Κλίμα
Διακοπές
Περίοδοι επιστροφής στο σχολείο
Εποχές ταξιδιού
Διαφημιστικά ημερολόγια
εποχές μόδας
Επομένως, μια επωνυμία θα πρέπει να συγκρίνει παρόμοιες περιόδους όταν δημιουργεί μια πρόβλεψη.
Για παράδειγμα, η χρήση των πωλήσεων Δεκεμβρίου για την πρόβλεψη της ζήτησης του Ιουλίου για ένα εποχιακό προϊόν θα μπορούσε να παράγει ένα πολύ παραπλανητικό αποτέλεσμα.
Η μάρκα θα πρέπει να ρωτήσει:
Τι πούλησε αυτό το προϊόν ή παρόμοια προϊόντα την ίδια σεζόν τα προηγούμενα χρόνια;
Η εποχικότητα γίνεται ιδιαίτερα σημαντική όταν οι χρόνοι παραγωγής είναι μεγάλοι.
Εάν ένα εργοστάσιο χρειάζεται αρκετούς μήνες για την παραγωγή και την αποστολή μιας προσαρμοσμένης παραγγελίας, η επωνυμία πρέπει να προβλέψει τη ζήτηση πολύ πριν ξεκινήσει η πραγματική σεζόν πωλήσεων.
Ένα νέο στυλ δημιουργεί πρόβλημα πρόβλεψης επειδή δεν υπάρχει ιστορικό απευθείας πωλήσεων.
Μια επωνυμία δεν μπορεί να υπολογίσει τις πωλήσεις του περασμένου έτους για ένα προϊόν που δεν υπήρχε πέρυσι.
Η έρευνα συνιστά τη χρήση ομαδοποίησης βάσει χαρακτηριστικών και αντιστοίχισης ομοειδών στοιχείων για νέα προϊόντα. Αντί να μαντέψουν έναν αριθμό από το τίποτα, οι σχεδιαστές μπορούν να συγκρίνουν το νέο προϊόν με υπάρχοντα προϊόντα που μοιράζονται σημαντικά χαρακτηριστικά.
Τα σχετικά χαρακτηριστικά μπορεί να περιλαμβάνουν:
Κατηγορία προϊόντος
Σιλουέτα
Υφασμάτινη κατασκευή
Βάρος υφάσματος
Τιμή
Περιθώριο στόχου
Χρώμα
Πολυπλοκότητα μοτίβων
Για παράδειγμα, ας υποθέσουμε ότι μια μάρκα λανσάρει ένα νέο hoodie French Terry 280 GSM.
Μπορεί να δει προηγούμενα hoodies με παρόμοια:
Βάρος υφάσματος
Κατασκευή
Τιμή
Πελάτης στόχος
Κατάλληλος
Τοποθέτηση χρώματος
Αυτά τα προϊόντα μπορούν να προσφέρουν ένα πιο χρήσιμο σημείο εκκίνησης από την απλή επιλογή μιας αυθαίρετης ποσότητας.
Τα νέα προϊόντα περιέχουν περισσότερη αβεβαιότητα από τα καθιερωμένα προϊόντα.
Επομένως, μια επωνυμία μπορεί να εξετάσει:
Μικρότερη αρχική παραγωγή
Προπαραγγελίες
Πρώιμο ενδιαφέρον πελατών
Ιστορικές επιδόσεις παρόμοιων προϊόντων
Ευέλικτη αναπλήρωση
Συντομότεροι κύκλοι παραγωγής όπου είναι διαθέσιμοι
Αυτό μπορεί να μειώσει τον κίνδυνο δέσμευσης υπερβολικού αποθέματος προτού καταστεί σαφής η πραγματική ζήτηση.
Η πρόβλεψη της ζήτησης είναι μόνο το ήμισυ του προβλήματος.
Μια επωνυμία πρέπει επίσης να γνωρίζει πόσο χρόνο θα χρειαστεί για να αντικαταστήσει το απόθεμα.
Ας υποθέσουμε ότι μια μάρκα αναμένει να πουλάει 500 κομμάτια το μήνα.
Εάν η αναπλήρωση διαρκεί δύο εβδομάδες, η επωνυμία έχει ένα πρόβλημα αποθέματος.
Εάν η αναπλήρωση διαρκεί τέσσερις μήνες, η μάρκα έχει πολύ διαφορετικό πρόβλημα.
