Che cos’è una previsione di magazzino?
La previsione di magazzino ti aiuta a stimare la domanda futura dei prodotti su periodi brevi, medi o lunghi. È una parte fondamentale di qualsiasi strategia di pianificazione dell’inventario. Prevedere la domanda in anticipo consente di migliorare il servizio clienti, il controllo delle scorte e la gestione della capacità.
È anche possibile prevedere i costi, come quelli associati al riordino futuro. Un’altra area da prevedere è il lead time, che in genere si sta riducendo. Qualunque cosa tu decida di prevedere, tieni presenti questi principi fondamentali:
- Le previsioni sono più accurate nel breve termine. Più si guarda lontano, meno saranno precise.
- Le previsioni conterranno errori. È importante conoscere la percentuale di errore.
- Le previsioni non sostituiscono la domanda reale.
Tipi di previsioni
Esistono molti modi per fare previsioni e nessun metodo è sempre il migliore. La scelta dipende dall’intervallo di tempo e dai dati disponibili. Le previsioni si classificano generalmente in tre categorie:
- Previsioni a lungo termine: guardano avanti di diversi anni
- Previsioni a medio termine: coprono da tre mesi a un anno
- Previsioni a breve termine: si concentrano sulle prossime settimane
Le previsioni possono basarsi sui dati storici o su stime soggettive. Se sono disponibili dati storici affidabili, questi diventano la base preferita.
Tecniche di previsione
In passato abbiamo analizzato il metodo del Lotto Economico di Acquisto (EOQ) per capire quanto acquistare. In questo articolo vedremo tre tecniche di base che si basano su dati storici.
Per l’esempio, useremo i dati di vendita di ottobre, novembre e dicembre 2022 per prevedere i primi tre mesi del 2023.
Media Mobile
Questo metodo calcola la media semplice di un numero di periodi precedenti per prevedere il successivo.
| Ottobre 2022 | 114 |
| Novembre 2022 | 119 |
| Dicembre 2022 | 137 |
| Gennaio 2023 | ? 114 + 119 + 137 = 370, 370 / 3 = 123 |
| Febbraio 2023 | ? 119 + 137 + 123 = 379, 379 / 3 = 126 |
| Marzo 2023 | ? 137 + 123 + 126 = 386, 386 / 3 = 129 |
Media Mobile Ponderata
Questa tecnica assegna pesi diversi a ciascun periodo, dando maggiore importanza ai dati più recenti. È utile per previsioni a breve termine di prodotti stabili.
Nota: la somma dei pesi deve essere 1.00. In questo esempio useremo 0.6 (più recente), 0.3 e 0.1
| Ottobre 2022 | 114 |
| Novembre 2022 | 119 |
| Dicembre 2022 | 137 |
| Gennaio 2023 | ? 137 * 0.6 + 119 * 0.3 + 114 * 0.1 = 129 |
| Febbraio 2023 | ? 129 * 0.6 + 137 * 0.3 + 119 * 0.1 = 131 |
| Marzo 2023 | ? 131 * 0.6 + 129 * 0.3 + 137 * 0.1 = 130 |
Smorzamento Lineare
Simile alla media mobile ponderata, ma i pesi decrescono in modo lineare usando una formula. È adatto a previsioni a breve termine per prodotti maturi.
Peso per un periodo precedente = 3 / ((n² + n)/2) = 3 / 6 = 0.5
Peso per due periodi precedenti = 2 / 6 = 0.3
Peso per tre periodi precedenti = 1 / 6 ≈ 0.17
| Ottobre 2022 | 114 |
| Novembre 2022 | 119 |
| Dicembre 2022 | 137 |
| Gennaio 2023 | ? 137 * 0.5 + 119 * 0.3 + 114 * 0.17 = 126 |
| Febbraio 2023 | ? 126 * 0.5 + 137 * 0.3 + 119 * 0.17 = 128 |
| Marzo 2023 | ? 128 * 0.5 + 126 * 0.3 + 137 * 0.17 = 129 |
Conclusione
Le previsioni si basano su dati storici e modelli. Non sono perfette e conterranno errori, che possono derivare dai modelli, dai dati o dall’interpretazione. Ma una buona stima è sempre meglio di nessuna.
Nei prossimi articoli, analizzeremo metodi più avanzati come lo smorzamento esponenziale e la regressione dei minimi quadrati, valutando vantaggi e limiti e come automatizzarli nei sistemi di gestione dell’inventario.