Η έρευνα τονίζει ότι ο χρόνος παραγωγής του εργοστασίου δεν πρέπει να αντιμετωπίζεται ως ολόκληρος ο χρόνος παράδοσης της αλυσίδας εφοδιασμού. Ο συνολικός χρόνος παράδοσης μπορεί να περιλαμβάνει προμήθεια υλικού, δειγματοληψία και εγκρίσεις, μαζική παραγωγή, μεταφορά, τελωνείο και εισερχόμενη επεξεργασία.
Μια απλοποιημένη αλυσίδα εφοδιασμού ενδυμάτων μοιάζει με:
Προμήθεια υλικού
↓
Δειγματοληψίες και εγκρίσεις
↓
Μαζική παραγωγή
↓
Μεταφορά
↓
Τελωνειακή και εισερχόμενη επεξεργασία
↓
Διαθεσιμότητα αποθήκης
Η επωνυμία θα πρέπει να προβλέπει τις ανάγκες αποθεμάτων σε όλη αυτήν την περίοδο.
Αυτό είναι ιδιαίτερα σημαντικό για προσαρμοσμένα υφάσματα και προσαρμοσμένα χρώματα, όπου η προετοιμασία του υλικού μπορεί να προσθέσει σημαντικό χρόνο.
Μια πρόβλεψη εξακολουθεί να είναι μια εκτίμηση.
Η πραγματική ζήτηση μπορεί να είναι υψηλότερη από την αναμενόμενη.
Η παραγωγή μπορεί επίσης να διαρκέσει περισσότερο από το προγραμματισμένο.
Το απόθεμα ασφαλείας παρέχει ένα απόθεμα ασφαλείας έναντι αυτών των αβεβαιοτήτων.
Η έρευνα προσδιορίζει δύο κύριες πηγές κινδύνου:
Μεταβλητότητα ζήτησης
Μεταβλητότητα χρόνου παράδοσης
Για παράδειγμα, ας υποθέσουμε ότι μια επωνυμία αναμένει να πουλήσει 1.000 κομμάτια κατά τη διάρκεια του χρόνου που χρειάζεται για την αναπλήρωση του αποθέματος.
Εάν η ζήτηση αυξηθεί ξαφνικά ή καθυστερήσει η παραγωγή, 1.000 τεμάχια μπορεί να μην είναι αρκετά.
Το απόθεμα ασφαλείας παρέχει πρόσθετη προστασία.
Ένας απλός κανόνας όπως 'πάντα να παράγει 10% επιπλέον' μπορεί να φαίνεται βολικός.
Ωστόσο, διαφορετικά προϊόντα έχουν διαφορετικά επίπεδα κινδύνου.
Ένα σταθερό μαύρο μπλουζάκι με προβλέψιμη ζήτηση όλο το χρόνο μπορεί να απαιτεί διαφορετικό buffer από ένα εποχιακό στυλ μόδας του οποίου οι πωλήσεις είναι εξαιρετικά απρόβλεπτες.
Η έρευνα συνιστά τη χρήση διαφορετικών στρατηγικών πρόβλεψης και αποθεμάτων ασφάλειας σύμφωνα τόσο με τη σημασία των εσόδων όσο και με την προβλεψιμότητα της ζήτησης , χρησιμοποιώντας την ταξινόμηση ABC-XYZ.
Η βασική ιδέα είναι χρήσιμη ακόμη και χωρίς την εκτέλεση της πλήρους στατιστικής ανάλυσης:
Προϊόντα υψηλής αξίας + προβλέψιμα: προστατέψτε τη διαθεσιμότητα προσεκτικά.
Προϊόντα υψηλής αξίας + απρόβλεπτα: παρακολουθήστε προσεκτικά τη ζήτηση και προσαρμόστε γρήγορα.
Προϊόντα χαμηλής αξίας + απρόβλεπτα: αποφύγετε να δεσμεύετε υπερβολικά μεγάλο απόθεμα.
Αυτό βοηθά τις επωνυμίες να ξοδεύουν επενδύσεις αποθέματος εκεί που έχει μεγαλύτερη σημασία.
Μόλις μια επωνυμία γνωρίζει την αναμενόμενη ζήτηση και το απόθεμα ασφαλείας της, μπορεί να καθορίσει πότε πρέπει να υποβληθεί άλλη παραγγελία παραγωγής.
Αυτό είναι το σημείο αναδιάταξης (ROP).
Εννοιολογικά:
Σημείο αναπαραγγελίας = Αναμενόμενη ζήτηση κατά τη διάρκεια του χρόνου παράδοσης + Απόθεμα ασφαλείας
Για παράδειγμα, εάν μια επωνυμία αναμένει να πουλήσει 1.500 μονάδες κατά τη διάρκεια του χρόνου αναπλήρωσής της και θέλει άλλες 300 μονάδες ως αποθήκη ασφαλείας:
ROP = 1.800 μονάδες
Όταν η διαθέσιμη θέση αποθέματος φτάσει σε αυτό το επίπεδο, η επωνυμία θα πρέπει να εξετάσει το ενδεχόμενο έναρξης της επόμενης παραγγελίας αναπλήρωσης.
Η έρευνα περιγράφει το σημείο αναπαραγγελίας ως το όριο αποθέματος που ενεργοποιεί μια νέα παραγγελία αγοράς, με βάση την αναμενόμενη ζήτηση καθ' όλη τη διάρκεια του συνολικού χρόνου παράδοσης συν το απόθεμα ασφαλείας.
Το σημαντικό σημείο είναι ο συγχρονισμός.
Μια επωνυμία δεν πρέπει να περιμένει έως ότου το απόθεμα φτάσει στο μηδέν προτού επικοινωνήσει με τον κατασκευαστή της, εάν ο κατασκευαστής απαιτεί εβδομάδες ή μήνες για να αναπληρώσει το προϊόν.
Γνωρίζοντας ότι μια μάρκα χρειάζεται 5.000 κομμάτια δεν λέει στο εργοστάσιο πόσα κομμάτια κάθε μεγέθους να παράγει.
Η παραγγελία παραγωγής μπορεί να χρειαστεί να είναι:
XS: 350
S: 900
M: 1.900
L: 1.300
XL: 550
Η ακριβής αναλογία εξαρτάται από την πελατειακή βάση της μάρκας και τις ιστορικές πωλήσεις.
Αυτό ονομάζεται καμπύλη μεγέθους.
Η έρευνα υπογραμμίζει ένα σημαντικό πρόβλημα εδώ: οι αναλογίες ακατέργαστων πωλήσεων μπορεί να παραμορφωθούν όταν τα δημοφιλή μεγέθη εξαντληθούν νωρίς.
Ας υποθέσουμε ότι το Medium ξεπουλάει επανειλημμένα.
Οι ιστορικές πωλήσεις του μπορεί στην πραγματικότητα να αντιπροσωπεύουν τον αριθμό των μεσαίων μονάδων που κατάφερε να πουλήσει η επωνυμία, παρά τον αριθμό που ήθελαν οι πελάτες.
Επομένως, η επωνυμία θα πρέπει να αναλύει τη ζήτηση ανά μέγεθος κατά τις περιόδους που κάθε μέγεθος ήταν πραγματικά διαθέσιμο.
Αυτό είναι ιδιαίτερα σημαντικό για τα εσώρουχα επειδή το μέγεθος είναι στενά συνδεδεμένο με την εφαρμογή, την άνεση και την ικανοποίηση του πελάτη.
Επομένως, μια πρόβλεψη παραγωγής θα πρέπει να απαντά σε δύο ξεχωριστά ερωτήματα:
Πόσα συνολικά κομμάτια πρέπει να φτιάξουμε;
και
Πώς πρέπει να κατανέμονται αυτά τα κομμάτια σε μεγέθη;
Μια πρόβλεψη ζήτησης μπορεί να δημιουργήσει μια πολύ μεγάλη απαίτηση παραγωγής.
Η επωνυμία πρέπει ακόμα να καθορίσει εάν έχει την οικονομική δυνατότητα να κατασκευάσει και να διατηρήσει αυτό το απόθεμα.
Εδώ μπαίνει στη διαδικασία ο οικονομικός σχεδιασμός.
Η έρευνα περιγράφει το Open-to-Buy (OTB) ως έναν οικονομικό περιορισμό που βοηθά στη συμφωνία των προβλέψεων SKU από τη βάση προς την κορυφή με το ποσό των δαπανών αποθέματος που μπορεί να υποστηρίξει η επιχείρηση.
Για μια μικρότερη μάρκα ρούχων, η ιδέα μπορεί να απλοποιηθεί:
Προβλέψτε το απόθεμα που χρειάζεστε και, στη συνέχεια, ελέγξτε εάν τα διαθέσιμα μετρητά και ο προϋπολογισμός αποθέματός σας μπορούν να το υποστηρίξουν.
Εάν η πρόβλεψη προτείνει την παραγγελία 20.000 τεμαχίων, αλλά η επιχείρηση μπορεί να χρηματοδοτήσει με ασφάλεια μόνο 12.000, η μάρκα πρέπει να δώσει προτεραιότητα.
Μπορεί να επιλέξει:
Προστατέψτε τα βασικά προϊόντα
Μειώστε τα στυλ αργής κίνησης
Μειώστε το βάθος χρώματος
Εκκινήστε λιγότερα SKU
Χρησιμοποιήστε μικρότερες αρχικές παραγγελίες
Καθυστέρηση προϊόντων χαμηλότερης προτεραιότητας
Σχεδιάστε μια άλλη παραγωγή αργότερα
Αυτό είναι όπου η πρόβλεψη γίνεται μια επιχειρηματική απόφαση και όχι μια καθαρά μαθηματική άσκηση.
Αφού αναθεωρηθούν η ζήτηση, η εποχικότητα, ο χρόνος παράδοσης, το απόθεμα ασφαλείας, οι καμπύλες μεγέθους και ο προϋπολογισμός, η μάρκα μπορεί να καθορίσει τις απαιτήσεις παραγωγής της.
Μια απλοποιημένη ροή εργασίας είναι:
Ιστορικές πωλήσεις
↓
Αφαιρέστε την παραμόρφωση στοκ
↓
Δημιουργία βασικής ζήτησης
↓
Προσαρμόστε την εποχικότητα και τις προγραμματισμένες προσφορές
↓
Εξετάστε το χρόνο παράδοσης παραγωγής και αποστολής
↓
Προσθέστε το κατάλληλο απόθεμα ασφαλείας
↓
Προσδιορίστε το σημείο αναδιάταξης
↓
Εφαρμογή καμπύλης μεγέθους
↓
Ελέγξτε τον προϋπολογισμό αποθέματος
↓
Έκδοση εντολής παραγωγής
Η έρευνα συνοψίζει ένα παρόμοιο πρωτόκολλο σχεδιασμού επτά βημάτων, που ξεκινά με απεριόριστη ιστορική ζήτηση και τελειώνει με μια κλειδωμένη εντολή αγοράς που εκδίδεται στον κατασκευαστή.
Από την πλευρά του κατασκευαστή, μια καλή πρόβλεψη παραγωγής πρέπει τελικά να γίνει σαφής παραγγελία.
Το εργοστάσιο μπορεί να λάβει:
Στυλ
Χρώμα
Συνολική ποσότητα
Ανάλυση μεγέθους
Προδιαγραφές υλικού
Απαιτήσεις συσκευασίας
Ημερομηνία παράδοσης
Απαιτήσεις αποστολής
Απαιτήσεις ποιότητας
Η ποιότητα αυτών των πληροφοριών επηρεάζει τον προγραμματισμό παραγωγής.
Για παράδειγμα, ένας κατασκευαστής μπορεί να μπορεί να παράγει 10.000 κομμάτια ενός στυλ, αλλά το χρονοδιάγραμμα παραγωγής εξακολουθεί να εξαρτάται από το συγκεκριμένο μέγεθος και την κατανομή του χρώματος, τη διαθεσιμότητα υφάσματος, τις επενδύσεις, την προθεσμία παράδοσης και άλλες απαιτήσεις.
Αυτός είναι ο λόγος για τον οποίο η πρόβλεψη και η κατασκευή συνδέονται στενά.
Ο σχεδιασμός της ζήτησης μιας επωνυμίας καθορίζει πόσο και πότε θέλει να πουλήσει.
Ο σχεδιασμός παραγωγής του κατασκευαστή καθορίζει πώς να μετατρέψει αυτή την απαίτηση σε φυσικά ρούχα.
Καμία πρόβλεψη δεν είναι τέλεια.
Ο σκοπός της πρόβλεψης είναι η λήψη καλύτερων αποφάσεων σε συνθήκες αβεβαιότητας.
Εάν η πραγματική ζήτηση είναι υψηλότερη από την αναμενόμενη, η επωνυμία μπορεί να αντιμετωπίσει:
Αποθέματα
Χαμένες πωλήσεις
Παραγωγή έκτακτης ανάγκης
Ταχεία αποστολή
Δυσαρέσκεια πελατών
Εάν η ζήτηση είναι χαμηλότερη από την αναμενόμενη, η επωνυμία μπορεί να αντιμετωπίσει:
Υπερβολικό απόθεμα
Εκπτώσεις
Απώλειες Markdown
Κόστος αποθήκης
Μετρητά δεσμευμένα σε απούλητα προϊόντα
Επομένως, τα καλύτερα συστήματα πρόβλεψης παρακολουθούν συνεχώς τις πραγματικές πωλήσεις.
Η πρόβλεψη θα πρέπει να αλλάξει καθώς γίνονται διαθέσιμες νέες πληροφορίες.
Για παράδειγμα:
Αρχική πρόβλεψη → πραγματικές πωλήσεις → ενημερωμένη εκτίμηση ζήτησης → αναθεωρημένο σχέδιο παραγωγής
Αυτό είναι ιδιαίτερα χρήσιμο για προϊόντα μόδας με σύντομο κύκλο ζωής.
Φανταστείτε ότι μια μάρκα εσωρούχων έχει ένα βασικό στυλ που πωλεί όλο το χρόνο.
Τα ιστορικά δεδομένα δείχνουν ότι, μετά την καταγραφή των αποθεμάτων, το προϊόν πουλάει συνήθως περίπου 800 τεμάχια το μήνα.
Η μάρκα αναμένει εποχιακή αύξηση περίπου 20%.
Αυτό δίνει μια προβλεπόμενη ζήτηση περίπου:
800 × 1,20 = 960 τεμάχια το μήνα
Η διαδικασία κατασκευαστή και logistics απαιτεί τρεις μήνες από την τοποθέτηση της παραγγελίας έως τη διαθεσιμότητα του αποθέματος.
Επομένως, η επωνυμία πρέπει να προγραμματίσει περίπου:
960 × 3 = 2.880 τεμάχια
Στη συνέχεια, προσθέτει ένα κατάλληλο buffer ασφαλείας με βάση τον κίνδυνο ζήτησης και προσφοράς.
Ας υποθέσουμε ότι η μάρκα αποφασίσει ότι άλλα 320 κομμάτια παρέχουν ένα κατάλληλο buffer σχεδιασμού.
Η απαίτηση αποθέματος γίνεται περίπου:
2.880 + 320 = 3.200 τεμάχια
Το τελευταίο βήμα είναι να διαιρέσετε αυτά τα κομμάτια σύμφωνα με την αναμενόμενη καμπύλη μεγέθους.
Αυτό είναι ένα απλοποιημένο παράδειγμα παρά ένας καθολικός τύπος. Η πραγματική πρόβλεψη θα πρέπει να λαμβάνει υπόψη τις αλλαγές στην τιμή, τις προσφορές, τη διαθεσιμότητα αποθέματος, την εποχικότητα, τη μεταβλητότητα χρόνου παράδοσης και τον κύκλο ζωής του προϊόντος.
Το σημαντικό σημείο είναι η σειρά:
Ζήτηση → περίοδος πώλησης → χρόνος παράδοσης → απόθεμα κινδύνου → κατανομή μεγέθους → ποσότητα παραγωγής
Μια επωνυμία δεν χρειάζεται ένα προηγμένο σύστημα πρόβλεψης τεχνητής νοημοσύνης για να βελτιώσει τον προγραμματισμό παραγωγής της.
Μπορεί να ξεκινήσει με καλύτερη πειθαρχία δεδομένων.
Καταγράψτε όταν κάθε στυλ και μέγεθος καθίσταται μη διαθέσιμο.
Διαφορετικά, οι χαμηλές πωλήσεις μπορεί να θεωρηθούν εσφαλμένα ως χαμηλή ζήτηση.
Καταγράψτε μεγάλες εκπτώσεις και καμπάνιες, ώστε οι ασυνήθιστες αυξήσεις των πωλήσεων να μην γίνουν αυτόματα η νέα βάση.
Ένας συνολικός αριθμός πωλήσεων σε επίπεδο στυλ μπορεί να κρύψει σημαντικές διαφορές μεταξύ των μεγεθών.
Καταγράψτε πόσο χρόνο χρειάζονται οι πραγματικές παραγγελίες από την παραγγελία αγοράς έως την απόδειξη της αποθήκης.
Μετά από κάθε περίοδο πώλησης, συγκρίνετε την προβλεπόμενη ζήτηση με τα πραγματικά αποτελέσματα.
Χρησιμοποιήστε παρόμοια προϊόντα και χαρακτηριστικά ως αναφορές αντί να προσποιηθείτε ότι ένα νέο προϊόν έχει ιστορικά δεδομένα.
Μια πρόβλεψη θα πρέπει να αλλάξει όταν νέες πληροφορίες αλλάζουν την αναμενόμενη ζήτηση.
Μόλις καθοριστεί η ποσότητα παραγωγής, ο κατασκευαστής χρειάζεται μια σαφή παραγγελία.
Για ένα έργο προσαρμοσμένης ένδυσης, χρήσιμες πληροφορίες περιλαμβάνουν:
Αριθμός στυλ
Χρώματα
Συνολική ποσότητα
Ανάλυση μεγέθους
Προδιαγραφές υφάσματος
Απαιτήσεις περικοπής
Απαιτήσεις συσκευασίας
Πρότυπα ποιότητας
Στόχος ημερομηνία παράδοσης
Προορισμός αποστολής
Μια σαφής παραγγελία παραγωγής μειώνει την πιθανότητα παρεξηγήσεων μεταξύ της μάρκας και του εργοστασίου.
Επιτρέπει επίσης στον κατασκευαστή να σχεδιάζει πιο αποτελεσματικά το ύφασμα, την ικανότητα κοπής, το ράψιμο και άλλους πόρους παραγωγής.
Για μια μακροπρόθεσμη σχέση OEM, τα ιστορικά δεδομένα παραγωγής μπορούν επίσης να γίνουν χρήσιμα.
Οι πραγματικοί χρόνοι παραγωγής, η κατανάλωση υλικών, τα προβλήματα ποιότητας και οι ποσότητες παραγγελιών μπορούν όλα να βοηθήσουν στη βελτίωση του μελλοντικού σχεδιασμού.
Δεν υπάρχει κανένας αριθμός που να μπορεί να εγγυηθεί τη σωστή ποσότητα παραγωγής.
Μια ισχυρή πρόβλεψη συνδυάζει πολλές πληροφορίες.
Οι ιστορικές πωλήσεις λένε στη μάρκα τι συνέβη.
Η ανάλυση αποθεμάτων βοηθά στην αποκάλυψη της ζήτησης που μπορεί να έχουν χάσει τα δεδομένα πωλήσεων.
Η εποχικότητα και οι προσφορές εξηγούν ασυνήθιστες αλλαγές.
Ο χρόνος παράδοσης καθορίζει πόσο μακριά πρέπει να προγραμματιστεί το απόθεμα.
Το απόθεμα ασφαλείας προστατεύει από την αβεβαιότητα.
Οι καμπύλες μεγέθους μετατρέπουν τη συνολική ζήτηση σε μια πρακτική ανάλυση παραγωγής.
Τα όρια προϋπολογισμού διατηρούν οικονομικά ρεαλιστικά τα σχέδια απογραφής.
Μαζί, αυτοί οι παράγοντες δημιουργούν μια πολύ ισχυρότερη βάση για να αποφασίσετε πόσα ρούχα θα κατασκευάσετε.
Για τις μάρκες ρούχων, η πιο χρήσιμη αλλαγή είναι συχνά από:
'Πουλήσαμε τόσα πολλά την τελευταία φορά, οπότε ας παραγγείλουμε το ίδιο ποσό.'
να:
'Πόσα πραγματικά ζήτησαν οι πελάτες, πώς θα αλλάξει αυτή η ζήτηση και πόσο απόθεμα χρειαζόμαστε για να καλύψουμε το χρόνο μέχρι να μπορέσουμε να το αναπληρώσουμε;'
Αυτή η ερώτηση οδηγεί σε καλύτερες αποφάσεις παραγωγής.
Και για έναν κατασκευαστή OEM, δημιουργεί μια σαφέστερη σύνδεση μεταξύ της ζήτησης των πελατών και του φυσικού σχεδίου παραγωγής.
Ο καλός προγραμματισμός παραγωγής ξεκινά πριν από την παραγγελία. Όσο καλύτερη είναι η πρόβλεψη της ζήτησης, τόσο μεγαλύτερη είναι η πιθανότητα να είναι διαθέσιμα τα σωστά προϊόντα, μεγέθη και ποσότητες όταν τα θέλουν οι πελάτες.
